基于PCA人臉識別方法的考勤系統的設計

佟嘉岐+賀青+遲宗濤

摘 要：隨著技術不斷的發展，人臉識別技術的應用越來越廣泛。本文通過研究PCA人臉識別方法，設計出一套考勤系統。首先對獲取的原始人臉圖片進行預處理和人臉定位，然后通過PCA對定位后的人臉圖片進行特征提取，最后將圖片中提取的特征參數和后臺人臉特征數據庫中的信息進行對比來完成人臉識別功能，記錄員工的出勤情況，以完成對工作人員的考勤工作。

關鍵詞：PCA；特征提取；人臉識別

DOI：10.16640/j.cnki.37-1222/t.2017.13.137

0 引言

人臉識別是當前模式識別領域的一個熱點，人臉識別技術就是利用計算機技術，根據數據庫的人臉圖像，分析提取出有效的識別信息，用來“辨認”身份的技術。如今，它在考勤系統方面有著廣泛的應用。在實際應用中，人臉圖像由于受光照、表情以及姿態等因素的影響，使得同一個人的臉像矩陣差異也比較大。因此，進行人臉識別時，所選取的特征必須對上述因素具備一定的穩定性和不變性。本文就是基于PCA人臉識別方法在考勤系統中的研究，主元分析（PCA）方法是一種有效的特征提取方法，將人臉圖像表示成一個列向量，經過PCA 變換后，不僅可以有效地降低其維數，同時又能保留所需要的識別信息，這些信息對光照、表情以及姿態具有一定的不敏感性。這種方法在解決小樣本、非線性及高維模式識別問題中表現出許多特有的優勢，從而保證了考勤數據真實有效性。

1 考勤系統設計方案

本考勤系統是由數個攝像頭、客戶機、應用服務器和數據庫服務器組成，其系統結構圖如圖1所示。整個系統以太網作為傳輸媒介，通過一個集線器（HUB）將分布的攝像頭和客戶機連入局域網。

圖像采集端利用Directsho技術對攝像頭進行控制，實現視頻圖像的預覽，并在預覽的過程中對實時的視頻進行抓拍，將抓拍圖像傳至傳輸至應用服務器，然后通過基于PCA人臉識別軟件進行識別處理。

數據庫服務器上的關系數據庫使用了Access，數據庫中的信息包括員工的基本信息、員工的人臉特征信息和考勤記錄等。其中，員工的人臉特征信息是與獲得的人臉特征參數進行比對的基礎。考勤記錄用于記錄員工出勤等考勤結果數據，它是應用服務器根據一定的考勤規則所得出的結果。

應用服務器是用來進行考勤系統的運行。錄入和修改員工的基本信息，以及錄入人臉的特征信息并將其存入后臺數據庫中是在應用服務器上進行的。

2 人臉識別

人臉識別技術系統主要可分為四個組成部分：對獲取的人臉圖像的預處理，人臉定位，人臉圖像特征提取和特征匹配與識別。一般人臉識別系統構架如圖2所示。

2.1 人臉圖像預處理

所謂人臉圖像預處理，就是基于人臉檢測結果，并對人臉圖像進行處理，最終服務于人臉特征提取的過程。系統獲取的原始人臉圖像由于受到隨機干擾和各種條件的限制，通常不能直接使用，預處理的過程主要涉及人臉圖像的光線補償、灰度變換、幾何校正、直方圖均衡化、歸一化、濾波以及銳化等。

（1）攝像頭所處環境不同，它得到的圖片可能會存在光線不均的情況，會影響對特征的提取，就需要人臉圖像的光線補償。（2）灰度變換是為了簡化信息，比如彩色圖有三色值及通明度等，但是灰度化以后就只剩下一個灰度值了，這樣便于進行進一步處理。當然，灰度化并不影響圖像的主要信息。（3）圖像增強的目的是改善圖像的視覺效果，通過圖像增強，可以減少圖像中的噪聲，提高目標與背景的對比度，也可以強調或抑制圖像中的某些細節。（4）為使濾波效果更加明顯，我們預先為人臉圖像人為增加噪聲，然后用自適應濾波方法對圖像進行濾波處理。（5）銳化處理的作用是用來強調圖像中被模糊的細節，在本系統中，采用了預定義高斯濾波器的方法對圖像進行銳化濾波。（6）直方圖均衡可以使輸入圖像轉換為在每一個灰度級上都有相同像素點數的輸出圖像（即輸出的直方圖是平的）。這對于圖像比較或分割是十分有用的。設圖像有N個灰度級，M個像素點，是輸入圖像a （x ，y）的直方圖，圖像b （x， y）是輸入圖像直方圖均衡后的輸出，依照下面的公式進行直方圖均衡：

2.2 人臉定位

人臉檢測定位算法采用的基于顯式特征的方法。所謂顯式特征是指對人類肉眼來說直觀可見的特征，如膚色、臉部輪廓、臉部結構等，總結出人臉區別于“非人臉”區域的特征，然后根據被檢測區域是否滿足這些“人臉特征”，來判定該區域是否包含人臉。根據所選擇的“人臉特征”，選擇基于先驗知識的方法。基于先驗知識的方法則采用符合人臉生理結構特征的人臉鑲嵌圖模型，并在分析了足夠多的人臉圖像樣本的基礎上，針對人臉的灰度、邊緣、紋理等信息，建立一種關于人臉的知識庫。在檢測中，首先抽取這些灰度、邊緣等信息，然后檢驗它是否符合知識庫中關于人臉的先驗知識。運用matlab軟件仿真進行人臉檢測定位舉例如圖3所示。

2.3 PCA對人臉圖像的特征提取

實際中的攝像頭采集的人臉圖片的信息量是非常大的，直接處理產生龐大的計算量，所以在人臉識別之前要進行特征提取。本系統使用主元分析算法實現對人臉圖像的特征提取。主元分析（PCA）方法是一種有效的特征提取方法，它基于KL分解，不僅可以有效地降低其維數，同時又能保留所需要的識別信息。它的原理就是將一高維的向量，通過一個特殊的特征向量矩陣，投影到一個低維的向征的向量和這個特征向量矩陣，可以完全重構出所對應的原來的高維向量。

PCA對人臉圖像的特征提取算法如下：

對于一幅w×h的圖將其列排列起來形成一個列向量v。假設人臉訓練集中有N幅圖像，則這N個列向量羅列起來形成一個（w×h） ×N 維的矩陣X。

設它的特征值 λi，（i=1，2，…，wh） 按大小降序排列，對應的特征向量（正交歸一化后）ui。取前 L 個特征向量構成投影矩陣 W=（u1，u2，…，uL），L 的取值可以根據特征值的累計貢獻率來確定：

一般 α=90%～99%。

上面選取的前L個特征值對應的特征向量就叫做主成分，它所構成的投影矩陣W就是主成分矩陣，原來高維 （wh×1） 的圖像列 Xi 經過投影矩陣降維后的結果為：

F為 L×1 位的列向量。這樣就達到了降維的效果，也就是提取了有用的特征，且盡量地保留原來向量的內部信息。

2.4 特征匹配與識別

通過PCA對人臉圖像的特征提取獲得了人臉特征參數，將圖片中提取的特征參數和后臺人臉特征數據庫中的信息進行匹配，找出與特征最相近的參數，再對該參數進一步分析，確認該人的相關的信息，來完成人臉識別功能。

3 系統測試

測試流程：考勤控制器通過攝像頭捕獲到人臉圖像，并把該圖像發送到服務端進行人臉識別。若人臉識別通過，則記錄人員出勤一次，存儲在數據庫中。未通過識別，人員需再測一次。其基本流程如圖4所示。

通過對系統功能的測試，系統的功能比較完整，能夠成功地運行。本系統可以較好地完成用戶的添加、刪除及登陸，管理人員用戶登陸系統后能夠對員工信息進行管理，也實現員工的出勤信息登記和出勤信息統計分析管理操作的功能。

4 結論

本文是基于PCA人臉識別方法的考勤系統的設計，PCA技術的一大好處是對數據進行降維處理，可以對新求出的“主元”向量的重要性進行排序，根據需要取前面最重要的部分，將后面的維數省去，可以達到降維從而簡化模型或是對數據進行壓縮的效果，同時最大程度的保持了原有數據的信息。通過對系統功能的測試，表現出系統的功能比較完整，能夠成功地運行，能夠以高識別率實現識別人臉功能，出色完成考勤任務，從根本上上解決了普通打卡等考勤方式中出現的代打等問題。這對公司的考勤工作效率有很大的提高，對未實行考勤制度管理的企業有一定的指導意義。

參考文獻：

[1]朱娜.人臉識別中特征提取方法的研究[J].昆明理工大學，2009.

[2]黃福，苑全兵，紀麗婷，趙柳，王立建.基于人臉識別的考勤系統的設計與研究[J].電腦開發與應用，2010，23（03）：37-39.

[3]陸其明.DirectShow開發指南[M].清華大學出版社，2003.

[4]伍茲等.數字圖像處理（第三版）[M].電子工業出版社，2011.

[5]王婷.人臉識別與人眼定位方法研究[D].河南大學，2007.

[6]陳金西.基于PCA人臉識別系統設計與實現[J].廈門理工學院學報，2013，21（03）：40-44.

作者簡介：佟嘉岐（1992-），男，碩士研究生，主要研究方向為電磁測量與電子計量、智能傳感器技術。