云計(jì)算環(huán)境下人臉表情智能識(shí)別改進(jìn)技術(shù)研究

謝文達(dá)

(江門(mén)職業(yè)技術(shù)學(xué)院，廣東 江門(mén) 529090)

云計(jì)算環(huán)境下人臉表情智能識(shí)別改進(jìn)技術(shù)研究

謝文達(dá)

(江門(mén)職業(yè)技術(shù)學(xué)院，廣東 江門(mén) 529090)

隨著人臉識(shí)別技術(shù)的開(kāi)發(fā)，對(duì)于如何提高人臉表情智能識(shí)別改進(jìn)技術(shù)的研究也越來(lái)越多;如何提高人臉識(shí)別的準(zhǔn)確度和完整度是當(dāng)前發(fā)展的主要需要，而計(jì)算機(jī)云計(jì)算功能在人臉識(shí)別中的應(yīng)用在一定程度上解決了此問(wèn)題;通過(guò)改進(jìn)細(xì)菌覓食算法，再將其應(yīng)用到主要成分分析算法對(duì)圖像基本特征進(jìn)行提取分析;通過(guò)以上的算法輸入計(jì)算機(jī)網(wǎng)絡(luò)云儲(chǔ)存當(dāng)中，實(shí)現(xiàn)云計(jì)算技術(shù)在人臉識(shí)別中的應(yīng)用;文章將通過(guò)對(duì)于算法部署函數(shù)的辦法進(jìn)行圖片解析工作，并且利用智能人臉識(shí)別軟件對(duì)圖像進(jìn)行抽絲、分類、匹配等工作進(jìn)行功能狀態(tài)進(jìn)行測(cè)試;實(shí)驗(yàn)結(jié)果表明利用云計(jì)算技術(shù)通過(guò)連接網(wǎng)絡(luò)云計(jì)算系統(tǒng)可以對(duì)目前的人臉識(shí)別以及分類做到更高的準(zhǔn)確性和適應(yīng)性。

云計(jì)算環(huán)境；人臉表情識(shí)別；特征提取

0 引言

隨著科學(xué)技術(shù)的不斷發(fā)展和網(wǎng)絡(luò)技術(shù)的發(fā)展，配合人臉識(shí)別技術(shù)的應(yīng)用，推出在云計(jì)算環(huán)境下，如何進(jìn)行人臉表情實(shí)現(xiàn)智能識(shí)別功能，并且進(jìn)行改進(jìn)是十分必要的[1]。而且在發(fā)展中，云計(jì)算算法對(duì)于視覺(jué)發(fā)展尚有開(kāi)發(fā)空間，這也為人臉識(shí)別的發(fā)展和改進(jìn)提供了研究的可操作性。對(duì)于人臉識(shí)別的工作主要是先進(jìn)行圖像的基本特征提取和分析，接著將所得到的特征數(shù)據(jù)進(jìn)行求解程序解答，完成對(duì)于目標(biāo)函數(shù)的分析和研究，通過(guò)以上的大體操作來(lái)達(dá)到對(duì)于圖像識(shí)別效果的完成和工作[2]。

在以往的人臉識(shí)別技術(shù)當(dāng)中，只能對(duì)圖像色彩單一和背景色較為突出的情況實(shí)現(xiàn)，而如今攝影技術(shù)的不斷發(fā)展，這已經(jīng)不能滿足現(xiàn)在圖像中的人臉識(shí)別功能。為此通過(guò)利用細(xì)菌覓食算法的相關(guān)成分的分析辦法,對(duì)特征函數(shù)進(jìn)行分解,做到目前多種色彩環(huán)境下或者是3D圖像模型中實(shí)現(xiàn)更將強(qiáng)大的圖像識(shí)別功能和人臉識(shí)別能力[3]。而這僅僅是人臉識(shí)別功能發(fā)展中一個(gè)階段性的進(jìn)展，隨著計(jì)算機(jī)云計(jì)算算法的不斷應(yīng)用各個(gè)領(lǐng)域，在人臉識(shí)別技術(shù)當(dāng)中也有所表現(xiàn)。利用新的算法不僅僅可以滿足圖像色彩差的影響因素，還可以對(duì)于不同形態(tài)和狀態(tài)下的人臉進(jìn)行識(shí)別，做到全方位全景別下識(shí)別，加強(qiáng)了目前的人臉識(shí)別功能。而云計(jì)算算法尚處在開(kāi)發(fā)和改進(jìn)的過(guò)程當(dāng)中，在進(jìn)行人臉識(shí)別的時(shí)候很難達(dá)到滿意的穩(wěn)定度，在精度上還有待加強(qiáng)[4]。本文通過(guò)對(duì)目前云計(jì)算算法在人臉識(shí)別中的應(yīng)用，研究可以利用跡線追蹤和HADOOP云計(jì)算平臺(tái)對(duì)現(xiàn)今技術(shù)進(jìn)行改進(jìn)。加強(qiáng)對(duì)于人臉周圍輪廓和色彩的重新刻畫(huà)和背景色復(fù)雜或者是顏色較低的情況。最后利用細(xì)菌覓食算法進(jìn)行優(yōu)化，在MATHEMATICA Cloud云計(jì)算數(shù)據(jù)庫(kù)的支持下，完成對(duì)于人臉圖像的摳圖、分類、匹配工作[5]。通過(guò)實(shí)驗(yàn)驗(yàn)證，這種方法在于提高對(duì)于人臉表情智能識(shí)別度和準(zhǔn)確度有很大的提高。

1 改進(jìn)應(yīng)用算法

在進(jìn)行人臉識(shí)別技術(shù)功能中，主要的技術(shù)還是在于人臉圖像特征和提取部分。人臉圖像中會(huì)存在很多的細(xì)節(jié)特征，而每一個(gè)特征的準(zhǔn)確提取和分析都是現(xiàn)今人臉識(shí)別技術(shù)所需要的要求[6]。而在進(jìn)行特征分析中也會(huì)發(fā)現(xiàn)，這些特征中都會(huì)存在一定的規(guī)律和相似關(guān)聯(lián)性，而由于人臉特征數(shù)量較多和關(guān)聯(lián)性較為密集，每一項(xiàng)都進(jìn)行算法分析會(huì)使得產(chǎn)生巨大的數(shù)據(jù)量，導(dǎo)致函數(shù)計(jì)算上出現(xiàn)失誤和升維。而采用主要成分分析法可以將人臉圖像中的特征進(jìn)行自動(dòng)的分析和解算，使得進(jìn)行函數(shù)計(jì)算的特征數(shù)量有所減少，使得不會(huì)產(chǎn)生大量的數(shù)據(jù)干擾。

1.1 主要形成成分算法

在進(jìn)行主要形成成分分析算法中有7個(gè)步驟。一下為步驟的分步解讀[7-8]。

第一步，對(duì)數(shù)據(jù)進(jìn)行采集，形成一個(gè)集合x(chóng)，而該集合維度設(shè)為P，樣品集合為Xi:

x=(X1,X2,X3, …,XP)T

(1)

Xi=(X1i,X2i,…,Xpi)Ti=1,2,3,…,n

(2)

而面對(duì)樣本數(shù)據(jù)進(jìn)行提取和分析，以進(jìn)行標(biāo)準(zhǔn)化轉(zhuǎn)變將通過(guò)以下的公式，并且設(shè)Z為標(biāo)準(zhǔn)化陣：

(3)

(4)

(5)

第二步，分析在主要成分分析中所設(shè)的標(biāo)準(zhǔn)化矩陣的相關(guān)矩陣系數(shù)值，并且利用以下公式來(lái)進(jìn)行數(shù)值的計(jì)算和分析：

(6)

(7)

第三步，通過(guò)上述公式引出數(shù)值變量R，接著引用一下公式方程來(lái)進(jìn)行數(shù)值的特征數(shù)據(jù)解釋和算法：

|R-λIp|p=0

(8)

并且通過(guò)另一個(gè)公式來(lái)進(jìn)行m值的確定，保證在上式中出現(xiàn)的λj可以得到準(zhǔn)確的特征向量數(shù)值bj，而且做到單項(xiàng)對(duì)應(yīng)以求分析：

(9)

第四步，將以上公式得到的數(shù)據(jù)和分析的變量指標(biāo)轉(zhuǎn)化為可以用于主要成分分析算法中的可以進(jìn)行的數(shù)據(jù)變量。并且分為將公式中的U分為從1到5進(jìn)行編號(hào)分類，分成五個(gè)部分，而將UP設(shè)為主要成分。公式如下：

(10)

第五步，將樣本圖像進(jìn)行人臉圖像處理，利用幾何原理，進(jìn)行歸一化處理。將圖像中現(xiàn)實(shí)的像素看成像素點(diǎn)，以一點(diǎn)像素作為基本單位，并且將每一點(diǎn)的像素單位儲(chǔ)存在列向量數(shù)據(jù)庫(kù)中。

第六步，為做到對(duì)上述數(shù)據(jù)統(tǒng)計(jì)和分析，已作系統(tǒng)對(duì)于圖像特征的最后結(jié)果判斷，將這些經(jīng)過(guò)算法得出的統(tǒng)計(jì)數(shù)據(jù)轉(zhuǎn)化為函數(shù)表示的空間坐標(biāo)。而利用一下公式原則來(lái)轉(zhuǎn)變函數(shù)式：

(11)

坐標(biāo)函數(shù)轉(zhuǎn)化方式：

yi=UT(xi-μx)=UTwi

(12)

第七步，最后利用以上數(shù)據(jù)和綜合，統(tǒng)合到主要成分分析算法當(dāng)中，利用算法公式來(lái)對(duì)得到的人臉數(shù)據(jù)進(jìn)行計(jì)算，得出主要特征分析，以求得人臉識(shí)別[9]：

wi=xi-μx

(13)

(14)

(15)

1.2 細(xì)菌覓食算法對(duì)其優(yōu)化

以上的主要成分形成算法為當(dāng)前的人臉識(shí)別系統(tǒng)操作應(yīng)用到的基本算法，通過(guò)對(duì)其研究，本文提出利用細(xì)菌覓食算法在這里的應(yīng)用，以做到對(duì)其優(yōu)化，實(shí)現(xiàn)人臉識(shí)別數(shù)據(jù)最優(yōu)。首先要利用細(xì)菌覓食算法對(duì)以上的公式進(jìn)行解析工作，其中將利用到公式：

(16)

在進(jìn)行細(xì)菌覓食算法中，每一次步長(zhǎng)的增長(zhǎng)數(shù)值都會(huì)小于第一次增長(zhǎng)的數(shù)值。而且第一次增長(zhǎng)時(shí)所需要進(jìn)行的步長(zhǎng)需要進(jìn)行很大的數(shù)值輸入，使得整個(gè)系統(tǒng)對(duì)其進(jìn)行運(yùn)算的速度加快，為后期的分解和解析工作提供更為精確的數(shù)據(jù)和收斂速度。而且要建立較為完善的動(dòng)態(tài)跟蹤機(jī)制，使得細(xì)菌的增長(zhǎng)速度處于穩(wěn)定的情況下，而且排列順序始終是從小到大的規(guī)律進(jìn)行，不會(huì)出現(xiàn)亂序的現(xiàn)象。通過(guò)以上的操作可以加強(qiáng)細(xì)菌群落的整體覓食現(xiàn)象和狀態(tài)，加強(qiáng)圖像各個(gè)點(diǎn)位的特征提取。而為保證增長(zhǎng)的穩(wěn)定和細(xì)菌的合理化運(yùn)作需要進(jìn)行較為完善的菌落繁殖變異，利用克隆復(fù)制以及發(fā)送的方式來(lái)實(shí)現(xiàn)。并且通過(guò)一下的公式來(lái)進(jìn)行算法。其中將工作中最為突出的細(xì)菌群落設(shè)為X，而進(jìn)行克隆繁殖的細(xì)菌群落設(shè)為Y，并且對(duì)適應(yīng)度數(shù)值F進(jìn)行標(biāo)準(zhǔn)作業(yè)，使其在現(xiàn)行圖像分解中更加適用。進(jìn)行以下公式：

(17)

(18)

變異需要進(jìn)行的公式，將克隆得來(lái)的細(xì)菌群落進(jìn)行變異為群落Z，變異公式如下：

Y(i)=Y(i)+βrandomn(Z)

(19)

式中,random是隨機(jī)函數(shù)，而對(duì)于β這個(gè)產(chǎn)生于變異的概率數(shù)值則需要進(jìn)行以下公式來(lái)進(jìn)行計(jì)算，并且得出在個(gè)體適應(yīng)度越高的情況下，變量β的出現(xiàn)概率則會(huì)大大加強(qiáng)：

β=e-F(n-i+1)

(20)

在以往的細(xì)菌覓食算法中，都存在著一個(gè)概率，為遷移率，而為了進(jìn)行細(xì)菌的遷移工作，一般都是會(huì)將遷移率調(diào)整到大于隨機(jī)數(shù)數(shù)目的數(shù)值之上。而這種方式的解析和遷移也存在著很難實(shí)現(xiàn)細(xì)菌適應(yīng)性的提高和對(duì)算法的優(yōu)化，甚至在有些情況下，細(xì)菌無(wú)法工作完成對(duì)各個(gè)像素點(diǎn)的收集和解析[10-12]。而在本文的優(yōu)化中實(shí)現(xiàn)了個(gè)體遷移率被驅(qū)散的概率達(dá)到0的成就，而這樣的數(shù)據(jù)現(xiàn)狀可以將細(xì)菌在圖像中搜索像素點(diǎn)的速度加快和提高穩(wěn)定性。為此，本著優(yōu)化結(jié)構(gòu)的攝像提出這種細(xì)菌覓食算法的整體結(jié)構(gòu)模型，將其制成圖表以顯示，如圖1、圖2。

圖1 細(xì)菌覓食算法流程結(jié)構(gòu)圖

圖2 細(xì)菌最優(yōu)個(gè)體選拔流程(輔助流程圖)

2 實(shí)驗(yàn)與分析

本文通過(guò)對(duì)以上算法的分析和解釋，設(shè)計(jì)出一種人臉表情識(shí)別系統(tǒng)，通過(guò)對(duì)幾組不同的人物圖像在軟件中進(jìn)行實(shí)際操作，觀察識(shí)別情況和現(xiàn)象，求得最后應(yīng)用的效果和完成度[13]。其中進(jìn)行3種不同類型的實(shí)驗(yàn)，為面部普通識(shí)別，帶有條件的面部識(shí)別，人物圖像匹配程度識(shí)別。

2.1 面部普通識(shí)別實(shí)驗(yàn)

實(shí)驗(yàn)過(guò)程為將準(zhǔn)備好的圖像輸入到計(jì)算機(jī)軟件當(dāng)中，設(shè)計(jì)的系統(tǒng)會(huì)自動(dòng)對(duì)圖像中的像素點(diǎn)進(jìn)行掃面，并將具有顯著特征的部分進(jìn)行像素矩陣排列，運(yùn)用以上的算法進(jìn)行顯著和重要特征進(jìn)行提取。效果圖為圖3(b)。

圖3 提取圖像的基本特征進(jìn)行像素點(diǎn)標(biāo)示

通過(guò)像素的標(biāo)示，可以看出有些像素點(diǎn)為背景特征，在進(jìn)行人臉識(shí)別過(guò)程中可以將這些出現(xiàn)的背景像素予以提出，以實(shí)現(xiàn)摳圖效果。而根據(jù)的是在云計(jì)算庫(kù)中所儲(chǔ)存的人物特征數(shù)據(jù)，以此來(lái)進(jìn)行自動(dòng)的分辨。并且最后做出人臉識(shí)別工作

[14]

。其效果展示可以很好的將人臉從色彩繁雜的圖像中識(shí)別出來(lái)，其準(zhǔn)確度極高。用圖4來(lái)表示通過(guò)摳圖處理后的圖像和進(jìn)行人臉識(shí)別后的圖像。

圖4 提取圖像基本特征的摳圖和人臉識(shí)別顯示

2.2 帶有條件的面部識(shí)別實(shí)驗(yàn)

實(shí)驗(yàn)流程依然選取以上的辦法進(jìn)行，但是在實(shí)驗(yàn)樣本圖像選擇上，依照本次實(shí)驗(yàn)的選取目的，帶有性別分別的人物圖像樣本。本次實(shí)驗(yàn)分析在進(jìn)行3種圖像識(shí)別實(shí)驗(yàn)，其根據(jù)條件為，人像識(shí)別，性別識(shí)別中的男性和女性識(shí)別[15-17]。而特征汲取源地也為云計(jì)算數(shù)據(jù)庫(kù)中所儲(chǔ)存的男女性別特征。通過(guò)原圖、人像識(shí)別圖、男性識(shí)別圖、女性識(shí)別圖進(jìn)行樣本實(shí)驗(yàn)結(jié)果展示，從實(shí)驗(yàn)圖像分析來(lái)看，設(shè)計(jì)出來(lái)的人像識(shí)別系統(tǒng)可以做到對(duì)性別的最大優(yōu)化分析，并且標(biāo)注出來(lái)。實(shí)驗(yàn)樣本圖像為圖5。

2.3 人像匹配程度實(shí)驗(yàn)

本次實(shí)驗(yàn)所選取的是張學(xué)友先生在不同的環(huán)境下和裝扮下的圖片，根據(jù)系統(tǒng)中的儲(chǔ)存數(shù)據(jù)進(jìn)行對(duì)比分析。通過(guò)樣本圖像中的基本特征和重要特征和數(shù)據(jù)庫(kù)中的特征進(jìn)行比對(duì)，發(fā)現(xiàn)具有很明顯的相似度。盡管在實(shí)驗(yàn)中沒(méi)有輸入此圖片是張學(xué)友先生，但是系統(tǒng)根據(jù)相似度的判定，根據(jù)數(shù)據(jù)內(nèi)部?jī)?chǔ)存的資料，最后得出結(jié)論此圖片為張學(xué)友先生。并且對(duì)各個(gè)圖片的相似度進(jìn)行了數(shù)據(jù)表格的分析，制成表格表1。

圖6 人臉匹配程度顯示圖

表1 不同人臉圖像的相似度對(duì)比表

通過(guò)此表格可以看出這個(gè)人臉識(shí)別系統(tǒng)進(jìn)行以上算法優(yōu)化之后，對(duì)于人臉識(shí)別的辨識(shí)程度均達(dá)到了0.95以上，辨識(shí)度極高，對(duì)于人臉辨識(shí)程度可以做到最優(yōu)。

2.4 實(shí)驗(yàn)結(jié)論

通過(guò)以上3種不同形式的人像表情識(shí)別實(shí)驗(yàn)，可以看出，盡管圖像處于色彩較多，干擾因素較多的情況下，都可以現(xiàn)進(jìn)行特征分析，將不屬于人臉的特征通過(guò)云計(jì)算數(shù)據(jù)庫(kù)中信息比較而排除出去，并且對(duì)剩下的像素點(diǎn)進(jìn)行精確地分析和解析，通過(guò)人臉特征數(shù)據(jù)和數(shù)據(jù)庫(kù)中對(duì)比挖掘出人臉部分，對(duì)圖像中人臉進(jìn)行優(yōu)化識(shí)別，以及完成度極高。

3 結(jié)束語(yǔ)

人臉識(shí)別是目前現(xiàn)代化技術(shù)當(dāng)中一個(gè)較為新型的技術(shù)，而且隨著科技的發(fā)展其應(yīng)用也越來(lái)越廣泛，而且現(xiàn)今也不僅僅應(yīng)用于人臉識(shí)別，對(duì)于汽車識(shí)別，牌照識(shí)別等都有著不俗的表現(xiàn)。而本文研究的算法，利用細(xì)菌覓食算法對(duì)人臉識(shí)別技術(shù)進(jìn)行優(yōu)化升級(jí)，綜合計(jì)算機(jī)云計(jì)算算法，通過(guò)對(duì)于數(shù)據(jù)庫(kù)中進(jìn)行特征比對(duì)，實(shí)驗(yàn)表明，其系統(tǒng)有很高的完成度和準(zhǔn)確度，較以往的人臉識(shí)別系統(tǒng)更加優(yōu)化和升級(jí)。

[1] 許少榕.基于互聯(lián)網(wǎng)云計(jì)算的人臉識(shí)別算法研究[J].長(zhǎng)春工程學(xué)院學(xué)報(bào),2016,17(3):111-115.

[2] 王俊奇，李 闖，董 曄.Bishop法的半解析解及其廣義教學(xué)模型[J].水利與建筑工程學(xué)報(bào),2015,(6):123-128.

[3] 李立賽.基于改進(jìn)LTP算子和稀疏表示的人臉表情識(shí)別[J].五邑大學(xué)學(xué)報(bào),2015,29(2):49-54.

[4] 張 娟，詹永照，毛啟容，等.基于Gabor小波和稀疏表示的人臉表情識(shí)別[J].計(jì)算機(jī)工程,2012,38(6):207-209.

[5] 宋克臣，顏云輝，陳文輝，等.局部二值模仿方法研究與展望[J].自動(dòng)化學(xué)報(bào),2013,39(6):730-744.

[6] 彭 帆, 徐志京, 葉 麗. 基于WSSRC單樣本人臉識(shí)別及樣本擴(kuò)充方法研究[J]. 計(jì)算機(jī)測(cè)量與控制, 2016, 24(10)：25-26.

[7] 陳向震. 基于深度學(xué)習(xí)的人臉表情識(shí)別算法研究[D]. 沈陽(yáng)：沈陽(yáng)工業(yè)大學(xué), 2016.

[8] 金 燦. 面向人工智能的人臉表情識(shí)別系統(tǒng)研究[J]. 電子技術(shù)與軟件工程, 2016,10(14):260-260.

[9] 丁澤超. 多特征融合人臉表情識(shí)別方法研究[D]. 鎮(zhèn)江：江蘇大學(xué), 2016.

[10] 孔瑋婷, 皋 軍, 丁澤超,等. 基于稀疏表示的人臉表情識(shí)別算法研究[J]. 軟件導(dǎo)刊, 2016, 15(6):31-33.

[11] 產(chǎn)文濤. 基于卷積神經(jīng)網(wǎng)絡(luò)的人臉表情和性別識(shí)別[D].合肥：安徽大學(xué), 2016.

[12] 趙棟杰. 改進(jìn)的LBP算子和稀疏表達(dá)分類在人臉表情識(shí)別上的應(yīng)用[J]. 電子設(shè)計(jì)工程, 2016, 24(20):174-177.

[13] 任 磊. 基于靜態(tài)圖像的人臉表情識(shí)別算法的研究[D]. 沈陽(yáng)：沈陽(yáng)工業(yè)大學(xué), 2016.

[14] 岳 雷, 沈庭芝. 基于自動(dòng)提取特征點(diǎn)的三維人臉表情識(shí)別[J]. 北京理工大學(xué)學(xué)報(bào), 2016,23(5):508-513.

[15] 吳 晴. 基于局部二值模式和非負(fù)矩陣分解的人臉表情識(shí)別[D]. 南京：南京郵電大學(xué), 2016.

[16] 何 俊, 蔡建峰, 房靈芝,等. 基于LBP/VAR與DBN模型的人臉表情識(shí)別[J]. 計(jì)算機(jī)應(yīng)用研究, 2016, 33(8):2509-2513.

[17] 許少榕. 基于互聯(lián)網(wǎng)云計(jì)算的人臉識(shí)別算法研究[J].長(zhǎng)春工程學(xué)院學(xué)報(bào)(自然科學(xué)版), 2016, 17(3):256-263.

Research on Intelligent Recognition and Improvement of Facial Expression in Cloud Computing Environment

Xie Wenda

(Jiangmen Polytechnic,Jiangmen 529090,China)

With the development of face recognition technology, more and more research on how to improve the intelligent recognition technology of facial expression is also more and more. How to improve the accuracy and integrity of face recognition is the main need of the current development, and the application of computing and cloud computing to face recognition has solved this problem to a certain extent. Through the improved bacterial foraging algorithm, and then it is applied to the main component analysis algorithm to extract the basic characteristics of the image analysis. Through the above algorithm into the computer network cloud storage, cloud computing technology to achieve the application of face recognition. This article will through image analysis for the algorithm's function deployment, and spinning, the image using intelligent face recognition software, classification, work function test. The experimental results show that the cloud computing system can achieve higher accuracy and adaptability to the current face recognition and classification by using the cloud computing technology.

cloud computing environment; facial expression recognition; feature extraction

2016-12-03；

2017-01-05。

謝文達(dá)(1979-)，男，廣東陽(yáng)江人，碩士研究生，副教授，主要從事計(jì)算機(jī)應(yīng)用虛擬現(xiàn)實(shí)方向的研究。

1671-4598(2017)05-0162-03

10.16526/j.cnki.11-4762/tp.2017.05.045

TP391

A