基于ｍａｔｌａｂ的人臉識別仿真系統的設計與實現

張　偉

中圖分類號:TP2文獻標識碼:A文章編號:1671-7597(2009)0810052-01

隨著科技的飛速發展,傳統身份識別(如口令、身份卡等)容易遺失、易被破解等問題逐漸暴露,已不能滿足各種安全需要。人們期望有一種更加可靠的技術來進行身份鑒別。生物特征識別技術給這一切帶來了可能。由于人的面部特征難以復制和假冒,從而被應用到最現代化的小區門禁管理系統中。人臉識別門禁技術是利用計算機分析人臉,從中提取出有效識別信息,通過與數據庫的人臉進行比較來管理和控制門禁的技術,與以往的身份識別系統相比提高了安全防范的可靠性。

在國外,人臉識別技術發展很快,許多國家都開展了人臉檢測識別的研究,人臉識別也已由最初的靜態圖片識別發展到基于視頻流的識別,由最初的正面人臉識別發展到最先進的三維立體的識別。本文是對基于matlab人臉識別電子門禁的研究,提出了膚色模型的人臉檢測與KL變換人臉識別相結合的技術方法。人臉檢測主要是在圖像中判斷是否存在面部,找出可能的人臉區域;人臉識別則是對被檢測到的人臉區域進行身份確認或在面部數據庫中進行目標搜索,進而得到正確的結論。具體各個實現環節相互銜接,相互配合,才能形成一個復雜的面部識別系統。

人臉檢測和識別流程附圖如下:

一、基于膚色模型的人臉檢測

對于一個成功的人臉識別系統,人臉檢測是極其重要和關鍵的一步,它直接影響人臉特征的提取,識別等后續工作。膚色模型是指依據面部膚色在色彩空間中分布相對集中的規律來進行檢測,在大多數的情況下,圖像信息是以RGB顏色空間保存,但是由于RGB顏色空間三個顏色分量不僅代表顏色還包含亮度信息,需要把顏色表達式中的色度信息與亮度信息分開,皮膚顏色在Ycbcr色度空間的分布范圍為:100

為了對圖像做進一步處理時變得簡單,不再涉及像素的多級值,而且讓處理和壓縮的數據量盡量變小,一般利用YCbCr的閾值生成二值化圖像,將彩色圖像轉換為灰度圖像。假設YCrCb圖像為f(x,y),經過二值化后的圖像為g(x,y),則f,g中每一點均滿足對應的映射關系:

二值化轉換后不可避免出現了噪聲,因此,我們再采用開、閉運算對圖像進行處理。消除不必要的雜散點,平滑其邊界。到此,人臉的大體輪廓已基本成型,最后我們利用邊緣檢測,檢測出人臉的邊界,利用得到的邊緣,對原圖像進行處理,加以適當的判斷即可得到真正的人臉區域。

有些色彩類似于人臉,也被誤判為人臉,為解決這個問題,我們定義人臉的判斷規則,即:(1)根據現實中人臉長寬的大致分布,若目標高寬比小于0.9而大于2.0,則認為不是人臉區域。而在此范圍之外,則認為不是人臉。此條件排除了一些顏色類似皮膚但長寬不符合要求的區域。(2)區域面積過大或過小,也認為不是人臉區。

規則判定代碼描述:

[L,num]=bwlabeln(image,8);

for i=1:num;

[r,c]=find(L==i);

r_temp=max(r)-min(r);

c_temp=max(c)-min(c);

area_sq=r_temp*c_temp;

area=size(find(L==i),1);

ratio=area/area_sq;

if(r_temp/c_temp<1)|(r_temp/c_temp>2.2)|ratio<0.5

%利用臉部寬長比的大概上下限來確定一個模板范圍;矩形面積area_sq=目標區長度*寬度,目標區面積為area,若area/area_sq<0.5,認為不是人臉區,刪除之。

for j=1:temp;

L(r(j),c(j))=0;

end

else

continue;

end

end

二、基于KL變換的人臉識別

基于KL變換的人臉識別,是國外最新的靜態圖像識別方法,它相比國內的一些傳統的檢測方法具有實時性好,識別率高等優點。KL變換是目前圖像壓縮中的一種最優的正交變換。KL變換若用于人臉識別,則需要假設人臉處于低維線型空間,且不同人臉具有可分性。其目的是推導出新的變量,這些新變量是原始變量的線性組合而且互不相關。當使用這些新變量去重建原始變量時,使得均方誤差最小。具體方法是把檢測到的人臉區域通過計算得到它們的幾何特征量,這些特征量形成一描述該面部的特征向量,計算數據庫中圖像協方差矩陣及其特征值和特征向量,比較數據樣本的互相關性,通過判定輸入圖像與數據庫中人臉的相互關聯程度,從而得到正確的輸入人臉圖像。

KL變換的原理:

根據kl變換的公式:F=A×(Fmx),F-facey,F是輸入的圖像

↓

特征臉Facey=A×facex=核矩陣×均差

↓

A=協方差矩陣特征向量的轉置

↓

均值mx

根據上面的原理,得識別程序如下:

mx=mean(facecol); %均值

for i=1:L %均差

facex(:,i)=facecol(:,i)-mx;

end

Cf=facex*facex'/L;%協方差

[V D]=eig(Cf);%特征向量

A=V'; %得到核矩陣

facey=A*facex;%特征臉

識別:

f=A*(f-mx); %KL變換

L=50;

for i=1:L

d(i)=norm(f-facey(:,i));

end

三、電子門禁仿真系統的實現

本文是對人臉識別門禁仿真的初步探討,若對此加以硬件改進即可得到電子門禁管理系統,可以實時的監控所在門區的工作狀態,如門的開關,人員的進出等。一旦出現強行開門的現象,小區管理人員可以在最短的時間內進行處理,最大限度地降低用戶的損失。考慮到小區人員隨時有變化調整的可能,因此本系統的數據庫采用開放式圖像數據庫,可以隨時對數據庫人員進行添加和刪除。

本文提出的算法,具有簡單易懂,計算量小,速度快,實時性好的優點,但是本系統也存在一定的不足,例如:非正面的檢測圖像不能識別;背景過于復雜的圖像不能處理;光照亮度不足時識別率差等。這些都將是我們繼續研究的課題,也是對人臉識別技術提出了更大的挑戰。

參考文獻:

[1]鄭剛、閆勝業、張宏明,人臉檢測技術報告[R].廣州船舶學院,2002.

[2]徐立中、李士進等,數字圖像智能信息處理(第二版)[M].北京:國防工業大學,2007.

[3]唐偉,靜態灰度圖像中的人臉檢測方法綜述[J].南京大學,2006.

作者簡介:

張偉(1979-),女,漢族,天津人,研究方向:數字圖像處理。