一種適用于考證系統(tǒng)的人臉識(shí)別算法

人臉識(shí)別技術(shù)是一種利用計(jì)算機(jī)分析人臉圖像、提取有效資源信息、識(shí)別人臉識(shí)別技術(shù)的技術(shù)。作為一種生物識(shí)別技術(shù)，人臉識(shí)別技術(shù)具有直觀性、友好性和便利性。它容易被用戶(hù)接受。因此，這是體檢的理想依據(jù)。首先，使用該算法方法應(yīng)用于單位勤奮系統(tǒng)的人臉識(shí)別方法。然后，使用基于幾何特征和積分投影的方法有效定位接收到的面部特征，以完成人臉識(shí)別功能。1物流系統(tǒng)的介紹1.1實(shí)用的考勤系統(tǒng)本系統(tǒng)設(shè)計(jì)使用了2套攝像設(shè)備,分別采集人臉的正面圖像和側(cè)面圖像,將采集到的正面和側(cè)面圖像并行地進(jìn)行處理.實(shí)用的考勤系統(tǒng)結(jié)構(gòu)示意圖如圖1所示.1.2機(jī)卡下人臉圖像的采集首先為具有訪問(wèn)權(quán)限者每人制作一張IC卡,卡中存放本人的基本信息以及人臉特征信息.當(dāng)有人要進(jìn)入時(shí),首先要走進(jìn)刷卡機(jī)刷卡,讀卡機(jī)讀出卡中的信息.與此同時(shí)觸發(fā)攝像機(jī)捕捉人臉圖像,由系統(tǒng)軟件對(duì)捕捉到的圖像進(jìn)行人臉檢測(cè)、特征提取,并將提取的人臉特征信息與IC卡中讀出的標(biāo)準(zhǔn)信息進(jìn)行比對(duì),利用相應(yīng)的匹配算法衡量?jī)烧叩南嗨贫?若兩者的相似度大于一個(gè)閾值,則驗(yàn)證通過(guò)即實(shí)際持卡人和卡中注冊(cè)信息吻合;否則驗(yàn)證不通過(guò),判定人員信息不匹配,同時(shí)進(jìn)行報(bào)警等相關(guān)處理.2彩色圖像中的面部提取2.1前景三:求運(yùn)動(dòng)構(gòu)建與運(yùn)動(dòng)養(yǎng)成相關(guān)公式本系統(tǒng)采用了快速自適應(yīng)背景生成與更新算法,它具有初始化速度快、無(wú)須含人臉的初始幀、實(shí)時(shí)自適應(yīng)更新等特點(diǎn).算法過(guò)程描述如下:(1)設(shè)初始圖像為Ib(i,j),將它作為背景圖(可含人臉也可不含人臉信息),I(i,j)則表示用IC卡觸發(fā)攝像機(jī)時(shí)捕捉的圖像,將它作為當(dāng)前圖(必須含有人臉信息),計(jì)算以后每幀當(dāng)前圖與背景圖的絕對(duì)差值,將差值圖按閾值THR作二值化,得到前景二值圖為:OM(i,j)={1,if|I(i,j)?Ib(i,j)|>THR;0,else.(1)ΟΜ(i,j)={1,if|Ι(i,j)-Ιb(i,j)|>ΤΗR;0,else.(1)顯然,二值化門(mén)限THR應(yīng)該不斷調(diào)整,以適應(yīng)背景不斷變化的需要.(2)求得連續(xù)兩幀的前景二值圖分別為OMi-1(i,j)、OMi(i,j)后,再求運(yùn)動(dòng)掩模圖.MMi(i,j)=～OMi?1(i,j)&OMi(i,j),(2)ΜΜi(i,j)=～ΟΜi-1(i,j)&ΟΜi(i,j),(2)此公式的涵義是某點(diǎn)在前一幀被判為前景,而在當(dāng)前幀被判為背景,MMi(i,j)描述了這點(diǎn)的運(yùn)動(dòng)變化.(3)再用運(yùn)動(dòng)掩模更新當(dāng)前背景,更新公式如下:Ibi(i,j)=???????????αIbi?1(i,j)+(1?α)Ii(i,j),MMi(i,j)=1;Ibi?1(i,j),MMi(i,j)=0;(3)Ιbi(i,j)={αΙbi-1(i,j)+(1-α)Ιi(i,j),ΜΜi(i,j)=1;Ιbi-1(i,j),ΜΜi(i,j)=0;(3)式中,α=0.9,α影響更新速度,其大小應(yīng)恰當(dāng)設(shè)置,以適應(yīng)環(huán)境光線變化速度和攝像機(jī)的自動(dòng)增益控制(AGC)反應(yīng)速度,一般要通過(guò)實(shí)驗(yàn)確定.2.2確定染色區(qū)域本系統(tǒng)采用當(dāng)前圖像與固定背景圖像之間的差分方法,從背景圖像中檢測(cè)出運(yùn)動(dòng)目標(biāo),即檢測(cè)出含有人臉信息的圖像;然后變換到Y(jié)CrCb色彩空間,利用膚色信息在色度空間具有很好的聚類(lèi)性,建立膚色模型,并根據(jù)膚色色度判決范圍RCr=和RCb=,將圖像分為膚色區(qū)域和非膚色區(qū)域兩類(lèi).對(duì)于同時(shí)滿(mǎn)足上述兩個(gè)公式的區(qū)域?qū)⑵渥鳛楹蜻x人臉區(qū)域.針對(duì)候選人臉區(qū)域噪聲點(diǎn)、毛刺和小橋問(wèn)題,采取了自適應(yīng)中值濾波和形態(tài)學(xué)的開(kāi)運(yùn)算;而針對(duì)空洞采取了形態(tài)學(xué)的閉運(yùn)算.經(jīng)過(guò)處理后,圖像得到了凈化,而且保留了人臉膚色區(qū)域.然后根據(jù)一些先驗(yàn)知識(shí)以及人臉的幾何形狀對(duì)所獲得的目標(biāo)區(qū)域做出篩選,提取出人臉區(qū)域.3面部特征的提取3.1巴所在的窗內(nèi)特征點(diǎn)定位盡管人臉的形狀各不相同,但都符合解剖學(xué)中的“三庭五眼”規(guī)則,將人臉?lè)殖?個(gè)子區(qū).根據(jù)人臉的統(tǒng)計(jì)規(guī)律,對(duì)人臉的五官區(qū)域進(jìn)行劃分,分別給出眉毛、眼睛、鼻子、嘴巴所在的窗,這些窗可以足夠?qū)捤梢源_保能夠包含上述特征,然后在窗內(nèi)進(jìn)行特征點(diǎn)的檢測(cè),如圖2所示.采用這種方法可以減少背景與其它物體的干擾,提高特征點(diǎn)定位的準(zhǔn)確率,減少圖像數(shù)據(jù)處理量,節(jié)省處理時(shí)間,很大程度上降低了特征點(diǎn)檢測(cè)的難度.再在確定的各區(qū)域窗中對(duì)檢測(cè)出的人臉灰度圖像分別作積分投影、二值化以及canny邊緣檢測(cè),通過(guò)得到的投影曲線以及二值化圖像和邊緣檢測(cè)圖像中的規(guī)律分別定位出了眉心、兩眼的左右眼角、兩瞳孔、兩鼻孔、兩嘴角以及嘴角水平線上臉輪廓邊界點(diǎn),如圖3所示.3.2人臉左右旋轉(zhuǎn)角度在實(shí)際過(guò)程中,攝像機(jī)采集到的正面人臉圖像中的人臉不可能正好是垂直的,下面將考慮偏轉(zhuǎn)的正面人臉圖像特征點(diǎn)的提取.偏轉(zhuǎn)的人臉又分為人臉的左右偏轉(zhuǎn)和平面旋轉(zhuǎn)兩種情況.如果左右偏轉(zhuǎn)的角度較大會(huì)損失一些我們需要的信息,因此在本系統(tǒng)中人臉的左右旋轉(zhuǎn)角度考慮在30°以?xún)?nèi).5°范圍之內(nèi)人臉面部特征變化不大,所以將5°作為1組,分別是5°、10°、15°、20°、25°以及30°,如圖4所示.在攝像機(jī)采集到的圖像中,平面旋轉(zhuǎn)的人臉圖像也經(jīng)常出現(xiàn),如圖5所示.大量的實(shí)驗(yàn)證明,盡管特征點(diǎn)在圖像中的位置有所改變,但定位出的特征點(diǎn)形成的特征矢量(見(jiàn)3.4節(jié))依然沒(méi)有改變,因此也將偏轉(zhuǎn)的正面人臉?lè)指畛勺銐驅(qū)捤傻拿肌⒀邸⒈呛妥齑翱?分別對(duì)這些窗內(nèi)的圖像定位特征點(diǎn),構(gòu)成特征矢量.表1是對(duì)圖4左右偏轉(zhuǎn)的人臉和圖5平面偏轉(zhuǎn)人臉特征構(gòu)成的矢量對(duì)比表.3.3正面特征信息同有效人臉的識(shí)別利用側(cè)面人臉信息進(jìn)行識(shí)別的識(shí)別率比利用正面人臉信息來(lái)進(jìn)行識(shí)別要低得多,因?yàn)閭?cè)面人臉特征不像正面人臉特征那么多,但正是由于側(cè)面人臉特征信息的簡(jiǎn)單性,而使對(duì)特征的提取和分析要簡(jiǎn)單方便得多,因此常常可以將側(cè)面人臉特征作為正面特征信息識(shí)別的補(bǔ)充.因此本系統(tǒng)將側(cè)面人臉特征信息同正面人臉特征信息結(jié)合起來(lái)進(jìn)行識(shí)別,可以提高系統(tǒng)的識(shí)別率.同樣在側(cè)面二值圖的水平積分曲線中眉毛、眼睛和嘴分別對(duì)應(yīng)著曲線的極小值點(diǎn),而鼻尖對(duì)應(yīng)著極大值點(diǎn),根據(jù)這些極值點(diǎn)以及人臉形狀的幾何特征就可以定位出側(cè)面人臉的特征點(diǎn),分別是側(cè)面眉毛的位置、眼睛最邊緣點(diǎn)的位置、眼角的位置、鼻尖的位置、鼻孔的位置、嘴角的位置、下巴最翹點(diǎn)和下巴最低點(diǎn)的位置,如圖6所示.3.4正、雙面特征歸一化特征的選取應(yīng)保證最具有代表性、信息量大、冗余量小,而且要求在一定的干擾下,也能保證一定的不變性和適應(yīng)性.基于這種要求,結(jié)合本系統(tǒng),構(gòu)造的11個(gè)特征矢量t1～t11,如表2所示.由于攝像機(jī)實(shí)時(shí)抓拍的圖像不能保證大小相同,同時(shí)也不能保證拍攝的圖像全是垂直放置的,所以利用正面圖像中眼睛中點(diǎn)到嘴巴中點(diǎn)之間的垂直距離及側(cè)面圖像中眼睛到嘴巴垂直距離的平均值L進(jìn)行了歸一化處理.由于系統(tǒng)同時(shí)采集人臉的正、側(cè)面圖像,因此可以將正、側(cè)面信息結(jié)合起來(lái)作為一個(gè)特征矢量,如正面眉毛到眼睛中點(diǎn)的距離和側(cè)面眉毛到眼睛的距離的均值作為眉毛到眼睛距離特征矢量,見(jiàn)表2所示(注:側(cè)面眼睛最邊緣點(diǎn)與嘴角連線作為側(cè)面基準(zhǔn)線).3.5傳統(tǒng)trteshold的相似度對(duì)人臉圖像進(jìn)行特征提取之后,就需要進(jìn)行相似度度量.在基于幾何特征的識(shí)別方法中,通常利用特征矢量之間的距離函數(shù)進(jìn)行度量.針對(duì)本系統(tǒng)得到的特征矢量信息,采用加權(quán)相似度的方法:S=1?∑i=1nWi×(|Xi?Ri|/Ri),(4)S=1-∑i=1nWi×(|Xi-Ri|/Ri),(4)式中,Xi和Ri分別表示待識(shí)別特征矢量和樣本庫(kù)中的特征矢量的第i個(gè)分量,Wi為加權(quán)系數(shù),根據(jù)特征量的相對(duì)穩(wěn)定度和對(duì)識(shí)別的貢獻(xiàn)來(lái)選取,且∑i=1n∑i=1nWi=1,n為特征量個(gè)數(shù).根據(jù)前面相似度計(jì)算的結(jié)果,對(duì)于一個(gè)確定的閾值threshold,如果相似度大于threshold,可判定持卡人與證件所有人為同一人;如果相似度小于threshold,則可判定持卡人與證件所有人有可能不是同一人.4自制人臉庫(kù)圖像本文提出的這種人臉識(shí)別算法應(yīng)用于單位考勤系統(tǒng),主要是從2臺(tái)攝像機(jī)實(shí)時(shí)采集到的正、側(cè)面人臉圖像中提取的有效特征點(diǎn)構(gòu)成的特征矢量信息與持卡人所持有的卡中存儲(chǔ)的特征矢量信息之間的比對(duì).在實(shí)驗(yàn)室條件下,對(duì)本實(shí)驗(yàn)室10人次,各做了正面20幅和側(cè)面20幅圖像.圖7表示部分自制人臉庫(kù)圖像,表3是部分人臉的特征矢量數(shù)據(jù),表4是部分人臉匹配相似度數(shù)據(jù).在實(shí)驗(yàn)室條件下對(duì)10人200次隨機(jī)實(shí)驗(yàn)當(dāng)中,當(dāng)取閾值為0.90時(shí),拒真率為3%,誤識(shí)率為4%.當(dāng)取閾值為0.92時(shí),誤識(shí)率降為2%,而拒真率升為5%.該算