韋大歡 蘇燕

摘 要：文章提出一種基于BP神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別系統(tǒng)，該系統(tǒng)采取預(yù)處理方法來(lái)確保人臉識(shí)別準(zhǔn)確率不會(huì)因圖像背景及光照條件等特征的變化而下降，同時(shí)通過(guò)直方圖平衡、橢圓遮罩以及濾波等處理方式，以使系統(tǒng)具備更高的人臉識(shí)別準(zhǔn)確率。

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò);人臉識(shí)別;模式識(shí)別;圖像預(yù)處理

0? ? 引言

計(jì)算機(jī)技術(shù)的快速發(fā)展，使得各種新興技術(shù)不斷涌現(xiàn)，人臉識(shí)別技術(shù)便是其中之一。在人機(jī)交流、安全驗(yàn)證以及公安系統(tǒng)等各個(gè)領(lǐng)域，人臉識(shí)別技術(shù)都有其巨大的應(yīng)用價(jià)值。人們可以利用人臉識(shí)別來(lái)進(jìn)行檔案管理、視頻會(huì)議乃至醫(yī)學(xué)醫(yī)療?，F(xiàn)階段，人們已普遍使用智能手機(jī)來(lái)進(jìn)行購(gòu)物、交流，這也促使人臉識(shí)別技術(shù)的應(yīng)用場(chǎng)景不斷增多。但是，人們?cè)谟弥悄苁謾C(jī)對(duì)人臉圖像進(jìn)行掃描時(shí)，容易因背景及光照條件的變化而影響到人臉識(shí)別結(jié)果。對(duì)于該問(wèn)題，需要采取人臉圖像的預(yù)處理措施來(lái)消除這種不利影響，并且以BP神經(jīng)網(wǎng)絡(luò)為核心設(shè)計(jì)相應(yīng)的人臉識(shí)別系統(tǒng)。

1? ? 預(yù)處理策略

1.1? viola-jones算法

在一幅圖像中，如果某個(gè)或多個(gè)區(qū)域中存在人臉時(shí)，便可通過(guò)人臉檢測(cè)技術(shù)來(lái)進(jìn)行定位。對(duì)于人臉檢測(cè)技術(shù)來(lái)說(shuō)，其主要采用viola-jones算法，viola-jones算法具有三大要點(diǎn)，分別是Haar-like特征、Cascade結(jié)構(gòu)與AdaBoost算法。其中Haar-like特征通過(guò)積分圖像來(lái)對(duì)矩形區(qū)域中存在的差分信號(hào)進(jìn)行快速計(jì)算，而AdaBoost算法則能夠?qū)tump函數(shù)進(jìn)行結(jié)合，以便于選擇的弱分離器具有較強(qiáng)的區(qū)分能力，通過(guò)對(duì)這些弱分類(lèi)器進(jìn)行線性組合，以此提高分類(lèi)性能。對(duì)于Cascade結(jié)構(gòu)來(lái)說(shuō)，其具有早期決策作用，這使其能夠?qū)Ψ侨四槖呙璐翱谶M(jìn)行快速拋棄，采用viola-jones人臉檢測(cè)算法，能夠?qū)D像中存在的人臉進(jìn)行快速定位，并且采取類(lèi)似于人眼的方式來(lái)進(jìn)行興趣區(qū)域處理，以此對(duì)人臉中的相關(guān)特征圖像進(jìn)行截取。

1.2? 基于人眼識(shí)別的興趣區(qū)域處理

在人臉識(shí)別系統(tǒng)中，需以人眼識(shí)別為原理，將人臉圖像中的人臉作為興趣區(qū)域進(jìn)行處理后，能夠?qū)θ四槄^(qū)域中的人臉特征進(jìn)行截圖，然后采取預(yù)處理方法來(lái)提取圖像特征，以使光照與背景變化給人臉識(shí)別準(zhǔn)確率造成的不利影響得到有效消除。系統(tǒng)需要采取直方圖平衡化處理方式來(lái)進(jìn)行圖像處理，這樣圖像的對(duì)比度能夠顯著提高，以使圖像能夠在更大范圍中進(jìn)行灰度值取值，從而提高了圖像的清晰度。系統(tǒng)還可采取濾波處理來(lái)對(duì)圖像中的噪點(diǎn)進(jìn)行清除，最后系統(tǒng)還能利用橢圓遮罩處理方法，使圖像中與人臉不相關(guān)的背景圖案被有效屏蔽[1]。

2? ? BP神經(jīng)網(wǎng)絡(luò)

2.1? BP神經(jīng)網(wǎng)絡(luò)模型的建立

對(duì)于BP神經(jīng)網(wǎng)絡(luò)來(lái)說(shuō)，其是一種多層前饋網(wǎng)絡(luò)，該網(wǎng)絡(luò)是以誤差逆?zhèn)鞑ニ惴▉?lái)開(kāi)展訓(xùn)練的。在BP神經(jīng)網(wǎng)絡(luò)中包括3個(gè)層次，即輸入層、隱藏層與輸出層，并通過(guò)全連接來(lái)映射層和層之間的關(guān)系。這3層中的神經(jīng)單元并未進(jìn)行連接，通過(guò)層層處理，能夠使輸入向量X=（x1，x2…xn）在向量Y=（y1，y2...yn）中進(jìn)行非線性映射。在人臉識(shí)別過(guò)程中應(yīng)用BP神經(jīng)網(wǎng)絡(luò)后，其網(wǎng)絡(luò)神經(jīng)結(jié)構(gòu)共包括3層，輸入層、隱藏層和輸出層的數(shù)量均為一層。

在BP神經(jīng)網(wǎng)絡(luò)中的各個(gè)神經(jīng)單元相當(dāng)于獨(dú)立的感知設(shè)備，通過(guò)神經(jīng)單元能夠使實(shí)數(shù)值向量轉(zhuǎn)化成輸入?yún)?shù)，通過(guò)對(duì)輸入的線性組合進(jìn)行計(jì)算，并分析結(jié)果與某個(gè)閥值之間的大小。當(dāng)結(jié)果比閥值大時(shí)，則輸出值為1反之則為-1。在本文中通過(guò)sigmoid壓縮函數(shù)來(lái)設(shè)置感知設(shè)備，輸入向量則通過(guò)sigmoid函數(shù)進(jìn)行計(jì)算并輸出，以此獲得壓縮輸出值，從而確保整個(gè)BP神經(jīng)網(wǎng)絡(luò)能夠快速收斂。

在BP神經(jīng)網(wǎng)絡(luò)中，通過(guò)反向傳播算法的應(yīng)用，利用反向傳播過(guò)程中產(chǎn)生的誤差值，以此對(duì)網(wǎng)絡(luò)各個(gè)神經(jīng)單元所賦有的權(quán)重進(jìn)行適當(dāng)調(diào)整，這樣便可獲得神經(jīng)網(wǎng)絡(luò)的穩(wěn)定收斂權(quán)值，從而使訓(xùn)練得以順利宛成。待訓(xùn)練完畢時(shí)，在新的圖像中，其新的輸入向量X=（x1，x2，…，xn）能夠獲得具有唯一性的輸出向量，即Y=（y1，y2，…，yn），該向量Y能夠當(dāng)作圖像的最終識(shí)別結(jié)果。

2.2? 設(shè)置沖量項(xiàng)

對(duì)于BP神經(jīng)網(wǎng)絡(luò)來(lái)說(shuō)，其在收斂訓(xùn)練過(guò)程中需要應(yīng)用到反向傳播算法，由于利用梯度下降算法會(huì)造成BP神經(jīng)網(wǎng)絡(luò)的收斂速度降低或出現(xiàn)局部最優(yōu)解問(wèn)題，所以需要從思維理解上把梯度下降算法比喻成球是沿著誤差曲面進(jìn)行向下滾落的，這樣沖量項(xiàng)的作用便相當(dāng)于小球從一次迭代至下次迭代過(guò)程中的滾動(dòng)方向是相同的。通過(guò)沖量能夠使球在誤差曲面中滾下時(shí)可能會(huì)產(chǎn)生局部最小值，由于其同樣發(fā)揮著增大搜索步長(zhǎng)的作用，所以能夠加快BP神經(jīng)網(wǎng)絡(luò)的收斂速度。通過(guò)對(duì)沖量項(xiàng)進(jìn)行引入，并對(duì)反向傳播算法公式進(jìn)行替換，便可得出算法主循環(huán)中經(jīng)過(guò)n次迭代后的權(quán)值更新結(jié)果[2]。

3? ? 基于BP神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別系統(tǒng)

3.1? 系統(tǒng)設(shè)計(jì)

在基于BP神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別系統(tǒng)中，主要包含三大模塊，分別是圖像采集預(yù)處理模塊、神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊以及人臉識(shí)別模塊。其中，圖像采集預(yù)處理模塊能夠通過(guò)opencv來(lái)實(shí)現(xiàn)圖像采集，而攝像頭則是圖像信息采集的重要設(shè)備。此外，該模塊還對(duì)ROI算法進(jìn)行了應(yīng)用，以此實(shí)現(xiàn)圖像預(yù)處理，進(jìn)而消除光照條件和背景變化給人臉識(shí)別率造成的不利影響。對(duì)于神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊來(lái)說(shuō)，則能夠處理大量的訓(xùn)練數(shù)據(jù)，該模塊能夠?qū)P神經(jīng)網(wǎng)絡(luò)模型進(jìn)行構(gòu)建，以此確定不同因素的權(quán)值。對(duì)于人臉識(shí)別模塊來(lái)說(shuō)，該模塊能夠?qū)⒉杉降膱D像信息錄入已構(gòu)建完畢的BP神經(jīng)網(wǎng)絡(luò)模型，以便于通過(guò)BP神經(jīng)網(wǎng)絡(luò)模型來(lái)對(duì)圖像信息進(jìn)行訓(xùn)練與計(jì)算，并采用歐式距離來(lái)判定結(jié)果，以此獲得準(zhǔn)確的識(shí)別結(jié)果。

3.2? 系統(tǒng)實(shí)驗(yàn)

為了驗(yàn)證基于BP神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別系統(tǒng)的應(yīng)用效果，本文采用opencv筆記本攝像頭來(lái)對(duì)全班學(xué)生的人臉照片進(jìn)行采集，全班共計(jì)45名學(xué)生。每名學(xué)生的人臉圖像采集數(shù)量為10張，其中八張用于BP神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練數(shù)據(jù)集，另外兩張則作為測(cè)試識(shí)別結(jié)果的數(shù)據(jù)集。獲得的訓(xùn)練數(shù)據(jù)集數(shù)量為360張，而對(duì)于結(jié)果測(cè)試數(shù)據(jù)集，其數(shù)量則為90張。在人臉圖像中，每張圖像中的像素均為28×23，像素點(diǎn)數(shù)量為644個(gè)，該系統(tǒng)應(yīng)用圖像預(yù)處理模塊，采取基于人眼識(shí)別的興趣區(qū)域處理策略，在人臉數(shù)據(jù)集被處理以后用于測(cè)試數(shù)據(jù)。

在基于BP神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別系統(tǒng)中，其系統(tǒng)模型共包括3層，在輸入層中共包含644個(gè)神經(jīng)單元，這些神經(jīng)單元均有對(duì)應(yīng)的像素點(diǎn)輸入。而在隱藏層中的神經(jīng)單元?jiǎng)t共計(jì)20個(gè)，在輸入層中的神經(jīng)單元數(shù)量為6個(gè)。在對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行建立以后，需要應(yīng)用反向傳播算法來(lái)進(jìn)行訓(xùn)練，以此獲得能夠?qū)θ四樳M(jìn)行準(zhǔn)確識(shí)別的BP神經(jīng)網(wǎng)絡(luò)模型。在識(shí)別人臉圖像過(guò)程中，針對(duì)輸出層中的輸出結(jié)果，其判定需要依據(jù)歐式距離來(lái)實(shí)現(xiàn)。比如在輸出層中的神經(jīng)單元中，其輸出結(jié)果分別是0.1，0.2，0.1，0.2和0.9，然后針對(duì)該結(jié)果和全班所有同學(xué)的標(biāo)準(zhǔn)輸出對(duì)歐式距離進(jìn)行依次計(jì)算，將歐式距離最小的目標(biāo)作為對(duì)應(yīng)的判定結(jié)果。通過(guò)計(jì)算可以得知，歐式距離最小的人臉圖像為一號(hào)同學(xué)的人臉[3]。

3.3? 結(jié)果分析

本文分別對(duì)圖像預(yù)處理模塊處理之前的數(shù)據(jù)集和處理之后的數(shù)據(jù)集進(jìn)行了測(cè)試對(duì)比。經(jīng)測(cè)試結(jié)果表明，系統(tǒng)利用圖像預(yù)處理模塊對(duì)圖像數(shù)據(jù)集進(jìn)行處理以后，其處理效果要比未處理之前的效果好得多，這也使系統(tǒng)對(duì)人臉的識(shí)別準(zhǔn)確率在原有基礎(chǔ)上提高了6%。

4? ? 結(jié)語(yǔ)

綜上所述，本文提出通過(guò)viola-jones算法和基于人眼識(shí)別的圖像興趣處理策略來(lái)實(shí)現(xiàn)系統(tǒng)的人臉識(shí)別功能，采取圖像采集預(yù)處理模塊、神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊以及人臉識(shí)別模塊這三大模塊的開(kāi)發(fā)，以此消除光照條件和背景變化給人臉識(shí)別率造成的不利影響，提高系統(tǒng)的人臉識(shí)別準(zhǔn)確率，從而使BP神經(jīng)網(wǎng)絡(luò)模型能夠依據(jù)歐式距離來(lái)獲得準(zhǔn)確的人臉判定結(jié)果。

[參考文獻(xiàn)]

[1]馮建洋，諶海云.基于人工神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別研究[J].自動(dòng)化與儀器儀表，2017（5）：24-26，29.

[2]王士東，陳標(biāo)，李遠(yuǎn)，等.基于彈性BP神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別系統(tǒng)[J].科技經(jīng)濟(jì)導(dǎo)刊，2017（26）：24-25.

[3]韓瑞瑞，張尤賽.基于PCA/ICA的人臉識(shí)別片上系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].自動(dòng)化技術(shù)與應(yīng)用，2019（2）：129-134.

（編輯 傅金睿）