一種新型的人臉識(shí)別算法在智能門禁系統(tǒng)中的應(yīng)用

曹振軍++姜曉艷++張然++崔嵬++吳俊芹++李燕++都鑫++王貴麗

摘 要：針對(duì)人臉識(shí)別中的尺度與光照敏感問題，該文提出了一種基于Gabor濾波器的人臉自動(dòng)識(shí)別算法。首先對(duì)原始人臉圖像進(jìn)行Gabor小波分解，得到人臉的紋理特征圖像；然后利用流形學(xué)習(xí)的方法進(jìn)行特征數(shù)據(jù)降維；最后采用LDA線性判別方法進(jìn)行人臉的自動(dòng)識(shí)別。實(shí)驗(yàn)表明，該算法具有較強(qiáng)的人臉自動(dòng)識(shí)別能力，能有效地解決不同姿態(tài)、不同光照條件下的人臉難以識(shí)別的問題，將該算法作為智能門禁系統(tǒng)的主程序，實(shí)現(xiàn)了智能門鎖的自動(dòng)控制。

關(guān)鍵詞：人臉識(shí)別 Gabor濾波 LPP LDA

中圖分類號(hào)：TP368.1 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2014）10（c）-0001-01

在家庭安保系統(tǒng)中，有一項(xiàng)重要的工程—— 智能門禁系統(tǒng)。在這項(xiàng)工程中，關(guān)鍵技術(shù)是如何實(shí)現(xiàn)人臉的自動(dòng)檢測(cè)與識(shí)別，現(xiàn)有的人臉檢測(cè)與識(shí)別基本依靠攝像機(jī)實(shí)時(shí)捕捉人臉圖像，與系統(tǒng)中的數(shù)據(jù)庫(kù)交互后實(shí)現(xiàn)門鎖的控制。然而基于傳統(tǒng)2D圖像的人臉識(shí)別的不足之處在于在復(fù)雜的環(huán)境中，比如光照隨時(shí)發(fā)生變化的場(chǎng)合、人臉處于不同姿態(tài)（表情）等情況，攝像機(jī)獲取的人臉圖像中人的面部外觀也會(huì)隨之發(fā)生變化，使得識(shí)別效果受到很大影響，影響到門禁系統(tǒng)的性能。

近年來，對(duì)圖像灰度進(jìn)行多尺度、多方向的Gabor小波變換受到廣泛關(guān)注與研究，它的優(yōu)勢(shì)在于它可以提取出圖像特定區(qū)域內(nèi)的多尺度、多方向空間頻率特征，這樣，人臉圖像中的眼睛、鼻子、嘴等其他部位的局部特征被增強(qiáng)并提取。但是Gabor小波的缺陷在于多尺度、多方向分解導(dǎo)致的數(shù)據(jù)維數(shù)的大量增加，因此出現(xiàn)了以圖像特征匹配、PCA，MDS等為主的線性降維方法，以及以流形學(xué)習(xí)（LLE、LPP）為主要思想的非線性學(xué)習(xí)方法，流形學(xué)習(xí)的優(yōu)勢(shì)是在找出非線性高維數(shù)據(jù)的內(nèi)部結(jié)構(gòu)方面更為有效，且有助于數(shù)據(jù)分析和維數(shù)的降低。

該文首先利用Gabor小波變換提取圖像的局部紋理特征，然后用流形學(xué)習(xí)思想進(jìn)行數(shù)據(jù)降維，進(jìn)而利用LDA線性判別準(zhǔn)則進(jìn)行人臉的識(shí)別，提高人臉識(shí)別的速度與精度。

1 Gabor濾波器

Gabor變換[1]屬于加窗傅立葉變換，具有易于調(diào)諧的方向和徑向頻率帶寬以及易于調(diào)諧的中心頻率，利用Gabor函數(shù)掃描圖像可以得到頻域不同尺度、不同方向的紋理特征。另外Gabor函數(shù)與人眼的生物作用相仿，所以經(jīng)常用作紋理識(shí)別上，并取得了較好的效果。

將Gabor小波看作母小波是Gabor函數(shù)的小波變換，并對(duì)Gabor函數(shù)進(jìn)行適當(dāng)?shù)某叨群托D(zhuǎn)變換，就可以得到自相似的一組濾波器，稱為Gabor小波變換濾波器。將Gabor濾波器與圖像進(jìn)行卷積運(yùn)算，即可提取實(shí)時(shí)圖像中的紋理特征。

2 紋理特征提取

在對(duì)圖像應(yīng)用Gabor濾波時(shí)，除要確定濾波器的尺度和方向數(shù)，還需要確定的參數(shù)有：各個(gè)濾波器的中心頻率，以及各個(gè)濾波器的二維標(biāo)準(zhǔn)差。

該文選取Gabor濾波器組的尺度和方向數(shù)均為4，則濾波器組中共有方向和尺度各不相同的濾波器16個(gè)，得到不同方向和尺度的16個(gè)Gabor濾波器以后，對(duì)圖像進(jìn)行Gabor濾波。由于濾波后輸出的只是圖像能量信息，沒有位置信息，為解決這一問題，將圖像劃分為9個(gè)子塊，對(duì)每一個(gè)子塊分別進(jìn)行Gabor濾波，計(jì)算出每個(gè)子塊的能量，這樣對(duì)每一幅圖像就會(huì)得到169個(gè)紋理特征值。既確保了圖像的能量信息，反映了紋理特征，又代表了圖像的一定空間位置信息[2]。

3 基于流形學(xué)習(xí)的人臉識(shí)別

流形學(xué)習(xí)旨在發(fā)現(xiàn)高維數(shù)據(jù)集分布的內(nèi)在規(guī)律性，其基本方法是：找到高維空間中的低維流形，并求出相應(yīng)的嵌入映射，以實(shí)現(xiàn)維數(shù)約簡(jiǎn)或者數(shù)據(jù)可視化。LPP算法[3]作為L(zhǎng)E的線性化是其中最早提出的算法，其主要思想是建立k近鄰域圖，使它能很好地表現(xiàn)數(shù)據(jù)流形的局部結(jié)構(gòu)，然后根據(jù)建立的k鄰圖來獲得圖像的投影，最終在投影得到的子空間中進(jìn)行特征識(shí)別。

該文先對(duì)Gabor濾波得到的紋理特征應(yīng)用LPP算法降低紋理特征數(shù)據(jù)的維數(shù)，考慮到流形學(xué)習(xí)得到的只是從流形角度提取數(shù)據(jù)結(jié)構(gòu)，沒有利用類別的先驗(yàn)知識(shí)，因此本文對(duì)得到的低維數(shù)據(jù)進(jìn)行線性判別分析[4]，進(jìn)一步提升識(shí)別率。

4 實(shí)驗(yàn)

該文在表情、姿態(tài)、光照發(fā)生變化的情況下，對(duì)該文提出的算法進(jìn)行實(shí)驗(yàn)。采用ORL人臉數(shù)據(jù)庫(kù)，這些圖像的變化主要在于面部輪廓及表情、人臉尺度位置、少許傾斜、少許遮掩和輕微光照變化。

實(shí)驗(yàn)步驟：首先，進(jìn)行單次實(shí)驗(yàn)，選擇每人的5副圖像組成訓(xùn)練集，剩余的構(gòu)成測(cè)試集，得到一組識(shí)別結(jié)果，然后進(jìn)行不同訓(xùn)練數(shù)目的循環(huán)實(shí)驗(yàn)，每個(gè)實(shí)驗(yàn)獨(dú)立運(yùn)行20次，每次都是隨機(jī)抽取樣本，最后結(jié)果取20次的均值；其次，隨機(jī)選取規(guī)定樣本數(shù)目的樣本圖像進(jìn)行訓(xùn)練，并用其余圖像構(gòu)成測(cè)試集。通過對(duì)不同訓(xùn)練樣本的反復(fù)實(shí)驗(yàn)，得到不同訓(xùn)練樣本數(shù)目下的識(shí)別性能。

實(shí)驗(yàn)結(jié)果可見，文中的算法相比于Gabor濾波、LDA、NPE等傳統(tǒng)人臉識(shí)別算法，取得了更優(yōu)的識(shí)別效果，在樣本數(shù)量充足的前提下，識(shí)別率達(dá)到97.6%，充分驗(yàn)證了算法對(duì)人臉特征的提取與識(shí)別能力。將該算法運(yùn)用到智能門禁系統(tǒng)中，進(jìn)行了300次不同的實(shí)驗(yàn)，系統(tǒng)響應(yīng)平均時(shí)間（系統(tǒng)響應(yīng)時(shí)間即從系統(tǒng)接收?qǐng)D像到輸出人臉識(shí)別結(jié)果經(jīng)歷的時(shí)間）為1.2 s，正確識(shí)別率97.5%。可見，該文的算法識(shí)別率較高，且實(shí)時(shí)性好。

5 結(jié)語(yǔ)

該文在Gabor小波得到紋理特征的基礎(chǔ)上，結(jié)合LPP算法與LDA線性判別，在一定程度上提升了人臉識(shí)別算法的檢測(cè)與識(shí)別能力，ORL人臉數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)驗(yàn)證了該算法的有效性。最后將該算法與智能門禁系統(tǒng)相結(jié)合驗(yàn)證了算法的實(shí)時(shí)性，為基于Gabor濾波的人臉識(shí)別在智能門禁系統(tǒng)中的應(yīng)用提供了可靠的現(xiàn)實(shí)意義。

參考文獻(xiàn)

[1] 胡鵬，李建為.基于Gabor小波和流形的人臉識(shí)別研究[J].自動(dòng)化技術(shù)與應(yīng)用， 2009，28（7）：57-59.

[2] Arivazhagan S，Ganesan L，Priyal S P.Texture classification using Gabor wavelets based rotation invariant features[J].Pattern Recognition，2006，27（16）1976-1982.

[3] 張志偉，楊帆，夏克文，等.一種有監(jiān)督的LPP算法及其在人臉識(shí)別中的應(yīng)用[J].電子與信息學(xué)報(bào)，2008，30（3）：539-541.

[4] 王海珍.基于LDA的人臉識(shí)別技術(shù)研究[D].西安電子科技大學(xué)，2010.