動(dòng)態(tài)人臉識(shí)別算法描述與實(shí)現(xiàn)

趙佳暢

摘? 要：近年來(lái)，隨著生物技術(shù)的發(fā)展，在生物領(lǐng)域中人臉識(shí)別技術(shù)已經(jīng)成為當(dāng)前的研究熱點(diǎn)。人臉識(shí)別指通過(guò)基于個(gè)人的面部輪廓比較和分析模式，唯一地識(shí)別或驗(yàn)證人的生物測(cè)定技術(shù)。然而在實(shí)際應(yīng)用中很多技術(shù)是通過(guò)軟件來(lái)實(shí)現(xiàn)的。在此次研究中，針對(duì)動(dòng)態(tài)人臉識(shí)別進(jìn)行了檢測(cè)和識(shí)別算法描述，并針對(duì)這些方法呈現(xiàn)的效果進(jìn)行了比較分析。

關(guān)鍵詞：動(dòng)態(tài)? 人臉識(shí)別? 描述? 實(shí)現(xiàn)

中圖分類號(hào)：TP18? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)：1672-3791（2019）02（c）-0017-02

生物識(shí)別技術(shù)隨著計(jì)算機(jī)和醫(yī)學(xué)技術(shù)的發(fā)展已經(jīng)融入到我們生活中，也成為安全、方便、快捷的技術(shù)之一，是以人的身體特征為依據(jù)，通過(guò)這些特征進(jìn)一步進(jìn)行身份識(shí)別驗(yàn)證，具有安全性、穩(wěn)定性、普遍性，與其他識(shí)別技術(shù)不同，具有良好的拓展性，因此也常常被應(yīng)用于一些特殊行業(yè)中。但在實(shí)際應(yīng)用中如何構(gòu)建能夠滿足人們需求的人臉識(shí)別系統(tǒng)已經(jīng)成為當(dāng)前急需解決的問(wèn)題。

1? 人臉檢測(cè)算法

1.1 seatface引擎

人臉識(shí)別以前是基于C++程序開(kāi)發(fā)的人臉識(shí)別引擎，不需要第三方數(shù)據(jù)庫(kù)參與，是由中科院團(tuán)隊(duì)共同研發(fā)的，包括3個(gè)模塊，分別是人臉檢測(cè)、面部特征點(diǎn)定位、人臉特征提取及對(duì)比。其中，人臉檢測(cè)模塊中是一種基于多層神經(jīng)網(wǎng)絡(luò)和典型級(jí)聯(lián)結(jié)構(gòu)共同構(gòu)成的人臉檢測(cè)方法，采用的是漏斗型級(jí)聯(lián)結(jié)構(gòu)，對(duì)不同姿態(tài)人臉檢測(cè)專門(mén)設(shè)計(jì)而成的，能夠?qū)崿F(xiàn)較快速度、高精度的識(shí)別。在頂部通過(guò)多個(gè)不同姿態(tài)快速級(jí)聯(lián)分類器共同構(gòu)成，由若干具備多層感知機(jī)FUST特征的級(jí)聯(lián)結(jié)構(gòu)構(gòu)成，最后由統(tǒng)一級(jí)聯(lián)結(jié)構(gòu)MLP來(lái)處理不同姿態(tài)的窗口，整體上呈現(xiàn)一種漏斗狀態(tài)。不同層次的分類器所采用的特征復(fù)雜性較高，因而能夠保留人臉窗口排除很難區(qū)分非人臉的候選窗口。在面部特征點(diǎn)定位上是一種自編碼器網(wǎng)絡(luò)方法，這種方法級(jí)聯(lián)了多級(jí)自編碼器網(wǎng)絡(luò)，其中每一級(jí)編碼器都是人物的非線性映射。當(dāng)輸入一個(gè)人臉區(qū)域時(shí)，第一級(jí)編碼器網(wǎng)絡(luò)會(huì)從低分辨率中快速估計(jì)人臉形狀，然后輸入到高分辨率中，抽取當(dāng)前人臉形狀中的不同局部特征輸入到下一級(jí)編碼器中，用于優(yōu)化人臉對(duì)齊效果。通過(guò)多個(gè)自編碼器網(wǎng)絡(luò)能夠逐漸提升人臉對(duì)齊，實(shí)現(xiàn)高精度的定位，在人臉特征提取與對(duì)比上采用的是深度卷積神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)的，同時(shí)通過(guò)引入的FNL能夠進(jìn)一步加速人臉特征提取的效果、提升模型泛化能力、有利于完善特征比對(duì)，能夠進(jìn)一步簡(jiǎn)化計(jì)算機(jī)的相似度，分析并進(jìn)行閾值比較和排序。

1.2 haar cascade人臉檢測(cè)分類器

基于haar特征的分類器cascade是一種有效的物品檢測(cè)方法，通過(guò)多種正負(fù)樣品訓(xùn)練能夠獲得分類方程，并將其運(yùn)用于圖片中。在人臉識(shí)別過(guò)程中，首先需要存在很多正樣和副樣例，用于分類器的訓(xùn)練過(guò)程，然后從這些眾多圖片中逐漸篩選特征，我們可以將不同特征集中于訓(xùn)練圖片中，對(duì)不同特征可以找出相應(yīng)人物圖片分類效果閾值，因而分類上會(huì)存在錯(cuò)誤率。我們可以選擇錯(cuò)誤率小的特征，也就是說(shuō)可以利用這些特征能夠?qū)⑷四樢约胺侨四樳M(jìn)行有效區(qū)分，并且分類器是弱分類器加權(quán)和，而弱分類器是由于不同分類器無(wú)法再進(jìn)行圖片的單獨(dú)分類，因此可以將其聚集為強(qiáng)分類器。有研究學(xué)者發(fā)現(xiàn)，目前利用這種特征的分類器在檢測(cè)過(guò)程中可以達(dá)到95%的精確度，最終可以分類約6000個(gè)特征。

2? 人臉識(shí)別算法

2.1 基于局部二值特征模式的人臉識(shí)別方法LBP

人臉識(shí)別系統(tǒng)中，當(dāng)我們追蹤到人臉之后，可以對(duì)人臉進(jìn)行詳細(xì)的分析。然而，對(duì)于人臉本身信息描述是否能夠除去一些外界干擾因素，直接影響最終的人臉識(shí)別效果。局部二值模式也被簡(jiǎn)稱為L(zhǎng)BP算法，是一種能夠用于描述局部圖像變化的算子。通過(guò)研究發(fā)現(xiàn)，利用這種模式算法在紋理分類中具有較強(qiáng)的區(qū)分能力。因此，LBP算法也被用于圖像紋理形狀的分析，主要是用某像素點(diǎn)作為中心，并將該像素點(diǎn)灰度值作為識(shí)別的閾值，其相鄰像素點(diǎn)灰度與閾值進(jìn)行大小比較，如果相鄰像素點(diǎn)灰度值高于閾值，則我們可以設(shè)置為1，其余為零，且可以獲得二進(jìn)制數(shù)。利用這種數(shù)值作為中心局部紋理特征。通過(guò)描述，我們發(fā)現(xiàn)某一像素點(diǎn)局部紋理值，實(shí)際上就是其相鄰像素點(diǎn)的相關(guān)信息。在結(jié)構(gòu)和統(tǒng)計(jì)中對(duì)于紋理分析采用LBP的算法，最初應(yīng)用于圖像局部，灰度值比較之后逐漸運(yùn)用于文字描述中，能夠用于提取衡量圖像中的紋理信息，目前這種方法已經(jīng)在人臉識(shí)別、質(zhì)量檢測(cè)等方面。

2.2 直方圖對(duì)比

利用直方圖也可以實(shí)現(xiàn)人臉識(shí)別，主要是通過(guò)灰度直方圖以增強(qiáng)圖像對(duì)比度，是基于灰度值統(tǒng)計(jì)的重要方法，這種方法是以統(tǒng)計(jì)學(xué)概率作為研究基礎(chǔ)的，主要由直方圖均衡化和規(guī)定化來(lái)實(shí)現(xiàn)。在直方圖的均衡化方面，我們可以將圖像對(duì)比增強(qiáng)分為兩種。首先是直接對(duì)比增強(qiáng)，其次是間接對(duì)比增強(qiáng)。直方圖拉伸和均衡化是常見(jiàn)的間接對(duì)比增強(qiáng)的方法，而拉伸是通過(guò)對(duì)比度拉伸對(duì)圖進(jìn)行調(diào)整，從而擴(kuò)大背景和灰度差別以實(shí)現(xiàn)增強(qiáng)對(duì)比度，這種方法可以采用線性和非線性方法實(shí)現(xiàn)，使用函數(shù)對(duì)于灰度值進(jìn)行調(diào)整。從直方圖的規(guī)定化來(lái)看由于均衡化只能增強(qiáng)圖像對(duì)比度，而效果很難控制，容易導(dǎo)致出現(xiàn)全局均勻化問(wèn)題，因此我們可以采用靈活性的規(guī)定化方法，正確選擇規(guī)定化常數(shù)，以獲得更好的效果，通過(guò)灰度映像函數(shù)將原灰度圖改為所希望的直方圖，其重點(diǎn)是灰度印象函數(shù)。在具體操作中，我們需要對(duì)原始圖進(jìn)行灰度均衡化，其次設(shè)置所需要的直方圖，并計(jì)算使規(guī)定直方圖均衡化變換，將第一步驟中變換反轉(zhuǎn)之后，將原有直方圖所對(duì)應(yīng)色到規(guī)定直方圖中，即可完成。

2.3 識(shí)別方式對(duì)比

從識(shí)別算法上來(lái)看，本文所對(duì)比的算法分別是直方圖對(duì)比、基于局部二值特征模式的人臉識(shí)別方法LBP這兩種方法。其中基于直方圖對(duì)比的方法是目前已知最早的識(shí)別方法，通常需要與其他的方法進(jìn)行聯(lián)合使用，才能夠獲得良好的識(shí)別效果。而LBP方法是當(dāng)識(shí)別到人臉之后，能夠?qū)θ四樳M(jìn)行詳細(xì)分析的方法?；谠撃Ｊ降姆椒ǎ畛鯌?yīng)用于圖像局部，灰度值比較之后逐漸運(yùn)用于文字描述中，能夠用于提取衡量圖像中的紋理信息。目前這種方法已經(jīng)在人臉識(shí)別、質(zhì)量檢測(cè)等方面取得了良好的運(yùn)用。但整體來(lái)看，LBP的識(shí)別方法一般通過(guò)對(duì)于人的口眼鼻等一些重要位置以及眼睛等器官幾何形狀，將其作為分類特征，這種方法的精確性分析時(shí)發(fā)現(xiàn)精確性較高，而直方圖對(duì)比是一種比較傳統(tǒng)的應(yīng)用方法，通過(guò)灰度分析，利用數(shù)學(xué)函數(shù)等思想來(lái)改變圖像對(duì)比度。目前這種技術(shù)已經(jīng)在很多測(cè)試中獲得良好的評(píng)價(jià)，但這種方法識(shí)別時(shí)間復(fù)雜度高，比較緩慢。此外，當(dāng)采用LBP算法并將其用于紋理分類或人臉識(shí)別時(shí)，常采用LBP模式的統(tǒng)計(jì)直方圖來(lái)表達(dá)圖像信息，而較多的模式種類使得數(shù)據(jù)量過(guò)大，直方圖過(guò)于稀疏。因此，需要對(duì)原始的LBP模式進(jìn)行降維，使得數(shù)據(jù)量減少的情況下能最好地代表圖像信息。

3? 效果對(duì)比

為了能夠進(jìn)一步說(shuō)明不同人臉識(shí)別算法實(shí)際應(yīng)用效果，我們利用直方圖對(duì)比、基于局部二值特征模式人臉識(shí)別方法LBP這兩種算法進(jìn)行測(cè)試，最終我們發(fā)現(xiàn)樣本在直方圖對(duì)比相比基于局部二值特征模式的人臉識(shí)別方法LBP的識(shí)別算法下匹配數(shù)量正確率減少了50%。同時(shí)，利用局部二值模式下其識(shí)別率達(dá)90%，直方圖對(duì)比為79%，相對(duì)來(lái)說(shuō)，LBP在識(shí)別率和性能上是比較好的。

4? 結(jié)語(yǔ)

總而言之，隨著社會(huì)發(fā)展進(jìn)步，動(dòng)態(tài)人臉識(shí)別技術(shù)已經(jīng)逐漸運(yùn)用于我們的日常生活和工作中，我們針對(duì)動(dòng)態(tài)人臉識(shí)別進(jìn)行了檢測(cè)和識(shí)別算法描述，并針對(duì)這些方法呈現(xiàn)的效果進(jìn)行了比較分析。

參考文獻(xiàn)

[1] 楊磊，白萬(wàn)榮.一種動(dòng)態(tài)口令與人臉識(shí)別相結(jié)合的雙向身份認(rèn)證系統(tǒng)[J].通訊世界，2017（11）：278-279.

[2] 王瑤.復(fù)雜環(huán)境下人臉識(shí)別研究及其在CRM的實(shí)現(xiàn)[D].? 電子科技大學(xué)，2016.

[3] 余程勝，黃海于.動(dòng)態(tài)人臉識(shí)別系統(tǒng)的構(gòu)建[J].微型機(jī)與應(yīng)用，2016，35（12）：49-51.