基于年齡變化的人臉識別

范銘升　吳漢樞

摘要：本文基于對數字圖像處理問題的研究，建立了圖像預處理模型與圖像相似度計算模型，同時從輪廓檢測與提取和特征識別方面對模型進行了修正。第一，在圖像預處理模型中，本文采用Niblack二值化算法對人臉斑點、膚色和皺紋等一些皮膚細節部分進行濾波處理，通過設置閾值來除去皮膚細節等問題，實現對圖像特征區域的粗略提取。第二，在邊緣檢測模型中，本文采用的是高斯濾波和拉普拉斯邊緣檢測算法相結合的方法，使用高斯—拉普拉斯算子對圖像實行邊緣檢測，通過檢測得到進而獲取人臉的輪廓。第三，在圖像相似度計算中，本文建立了基于SVD奇異矩陣分解的PCA主成分分析模型，實現對圖像特征向量的提取，然后采用巴氏距離算法計算人臉輪廓圖像相似度。

關鍵詞：Niblack二值化算法；邊緣檢測；主成分分析；巴氏距離算法

在計算機和多媒體技術高速發展的當今世界，關于人臉識別的問題從來都是很具有研究性的課題。對于一個人從小到大的過程， 如果沒有整容的經歷， 那么這個人年輕時和年長時的面部總會保留很大的相似性，本文據此特點進行研究分析。

1 圖像預處理

Niblack二值化算法可以去除圖像中的人臉斑點和皺紋等的干擾，從而能夠比較粗略地提取出人臉的特征區域。

該算法的基本原理就是：對于圖像中每一個像素點，在它的鄰域內，計算出相應的閾值，然后二值化處理。將中心點以及其領域r×r范圍內二值化后的結果為b（x，y），g（x，y）為中心點的灰度值，算法過程如下：

（1）首先計算中心坐標r×r范圍內均值灰度m（x，y）與標準方差s（x，y），然后根據方差和均值灰度計算出中心點的閾值，如下式

T（x，y）=m（x，y）+k·s（x，y）（1）

（2）根據均值灰度、標準方差和上式計算的閾值，將中心點二值化可得：

b（x，y）=0，g（x，y）≤t（x，y）255，g（x，y）>t（x，y） （2）

接下來把下一個點作為中心點，重復上述步驟，并繪出灰點直方圖。幼年期和青年期人臉圖像原始灰度圖、灰點直方圖、Niblack二值化和二值化對比如圖1、圖2。

2 邊緣檢測與輪廓提取

本文采用將高斯濾波和拉普拉斯邊緣檢測算法相結合的方法，用高斯—拉普拉斯算子對圖像實行邊緣檢測，實現人臉的輪廓的獲取，具體過程如下。

圖像的邊緣處灰度值函數的拉普拉斯計算為：

2f=div（f）=2fx2+2fy2（注：div為散度） （3）

在圖像邊緣處，如果f（x，y）的拉普拉斯運算產生零點，即可判斷為圖像的邊緣。在經過邊緣檢測之后，將提取的輪廓用于下一步相似度求解。

3 相似度求解

在統計中，巴氏距離算法不僅可以測量相似度，還與衡量兩個物品之間的重疊量的巴氏系數息息相關。

巴氏距離的定義如下：

DB（p，q）=-ln（BC（p，q）（4）

其中，BC是巴氏系數，通過巴氏系數可反映出p和q間的巴氏距離，巴氏距離越接近于1，兩幅圖像的相似度越高。

通過MATLAB得出灰度直方圖對比結果如圖3所示，可以發現兩張圖片的灰度直方圖分布基本一致。

據此，進一步對兩張輪廓照片進行量化，并進行定量求解相似度，重新使用MATLAB求解得結果：HistDist=0.9519。

4 結語

人臉通常是一張圖像的重要信息，對于一個人從小到大的過程，如果沒有整容的經歷，那么這個人年輕時和年長時的面部總會保留很大的相似性，本文所述方法正是利用這一特點實現了基于年齡變化的人臉識別。

參考文獻：

[1]黃福珍，佘星星.基于膚色和人臉形狀約束的正面人臉輪廓提取算法[J].上海電力學院學報，2012，28（4）：361364.

[2]張媛，張燕平.一種PCA算法及其應用[J].計算機技術與發展，2005，15（2）：6768.

[3]任成娟.基于LPP_SIFT和巴氏距離相結合的人臉識別算法[J].電子設計工程，2015，（2）：3537.