基于LBP的人臉識別技術在考試身份驗證中的應用研究

陳史政

（福建廣播電視大學漳州分校，福建 漳州 363000）

不論在什么考試中，身份認證都是一件非常關鍵的事情，這直接關系到考試本身是否公平、有效.目前最常見的考生身份認證方法是使用證件進行驗證，這種方法在實際應用中較容易被替考者蒙蔽，特別是當監考人員不認識考生時，如果證件照片被篡改，則發現替考的難度就會增大.通過構造網絡型考試身份驗證與監督體系，將考生信息放在數據庫上，在考生入場身份驗證時記錄考生人臉圖像信息并與數據庫中考生圖像進行比對，可以更好地防范這類身份驗證問題的發生，并保有考后對替考者責任的追究能力，對有替考舞弊傾向的考生產生較強的心理威懾作用.現在有一些考試已經開始記錄考生人臉圖像信息，如全國計算機應用能力考試、會計從業資格考試等，不過在這些考試的身份驗證過程中考生圖像信息僅被手動拍攝并提交到服務器，缺少進一步的處理.這時就可以在考試身份驗證中引入人臉識別技術，以求更快、更好地完成身份驗證的過程.

人臉識別技術，就是以信息技術為基礎，利用計算機自動對人的臉部圖像進行數據處理與分析，并以此來實現人的身份識別的方法.由于在現實生活中身份識別應用的普遍性，人臉識別技術的研究具有很重要的意義，在許多領域都擁有顯而易見的應用價值，是計算機科學技術研究中的一個熱點.但是現在人臉識別技術還存在許多尚未解決的難點，也還沒有通用的實現方法，不過經過這些年的發展，已經出現了一些應用實例.本文將采用一種基于改良LBP算法的人臉識別技術，對其在考試身份驗證系統中的應用進行研究.

1 系統分析與設計

人臉識別技術要應用在考試身份驗證中至少需要幾個必備的基礎條件，那就是網絡、服務器與數據庫、監考客戶端、攝像頭，其整體結構如圖1所示.隨著網絡技術的飛速發展、計算機設備成本的不斷下降、小型攝像器材的大面積普及，如果僅從硬件方面考慮，在許多考試機構已經可以輕松實現圖1所示的系統平臺.所以能否應用人臉識別技術來更快、更好地完成身份驗證的關鍵在于如何求取一個切實可行的人臉識別算法上.

圖1 系統結構圖

由于現實操作過程中無法要求每位考生在報考時提供多幅像片，通常情況下服務器里的考生數據庫僅存有相應考生的一幅圖像，即樣本集里每個人都只有一個樣本，這樣問題的核心就轉化為如何較好地解決單樣本人臉識別.相比一般情況，由于考場拍攝環境較為固定、可以安排純色背景、拍攝時都是正面，所以處理的基本上都是簡單背景正面人臉圖像.其傾斜角度較小，而且受到光照干擾的影響幅度也相對較小，有利于人臉識別.目前的人臉識別算法通常需要一定數量的訓練樣本才能取得良好識別效果，單樣本人臉識別算法的識別率還比較低，所以應用在考試身份驗證時無法達到全自動完成的程度，需要監考人員的介入操作才能較好完成.

圖2 考試身份驗證流程圖

從監考客戶端采集考生圖像數據需要在考生入場時間段進行.通過調研發現，考生主體入場時間會比較集中，通常小于10分鐘，如果每個考生采集圖像時都需要由監考人員搜索對應考生信息再拍攝保存，在時間上會比較緊張，同時對監考人員操作能力要求較高.此時可以改為先采集人臉圖像，由系統在未入場考生信息中進行人臉識別比對后，給出最匹配項和兩個次佳備用學生項供監考人員點選錄入.增加的兩個后備項可以在首選識別失敗時保持較快的圖像采集速度.最后，上傳數據并對數據庫圖像與現場圖像相似度異常的考生進行標記示警.

通過以上的分析發現現階段人臉識別技術實際應用于考試身份驗證中，除了可以盡可能提高正確識別率外，主要還應考慮實現以下兩個方面的功能，一是降低圖像采集操作復雜度，搜索匹配考生輔助完成身份驗證；二是對相似度異常的考生進行標記示警，供監考人員與巡查監督人員核查.在本文中選用LBP算法，主要原因有兩個：一個是LBP算法能夠保證在單樣本人臉識別上達到一定的應用效果；另一方面則是相對其它算法來說，LBP算法的實現簡單、速度較快，符合現場實時操作的時間要求.

2 人臉識別

2.1 圖像預處理

在人臉識別時為了減少運算量，需要將其轉為灰度圖像，這一過程會使不少圖像信息丟失，所以在轉化過程中需要盡量讓灰度圖像攜帶較多的有效特征信息.同時為了減少光照變化所再來的影響，提高識別率，這里采用幾種方法相結合的方式對灰度圖像進行預處理：

(1)對數變換，這個變換對每個象素的灰度值進行重新計算，擴展低值灰度、壓縮高值灰度，處理后可以使得圖像中的灰度取值更均勻，細節更清晰.公式如下：

其中f(x,y)是相應點的灰度值，根據圖像變換需要，設置參數 a=0、b=1、c=e.

(2)使用二維高斯濾波實現圖像平滑，減少因為圖像噪聲對人臉識別所帶來的干擾.

(3)直方圖均衡化.由于設備或環境影響，在圖像采集時，可能會出現一些區域對比度不足，這時會隱藏原圖像中的有用特征信息.這種情況可以通過直方圖均衡化方法使圖像的灰度分布范圍變大，增大反差、增強圖像的對比度.

2.2 局部二值模式LBP

目前在人臉識別領域已經有許多研究成果表明LBP算子可以較好地應用于這一領域.原始的LBP算子是對圖像中的某個像素，取其灰度值按順序與其周圍8個像素的灰度比較大小，用1和0表示大于或小于，得到一個8位二進制數，轉換成10進制得到LBP編碼，圖3為求取過程示例.

圖3 LBP編碼求取

這樣的LBP編碼會有256種取值，對圖中每個像素都進行計算后，求256種取值的統計直方圖即可描述其紋理特征.

2.3 改良LBP

在LBP算子中判斷當前像素灰度與其周圍8個像素灰度的大小時，并沒有考慮其中灰度差的大小，但是這個對比度的大小本身也是很有用的紋理特征.對于單樣本人臉識別，由于識別準確度較低，所以可以考慮進一步利用這些被原本被丟棄的圖像信息.在進行灰度比較時，先設置一個閾值W，大于W為明顯變化，小于W為輕微變化，其中閾值W可以設為灰度差平均值.

由于灰度差有變大或變小兩種可能，所以每個點可以通過閾值得到四種LBP編碼.

將四個LBP編碼連結得到特征編碼.

2.4 識別過程

為了取得更好的識別效果，可以先采用均分區域的方式將目標圖像均分成N*N塊，分別對四種LBP編碼求取編碼統計直方圖，然后連接直方圖得到分塊特征直方圖，再連結分塊特征直方圖獲得圖像特征直方圖.這個特征直方圖的維度很高，需要降維，可以將出現較少的編碼種類統一歸到一類，實現降維.最后判別目標與樣本間對應關系，計算兩個圖像的加權距離，公式如下：

其中ωi為子圖區塊加權系數采用人工指定方式，人臉中的眉毛、眼睛、嘴巴等區域設置的加權系數較高，θj為灰度變化等級.目標圖像對所有樣本計算出L并從小到大排列，取第1個樣本為匹配項，第2、3個為備選項.如果配對確定后所取的L值大于警示閾值，則進行標記示警.

3 實驗結果與分析

實驗所用的數據庫有兩個，一個是ORL人臉數據庫，另一個是考生數據庫.實驗分別對這兩個數據庫采用上述的人臉識別算法進行測試識別與近似識別.近似識別是針對目前無法實現人臉識別100%正確率，必須進行人工干預的現狀下，只要能讓對應圖像出現在前三個候選項里，實現近似識別也能在很大程度上改善考試身份驗證過程.

3.1 ORL數據庫

取ORL人臉數據庫中每個人的一張正常表情圖像作為樣本庫，抽取40人，余下圖像用于測試.測試結果如表1所示：

表1 在ORL數據庫上的識別率(N=7)

3.2 考生數據庫

考生數據庫為實際在用的考試系統中考生報考圖像及入場時拍攝的現場圖像，共有3926幅.從中隨機抽取30人的報考圖像作為未入場考生樣本集，以這30人入場圖像為測試集，替換3人入場圖像模擬替考，并按隨機順序進行仿真人臉識別.由于考生入場信息由監考人員審查確定，如果識別錯誤會被手工修改為對應項，所以樣本集的未入場考生樣本數量隨考生入場一直遞減，識別難度逐步降低.經過大量模擬實驗，取得首張識別率S、首張近似識別率S'、平均識別率T、平均近似識別率T'、標識區替考覆蓋率Q如表2所示：

表2 在考試數據庫上的識別率對比(N=7)

通過實驗表明，采用這一人臉識別算法可以較好地降低考生入場時進行圖像采集的難度，并能夠較好地通過相似性閾值將異?？忌鷺擞洺鰜?，這樣監考與巡查人員可以通過對小范圍標記考生的重點核查，加大發現替考的可能性.

4 結束語

人臉識別技術發展很快，但是單樣本人臉識別的準確率相對較低，因此在考試身份驗證中還做不到完全自動化.本文提出一種基于LBP的人臉識別算法，其在考試身份驗證中能夠協助完成圖像采集、縮小替考排查范圍，增加查出替考舞弊的可能性，在考試身份驗證工作中能夠起到很好的輔助作用.

〔1〕張翠平,蘇光大.人臉識別技術綜述[J].中國圖象圖形學報，2000(11):885-888.

〔2〕AhonenT,HadidA,PietikainenM.Face recognition w ith local binarypatterns[C].In:Proceedings of Eighth European Conf Computer Vision,2004:469-481.

〔3〕陶亮,莊鎮泉.一種基于個人身份認證的正面人臉識別算法[J].中國圖象圖形學報，2003(8):860-865.

〔4〕張建明,劉霄,樊莉靜.基于三層虛擬圖像生成的單樣本人臉識別[J].計算機工程，2010(9):187-189.

〔5〕OjalaT，PietikainenM，MaenpaaT.Multiresolutiongrayscaleand rotation invariant texture classification w ith local binary patterns[J].IEEE Trans Pattern Anal M ach Intell，2002，24（7）：971-986.

〔6〕焦峰,山世光,崔國勤,高文,李錦濤.基于局部特征分析的人臉識別方法[J].計算機輔助設計與圖形學學報，2003(1):53-58.