張超逸

基于特征臉識(shí)別考勤系統(tǒng)設(shè)計(jì)

張超逸

前言

生物信息識(shí)別技術(shù)是利用人體本身所固有的物理特征和行為特征，通過數(shù)字信號(hào)處理和模式識(shí)別的方法來鑒別個(gè)人身份的技術(shù)[1]。而人臉識(shí)別作為一種典型生物信息識(shí)別技術(shù)，以其自然性和可接受性等優(yōu)點(diǎn)得到了人們的喜歡，可應(yīng)用于軍事及民用的各行各業(yè)中[2]。本設(shè)計(jì)目的是利用人臉生物信息識(shí)別技術(shù)，實(shí)現(xiàn)操作簡單、使用信息方便、識(shí)別結(jié)果準(zhǔn)確的人事考勤。本系統(tǒng)基于KL人臉識(shí)別技術(shù)設(shè)計(jì)考勤系統(tǒng)，在KL變換人臉識(shí)別算法基礎(chǔ)上，通過增加或改變不同人臉姿態(tài)，改進(jìn)人臉識(shí)別算法[3]，大大提高了人臉識(shí)別率。用戶可通過本系統(tǒng)來采集人臉圖像，定義不同姿態(tài)數(shù)以獲得全姿態(tài)數(shù)據(jù)庫。使用過程中若有不能識(shí)別情況出現(xiàn)，可改變或增加姿態(tài)數(shù)，重新學(xué)習(xí)訓(xùn)練以得到正確識(shí)別。經(jīng)過測試，本系統(tǒng)已達(dá)到可實(shí)際推廣使用。

人臉識(shí)別系統(tǒng)設(shè)計(jì)

KL變換原理是以隨機(jī)向量信號(hào)X的協(xié)方差矩陣Ф的歸一化正交特征向量q所構(gòu)成的正交矩陣Q，來對該隨機(jī)向量信號(hào)X做正交變換Y=QX。PCA(Principal Component Analysis)是對變換矩陣Q中的特征向量進(jìn)行主分量提取的分析方法[4]。特征臉的實(shí)現(xiàn)方法有兩種，一種是特征值分解，另一種是奇異值分解[5]。特征臉方法是從KL導(dǎo)出的一種人臉識(shí)別技術(shù)[6]，是將人臉的圖像看作是一種隨機(jī)向量，根據(jù)KL變換原理計(jì)算得到其正交KL變換矩陣Q。計(jì)算出變換矩陣Q的特征值和特征向量，通過統(tǒng)計(jì)分析排序，取出變換矩陣Q中較大特征值所對應(yīng)的特征向量作為特征臉基底。利用特征臉基底的線性組合可以描述和逼近人臉圖像，即可以進(jìn)行人臉識(shí)別與人臉合成。由基底組成的變換矩陣B為圖像訓(xùn)練樣本的總體散步矩陣。KL變換也是圖像壓縮中的一種最優(yōu)正交變換。

1．KL變換[7-10]

式中Cx為N×N對稱矩陣。

設(shè)從同一隨機(jī)向量得到M個(gè)樣本Xi，則其數(shù)學(xué)期望和協(xié)方差矩陣可近似表示為：

協(xié)方差矩陣Cx對應(yīng)特征向量和特征值，其中λ1＞λ2＞λ3＞···＞λN，

那么，KL變換核矩陣Ф是由Cx的特征向量構(gòu)成：Ф=[e1e2···eN]，

2．圖像特征臉基底的確立[11-17]

假設(shè)人臉圖像有N個(gè)像素，則可以用N維向量r表示。如人臉訓(xùn)練集由M幅人臉圖像構(gòu)成，則可以用矩陣表示人臉訓(xùn)練集。

協(xié)方差矩陣Cx的特征向量e為人臉空間的基向量，也稱特征臉，由所有特征向量組成的矩陣Ф稱為特征臉基底。一般情況下，圖像像素N比圖像數(shù)大得多，其協(xié)方差矩陣Cx為N?N維矩陣，直接求解它的特征向量是困難的，因此引用奇異值分解定理來求協(xié)方差矩陣Cx的特征向量。

奇異值分解定理是，設(shè)X為一個(gè)n×r維矩陣，秩為r，則X存在兩個(gè)正交矩陣：

以及對角陣：

公式（11）中的U是X×XT的特征向量矩陣，具有n×n的方陣（U里面的向量是正交的，U里面的向量稱為左奇異向量）；V是XT×X的特征向量矩陣，具有r×r的方陣（V里面的向量也是正交的，V里面的向量稱為右奇異向量）；Σ是一個(gè)n×r的矩陣（除了對角線的元素都是0，對角線上的元素σi稱為奇異值）。特征值與奇異值關(guān)系：。上述分解稱為矩陣X的奇異值分解。

奇異值分解定理推論：若V向量已求得，則U=XVΣ-1，即

一般情況是，人臉訓(xùn)練集所包含的圖像數(shù)比圖像的像素?cái)?shù)要小得多，為了計(jì)算簡單快速，根據(jù)奇異值分解定理，可以轉(zhuǎn)求矩陣Cx=δT×δ的特征向量V（包含M個(gè)M維向量，M為人臉訓(xùn)練集圖像總數(shù)）。

根據(jù)特征臉分析法，M個(gè)圖像中，取L(L＜M)個(gè)特征臉足夠用于人臉識(shí)別。所以，僅取V的前L個(gè)最大特征值的特征向量計(jì)算特征臉。其中L的大小由閾值θ確定，即：

最后，根據(jù)奇異值分解定理的推論，由這L個(gè)V向量計(jì)算出L個(gè)U向量，U向量組成的特征向量矩陣Ф作為特征臉的基底。

3．圖像的識(shí)別

圖像識(shí)別過程就是將人臉圖像映射到由特征臉生成的空間上，比較其與已知訓(xùn)練人臉在特征臉空間中的位置而得到識(shí)別確認(rèn)。具體步驟如下：

（1）初始化，建立人臉圖像庫以供設(shè)計(jì)及學(xué)習(xí)訓(xùn)練用。

（2）根據(jù)人臉圖像庫計(jì)算特征臉，建立特征臉空間基底。

（3）用人臉圖像庫進(jìn)行學(xué)習(xí)訓(xùn)練，建立特征臉空間數(shù)據(jù)庫。

（4）輸入待識(shí)別人臉圖像，將其映射到特征臉空間基底，得到一權(quán)值向量。

（5）通過匹配，得到待識(shí)別圖像與特征臉子空間的距離大小，由此判斷它是否為特征臉空間數(shù)據(jù)庫中的人臉。

（6）若是特征臉空間數(shù)據(jù)庫中的人臉，根據(jù)權(quán)值向量識(shí)別其身份，得出結(jié)論。

系統(tǒng)算法設(shè)計(jì)及編程實(shí)現(xiàn)

1．算法設(shè)計(jì)

（1）建立訓(xùn)練圖像存放文件夾，每人一個(gè)子文件夾，每子文件夾存放多種不同姿態(tài)的相片。

（2）讀入訓(xùn)練圖像（圖像按列進(jìn)行掃描，把二維圖像數(shù)據(jù)轉(zhuǎn)換為一維數(shù)據(jù)）。

（3）建立圖像矩陣R（每列數(shù)據(jù)為一幅圖像）。

（4）求圖像矩陣平均值向量m。

（5）計(jì)算出誤差圖像δ。

（6）計(jì)算協(xié)方差矩陣Cx。

（7）計(jì)算協(xié)方差矩陣Cx的特征值D及特征向量V。

（8）對特征值進(jìn)行降序排序，得序號(hào)。

（9）根據(jù)特征值序號(hào)對特征向量V進(jìn)行降序排序。

（10）根據(jù)閾值取出特征值較大的特征向量作

為主要特征向量。

（11）由V的主要特征向量計(jì)算U特征向量，建立特征臉空間基底Ф。

（12）由訓(xùn)練圖像投影到特征臉空間基底Ф，建立人臉子空間庫。

（13）讀入被識(shí)別圖像I。

（14）計(jì)算I對Ф的投影，并在人臉子空間庫中進(jìn)行匹配。

（15）匹配結(jié)果判別是否為人臉，若是則進(jìn)行身份識(shí)別，若不是則發(fā)出警示報(bào)告。

（16）若識(shí)別是錯(cuò)誤的，則繼續(xù)增加姿態(tài)相片數(shù)，返回步驟（1）重新學(xué)習(xí)訓(xùn)練。

2．編程實(shí)現(xiàn)

（1）圖像獲取模塊：取得的圖像經(jīng)過預(yù)處理后存放到各自的文件夾。該模塊主要是從紅外光或自然光攝像頭拍照后捕捉的人臉圖片，也可以從圖片庫中獲取。本系統(tǒng)中的圖片可以在軟件的界面中選擇顯示以方便用戶使用或識(shí)別。

（2）建立人臉數(shù)據(jù)庫模塊：讀入訓(xùn)練圖像，建立特征臉空間基底Ф，再由訓(xùn)練圖像投影到特征臉空間基底Ф建立人臉子空間庫，最后把訓(xùn)練的人臉子空間庫存盤。若出現(xiàn)識(shí)別錯(cuò)誤，可改變或增加姿態(tài)，重新學(xué)習(xí)訓(xùn)練。

（3）導(dǎo)入人臉知識(shí)數(shù)據(jù)庫：程序重新運(yùn)行時(shí)，把人臉子空間知識(shí)庫導(dǎo)入內(nèi)存。

（4）輸入檢測圖像模塊：讀入被識(shí)別圖像，投影到特征臉空間基底Ф。

（5）檢測及識(shí)別模塊：被識(shí)別的特征臉與人臉子空間知識(shí)庫進(jìn)行特征匹配，得出識(shí)別結(jié)論。

（6）如果識(shí)別錯(cuò)誤，則增加姿態(tài)，返回步驟（2），重新建立人臉子空間庫。

程序運(yùn)行主要界面如圖1所示。

圖1 系統(tǒng)主界面

3．軟、硬件運(yùn)行環(huán)境及調(diào)試運(yùn)行

硬件要求：PⅢ以上CPU；4G以上內(nèi)存；100G以上硬盤空間。

軟件要求：W indowsXP及以上版本操作系統(tǒng)；采用可視化面向?qū)ο蟪绦蛟O(shè)計(jì)的Matlab2007版本為系統(tǒng)開發(fā)平臺(tái)。

本系統(tǒng)建立100個(gè)人的人臉庫作為系統(tǒng)調(diào)試，結(jié)果是：如果用人臉庫中人臉進(jìn)行識(shí)別，則正確率達(dá)100%；如果不是用人臉庫中的相片而是用同個(gè)人的不同相片進(jìn)行識(shí)別，則正確率可達(dá)90%以上；通過增加同個(gè)人的不同姿態(tài)相片數(shù)，則可不斷提高正確識(shí)別率，若出現(xiàn)錯(cuò)誤識(shí)別時(shí)，則繼續(xù)增加不同姿態(tài)數(shù)以達(dá)到正確識(shí)別；調(diào)試過程中，本系統(tǒng)增加到8個(gè)不同姿態(tài)數(shù)時(shí)，正確識(shí)別率達(dá)到100%。

本系統(tǒng)經(jīng)過調(diào)試修改及實(shí)踐驗(yàn)證，已能全面滿足設(shè)計(jì)需要，可供人事考勤使用，有著較高的實(shí)用價(jià)值。

結(jié)論

本系統(tǒng)具有如下特點(diǎn)：

1．界面友好，使用方便，操作簡單，運(yùn)行效率高?？蛇x擇顯示庫中圖像，方便用戶使用。

2．可方便新增圖像或改變圖像快速建立訓(xùn)練圖像人臉知識(shí)庫。

3．特征臉方法是一種基于K．L變換的人臉識(shí)別方法。用于人臉識(shí)別可以取得很好的識(shí)別效果，其識(shí)別率可達(dá)到80%～100%不等[7]，這取決于人臉庫圖像的質(zhì)量或增加或改變不同姿態(tài)。

4．識(shí)別簡單有效，速度快，效率高。K．L變換是圖像壓縮中的一種最優(yōu)正交變換。從能量的角度看，K．L變換是最優(yōu)的，它不僅使降維前后的均方誤差最小，通過低維子空間表示對原數(shù)據(jù)進(jìn)行有效壓縮，使計(jì)算簡單快速，而且變換后的低維空間有很好的人臉表達(dá)能力。

5．圖像的原始灰度數(shù)據(jù)可直接用來學(xué)習(xí)和識(shí)別，不需人臉的幾何和反射知識(shí)。

6．特征臉識(shí)別效率主要取決于尺度、光照及姿態(tài)。本系統(tǒng)對圖像能進(jìn)行尺度歸一化，光照直方圖均衡化，每人存儲(chǔ)多幅不同姿態(tài)的圖像建立全姿態(tài)人臉知識(shí)庫，以提高識(shí)別率，可不斷增加姿態(tài)，直至完全正確識(shí)別。通過這些技術(shù)改進(jìn)，并經(jīng)過測試，本系統(tǒng)已達(dá)到設(shè)計(jì)要求，可供正常使用。

（作者單位：武夷學(xué)院海峽成功學(xué)院13級(jí)機(jī)械班）

[1]劉麗娜.基于特征臉和多特征的人臉識(shí)別算法研究.山東大學(xué)碩士論文，2006-05-22

[2]李江.紅外圖像人臉識(shí)別方法研究.國防科學(xué)技術(shù)大學(xué)博士論文，2005-06-01

[3]李剛.基于特征臉法的正面人臉識(shí)別研究.國防科學(xué)技術(shù)大學(xué)碩士論文，2002-11-01

[4]梅健強(qiáng).基于線性子空間方法的人臉識(shí)別技術(shù).天津大學(xué)碩士論文，2007-01-01

[5]劉翠響.人臉識(shí)別中高維數(shù)據(jù)特征分析.河北工業(yè)大學(xué)博士論文，2008-04-01

[6]孫鑫.特征子空間法人臉識(shí)別研究.電子科技大學(xué)碩士論文，2005-01-01

[7]龍琰.基于K-L變換的人臉檢測.四川大學(xué)碩士論文，2004-10-20

[8]曹麗.基于Gabor濾波器的人臉特征提取算法研究.東北大學(xué)碩士論文，2008-01-20

[9]李琳莉.人臉識(shí)別的圖像處理算法.內(nèi)蒙古大學(xué)碩士論文，2007-05-18

[10]雷明.基于小波變換與奇異值分解的人臉識(shí)別技術(shù)研究.沈陽工業(yè)大學(xué)碩士論文，2007-01-08

[11]王計(jì)元.基于膚色特征人臉檢測的自動(dòng)人臉識(shí)別系統(tǒng)的研究.華東師范大學(xué)碩士論文，2005-05-01

[12]黃軒宇.統(tǒng)計(jì)人臉識(shí)別系統(tǒng)的研究.東南大學(xué)碩士論文，2005-04-01

[13]黃曉麗.基于統(tǒng)計(jì)的自動(dòng)人臉識(shí)別系統(tǒng).西安電子科技大學(xué)碩士論文，2005-01-01

[14]李杰.基于小波和Fisher臉的人臉識(shí)別算法研究.北京交通大學(xué)碩士論文，2008-06-01

[15]董昆.基于加權(quán)特征臉和BP神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別.吉林大學(xué)碩士論文，2007-04-23

[16]徐熙君.人臉識(shí)別及其遺傳算法實(shí)現(xiàn).青島大學(xué)碩士論文，2005-10-10

[17]劉嵩.基于特征融合的人臉識(shí)別[J].湖北民族學(xué)院學(xué)報(bào)(自然科學(xué)版)，2011(2)