人臉檢測建模源照片篩選方法

吳限，劉崎峰

上海船舶電子設備研究所，上海 201108

人臉檢測建模源照片篩選方法

吳限，劉崎峰

上海船舶電子設備研究所，上海 201108

安防系統輸入數據質量各異，部分質量差的照片會引起誤報率升高，如何將這部分數據優化排除，篩選用于人臉建模的安防系統數據源是本文的目的。采用量化照片評價指標的方法，通過對照片中人臉部分的清晰度、對比度等質量因素進行評價，將其量化并排序從而得到數據源質量序列。在軟件工程化實踐中對隨機抽取的100張照片質量評價驗證，其評價結果準確率可達95%。以文中所提到的方法對采集數據優化后，其建模后的數據能有效地降低比對過程中誤報率，提高安防系統識別的準確率。

安防系統；人臉檢測；篩選；人臉清晰度；質量評價

人臉識別系統源于20世紀，直到計算機技術和光學成像技術發展后才有所提高。20世紀90年時期以美國、德國的技術為主［1］，系統能力取決于其關鍵技術即人臉的識別率以及識別速度。實際生活中，各種安全防御系統遍布我們周圍，大到機場出入境登記信息采集［2］、機場安檢［3］，小到職工考勤系統［4］。雖然人臉識別系統樣式千變萬化，但其原理歸根結底都是利用一種生物特征［5］比對進行識別。實際系統在采集生物特征源數據時，由于受各方面因素制約，例如光照、角度、表情的影響，被采集的人臉照片則呈現出不同質量水平、不同模型。若采用均勻的光照，可以從照片中提取無干擾的人臉特征信息，而使用偏光源則會弱化光線較強一側所提取的特征。另外，基于不同表情建立的模型其差異性比較大，給后續識別比對工作造成一定的難度。人臉識別系統經歷了從模擬相機到數字高清攝像機的升級，其采集的數據源也隨之發生了根本性的變化。采集數據量的提升給人臉識別系統的處理能力提出了更高的要求，采集質量的提升則給人臉識別系統提供更大的選擇余地。如何在大量的采集數據中挑選出更適合系統識別的數據是當前核心問題，一套合理的評價機制可以提高人臉識別系統輸入的質量，提高人臉識別系統識別能力。

1 評價要素

拿到一張日常生活中的照片，可以從中看到所拍對象的臉部表情、左右旋轉姿態、俯仰旋轉姿態、拍攝的清晰度、光照度等各種視覺信息。從這些信息可以直觀判斷出所拍攝的照片是否適合觀察者以此進行個體分析識別。通常，人臉識別系統的采集端盡可能采集大量連續幀照片數據，對這些數據進行分析識別。但隨著數據量的增加，許多不滿足基本判定條件的照片也消耗了系統的運算時間，降低了系統的識別能力，因此，通過一定的方法從多個方面對其進行排序，選擇優質數據送入系統中分析可以提升系統運算能力。

從人臉檢測建模角度［6］考慮，采集數據的質量評價由以下幾個要素決定：照片清晰度、照片對比度、人臉左右旋轉姿態及人臉俯仰旋轉姿態。本文主要從量化照片的清晰度及對比度，進行分析排序。

1.1 照片的清晰度

照片的清晰度是最重要的指標，也是最難準確衡量的指標。清晰度即肉眼宏觀看到的圖像的清晰程度，是由系統和設備的客觀性能的綜合結果造成的人們對最終圖像的主觀感覺［7］。主要側重于人臉區域的紋理信息是否明顯，特別是人臉、嘴巴、眼睛等主要器官的輪廓，不采用耳朵的輪廓、額頭的皺紋等這些不穩定信息。如圖1所示，上面2張照片人臉的顆粒性較強，，便于肉眼對被采集者進行識別，下面2張照片照片的清晰度則較差，肉眼無法清楚識別部分臉部紋理特征，對人眼的識別造成一定難度。

圖1 清晰度示例

1.2 照片的對比度

照片的對比度主要指的是一幅圖像中明暗區域最亮的白和最暗的黑之間不同亮度層級的測量，差異范圍越大表示二者對比越大，差異范圍越小表示二者對比越小。采用的最低對比度是90。從人臉的直方圖看，低于這個閾值的人臉灰度等級往往集中在直方圖的某一較窄的區域內［8］。從肉眼看，這種人臉照片一般層次感不夠，比如過暗或過爆的人臉照片。

如圖2所示，上面2張照片由于光照條件較差，照片中臉部紋理特征丟失較嚴重，在建模過程中無法對相應部位建模，更造成無法識別。下面2張照片的光照條件明顯優于前2張，則其建模的過程中數據無丟失，也不容易造成系統誤報，降低系統的誤報率。

圖2 對比度示例

2 評價模型的建立

2.1 模型分析

在實際的照片識別中，經常會碰到各種模糊照片和清晰照片。對于模糊照片來說，它的細節特征已經丟失，無法恢復和提取，但照片中五官的位置關系、輪廓等特征還存在。因此，可以依據這些信息來識別人臉部位的清晰度等要素。而對于清晰照片來說，也可以提取一些更具識別意義的細節特征。

2.2 模型建立

由于照片中人臉五官的位置關系、輪廓等具有低頻特征，所以本文采用傅里葉變換提取人臉中的低頻成分特征，保留了全局性差異。

當照片的清晰度較高時，則人臉部分的顆粒感較強，紋理特征保持連續、跳變情況少。本文按照人臉照片邊界連續性以及人臉各部位的紋理特征為考慮因素建模，對各特征部位的灰度點連續性及亮度差異進行考量，根據建模過程中所有特征部位的考量結果給出綜合值，從而得到的整個模型的清晰度評價量。

對比度的評價主要是分析照片中黑白部分漸變的層次情況。高對比度的照片，灰度層次感高，肉眼觀看更為清晰醒目，色彩艷麗，更利于人眼的主觀識別。對照片進行灰度處理，將連續灰度值塊統計后，計算其所占像素面積大小。若高低灰度區域面積比越懸殊則其對比度值越高。

實際應用的識別系統應綜合考慮計算機建模及人眼評定二者之間的平衡。這里給出經驗的照片評價權重公式。

在評價系統獲取到照片的清晰度q及對比度?結果后，利用權重公式給出綜合評價結果，排序后對輸入數據進行優選。實際使用中由于不同系統的安裝條件、光照條件以及人為因素不同，按照各自的經驗系數進行調節，本文按照本實際安裝系統進行配置。

3 評價的測試結果

針對本文所提出的建模及評價方法做軟件工程化實現與驗證。從實際使用中的安防系統區域隨機選取100組安防系統采集的數字高清照片作為測試數據。先對數據源不進行挑選建模并識別得出一組識別結果，然后利用質量評價方法挑選數據源后再建模識別給出另外一組識別結果，最后對本系統的運行結果進行統計，如圖3所示。

圖3 100組測試例識別結果

如圖3所示，橫坐標為測試組序號，縱坐標為每組測試樣本與自身匹配結果，1為完全相似。從這組數據統計結果可以看出，經過質量評價后的源數據識別的結果絕大部分相對未挑選的數值要高，識別過程被適量優化。當然，圖中也存在少量識別結果低于未挑選的數值，其原因在于實際質量評價存在一定誤差，如同人肉眼選擇的結果一樣，則挑選的誤差數據也影響到了系統識別的結果，但此部分數據為可接受誤差，并未影響整體結果。

為克服實際評價中存在一定比率的錯誤數據，收集測試中所有錯誤數據對建模的過程數據進行分析，發現部分背景區域融合至人臉邊緣從而降低了邊緣識別［9］的準確性，造成部分清晰度評價較差圖片其對比度評價較高，其入選后并不能優化輸入數據的作用。后續調整評價參數的權重數據，再次用同樣的數據再次進行測試，分析結果發現，在滿足絕大部分數據正確的情況下，總存在少量錯誤數據，即在無法避免錯誤數據的情況下，只能將權重數據調整至系統準確率最高。

4 結束語

提出通過用人臉部紋理、輪廓邊緣等特征將照片的清晰度量化，采用照片中灰度區域分析將照片的對比度量化的思路及具體實現方法。給出了一種量化評價采集數據源的方法。從評價測試的結果可以看出，照片的清晰度及對比度是可以具體量化的指標，驗證了利用質量因素評價數據源并篩選是可行的。選擇角度分別從適合計算機量化以及人眼觀察的角度進行評價，數據表明采用這2個指標為照片評價過程的主要因素具有一定客觀性、誤差性。

對本次測試中的清晰度和對比度數據進行分析，選擇對建模過程中影響較大的評價因素清晰度為高權重比，可以提高識別模型的準確率并優化輸入端數據，從而降低系統的誤報率。當識別結果處于臨界狀態時，需要人為干預后確認結果，此時質量的另一個評價要素對比度就起到了增強人眼視覺識別的作用。由于選擇了高對比度照片提供操作人員進行處理，使人工確認更直觀準確，運行結果大部分符合預期，但仍存在小概率的誤差不可避免。如何在本文基礎上降低誤差比率，優化評價環節，是今后工作中需要進一步解決的問題和研究的方向，誤差的修正將更好地提升安防系統識別的精度。

該方法實用性較強，由于本次測試中所涉及的數據源來自于實際安防系統中，則測試結果亦可體現本方法在實際應用中起到降低誤報率，優化系統性能的作用。

［1］唐勇.人臉識別技術綜述［J］.硅谷，2011（9）：16-17.

［2］李丹.人臉檢測在機場離港旅客識別系統中的應用研究［D］.成都：四川大學，2005：10-12.

［3］胡大濤.人臉識別系統在機場安檢中的應用［J］.科技信息，2010，20：8-12.

［4］高原.門禁考勤系統中人臉識別的研究［D］.武漢：武漢理工大學，2012：7-10.

［5］劉歡喜.人體生物特征的綜合分析與應用［D］.上海：上海交通大學，2010：15-17.

［6］田源，于鳳芹.人臉檢測方法綜述［J］.計算機安全，2009（5）：14-15.

［7］江昊，何明一.基于特征約束點的紋理映射算法［J］.計算機仿真，2009（1）：25-29.

［8］陳柯，杜利民，趙向陽.基于三角剖分的人臉紋理映射［J］.微計算機應用，2007（1）：39-44.

［9］方昱春，王蘊紅，譚鐵牛.融合人臉輪廓信息和區域信息改進人臉檢測［J］.計算機學報，2004（4）：56-62.

A method of selecting source data of pictures in the modeling of face detection

WU Xian，LIU Qifeng
ShanghaiMarine Electronic Equipment Research Institute，Shanghai201108，China

The quality of input data is quite different，some poor quality pictureswill increase the rate of false alarm in the safety defense system.The purpose of this paper is to optimize these data and choose the source data formod-eling the face detection system.Using themethod of quantifying the picture evaluation indexes tomeasure the pic-tureswith the factors influencing quality of face，such as resolution，contrast ratio，etc.，then quantify and se-quence these factors，and thus derive the quality sequence ofdata source.In the software engineering practice，100 imageswere selected random ly to evaluate their quality，proving that the accuracy of evaluation reaches 95%.The data collected by themethod mentioned above were optimized and then used formodeling，proving that the false a-larm in the process of comparison can be reduced effectively and the accuracy of identification of safety defense sys-tem increased.

security system；face detection；selection；face definition；qualitymeasure

TP391.41

：A

：1009-671X（2015）01-033-03

10.3969／j.issn.1009-671X.201404005

http：//www.cnki.net／kcms／detail／23.1191.U.20150112.1530.011.htm l

2014-04-15.

日期：2015-01-12.

七二六研究所科技創新基金資助項目.

吳限（1982-），女，工程師.

吳限，E-mail：business.wu＠163.com.