單對象人臉識別技術研究

1、 引 言

隨著計算機網絡和通信技術的發(fā)展，信息安全、知識產權保護和身份認證等問題成了一個重要而緊迫的研究課題。身份認證是保證系統(tǒng)安全的必要前提，在多種不同的安全領域都需要準確的身份認證。傳統(tǒng)的身份證、智能卡、密碼等身份認證方法存在攜帶不便、容易遺失、不可讀或密碼易被破解等諸多問題?；?a class="contentlabel" href="http://www.butianyuan.cn/news/listbylabel/label/人臉">人臉識別技術的身份認證方法與傳統(tǒng)的方法相比，具有更好的安全性、可靠性和有效性，因此正越來越受到人們的重視，并逐漸進入社會生活的各個領域。

人臉識別技術具有廣泛的應用前景，可以應用到多種不同的安全領域，因其識別特征的獨特性、惟一性和相對穩(wěn)定性，逐漸成為一非常熱門的研究課題。許多典型的人臉識別算法和應用系統(tǒng)都是針對標準或特定的人臉數據庫，利用庫內人臉進行訓練，并在相同的庫中實現人臉識別。但在軟件保護、計算機安全等特殊應用中，身份認證僅針對單個對象進行人臉識別，現有的人臉識別方法并不能勝任這樣的識別任務。為此，本文針對單對象人臉識別的特點，討論了單對象人臉檢測和識別的關鍵技術，在此基礎上提出了一種單對象人臉識別算法，實驗結果證明了該方法的有效性。

2 、單對象人臉識別的特點

與典型的人臉識別相比，單對象人臉識別有以下4個方面的特點：

應用領域 人臉識別的應用領域很廣，如刑偵破案、證件核對、保安監(jiān)控等，而單對象人臉識別主要應用在軟件保護、計算機安全鎖、特定對象追蹤等領域。

識別系統(tǒng)的目標 單對象人臉識別的最終目標是系統(tǒng)必須具有高度的安全性和可靠性，即識別錯誤率趨于0。雖然降低識別錯誤率的同時識別率也會降低，但可以通過提示用戶調整姿態(tài)(如注視攝像頭等)加以改善。

膚色模型 由于單對象人臉識別僅針對特定的對象，所以人臉檢測的膚色模型可采用自適應的方法調整膚色范圍。

分類方法 單對象人臉識別不存在人臉數據庫，常用的最小距離分類法不能夠正確識別特定的對象，只能用閾值作為判據。因此，閾值的選取十分重要，閾值過大則容易出現錯判，存在安全隱患;而閾值過小又會影響識別效率。

3 、人臉的檢測和歸一化

人臉檢測是人臉識別的前提。對于給定的圖像，人臉檢測的目的在于判斷圖像中是否存在人臉，如果存在，則返回其位置和空間分布。利用人臉膚色和面部特征，將人臉檢測分為兩個階段：外臉檢測和內臉定位。外臉檢測主要利用人臉膚色進行初步的臉區(qū)檢測，分割出膚色區(qū)域;內臉檢測是在外臉區(qū)域中利用面部幾何特征進行驗證和定位。

3.1 外臉檢測

外臉檢測的任務是將待檢圖像中可能的人臉區(qū)域找出來并加以標記，其步驟如下：

(1)根據人類膚色在色彩空間中存在區(qū)域性的特點，將可能為人臉的像素檢測出來。為更好地利用膚色特征，同時選用HSI和YcbCr兩種色彩空間對圖像進行二值化處理，膚色范圍限定在H∈[0，46]，S∈[0.10，0.72]，Cb∈[98，130]，Cr∈[128，170]內。將滿足條件的像素標記為膚色像素，其余的均為非膚色像素。

(2)去噪處理。在以每一個膚色點為中心的5×5鄰域內統(tǒng)計膚色像素的個數，超過半數時中心點保留為膚色，否則認為是非膚色。

(3)將二值圖像中的膚色塊作區(qū)域歸并，并對目標區(qū)域進行比例、結構分析，過濾掉不可能的人臉區(qū)域。目標區(qū)域的高度/寬度比例限定在0.8～2.0。

3.2 內臉檢測和定位

將包含眼、眉、鼻和嘴的區(qū)域稱為內臉區(qū)域。內臉區(qū)域能夠很好地表達人臉特征，且不易受背景、頭發(fā)等因素的干擾，因此內臉區(qū)域的檢測和定位對后續(xù)的特征提取和識別至關重要。

在外臉區(qū)域的上半部，對二值圖像進行水平方向和垂直方向的投影，確定兩個包含黑點的矩形區(qū)域作為雙眼的大致區(qū)域。在確定的兩個區(qū)域中，對黑點進行區(qū)域膨脹，可以得到眼睛的基本輪廓和左石眼角，黑點坐標的平均值作為瞳孔的位置。

設左右瞳孔的坐標分別為(Lx，Ly)和(Rx，Ry)，兩個瞳孔之間的距離為d，根據人臉的幾何特征，我們將內臉區(qū)域定義為：寬度=-d×1.6，高度=-d×1.8，左上角坐標為(Lx-d×0.3，(Ly+Ry)/2-(-d)× 0.3)。實驗表明，該區(qū)域能夠很好地表達人臉特征。

3.3 內臉區(qū)域的歸一化

由于各待測圖像中的人臉大小具有很大的隨機性，因此，有必要對內臉區(qū)域進行歸一化操作。人臉歸一化是指對內臉區(qū)域的圖像進行縮放變換，得到統(tǒng)一大小的標準圖像，實驗中，我們規(guī)定標準圖像的大小為128×128。歸一化處理，保證了人臉大小的一致性，體現了人臉在圖像平面內的尺寸不變性。

圖1是一個人臉檢測和歸一化的例子，其中的原始圖像來自實驗室現場拍攝。

圖1 人臉檢測和歸一化

4 、人臉特征提取及DWT-DCT平均臉

對歸一化的人臉圖像，采用小波變換與DCT相結合的方法提取人臉特征。首先對人臉圖像進行3層小波分解，取低頻子圖像LL3作為人臉特征提取的對象，從而獲得每幅訓練樣本或測試樣本的低頻子圖像;然后對低頻子圖像進行離散余弦變換(DCT)，DCT系數個數與子圖像的大小相等(即256)，由于圖像DCT變換，能量集中在低頻部分，因此只取其中的136個低頻系數作為特征向量。

為了使測試樣本與訓練樣本具有可比性，提取全部訓練樣本的特征向量，計算所有訓練樣本的平均特征，構成DWT-DCT平均臉，即：

其中N為訓練樣本數，xk,i表示第i個樣本的第k個特征向量，mk為平均臉的第k個特征向量，k=1，2，…，136。