基于人臉識別的罪犯抓捕系統

作者/段鈺龍，天津市實驗中學

基于人臉識別的罪犯抓捕系統

作者/段鈺龍，天津市實驗中學

目前，在中國罪犯在逃率很高。公安系統對在逃罪犯還不能做到實時追蹤，抓捕過程仍有一定難度。本系統將人臉識別與交通電子眼相結合，實時地對罪犯進行追蹤，能幫助公安系統提高破案效率、及時抓捕逃犯。本系統是直接通過電子眼進行人臉檢測，并對采集的圖像進行灰度化、二值化、直方圖均衡化、中值濾波等預處理，采用主成分分析法（Principal Component Analysis，PCA)進行圖像特征提取；將特征數據與公安系統犯罪人員信息庫里的數據進行匹配與識別，找到罪犯、鎖定其位置并自動報警。

罪犯抓捕；人臉識別；中值濾波；PCA

1.人臉識別的罪犯抓捕系統

■1.1 設計基于人臉識別的罪犯抓捕系統的重要性

在逃犯罪嫌疑人，對人民群眾生命財產安全形成嚴重威脅，應盡快將其抓捕歸案，解除危害。設計這套系統就是為了能隨時追蹤罪犯，及時報警，保證公共安全。

■1.2 當前罪犯抓捕方式的現狀與弊端

警力調查是抓捕罪犯最常見的方式，這種方式需要投入大量警力深入地去調查罪犯的蹤跡，還需要人民群眾的大力配合。

這些傳統方法的缺陷是：①在財力、物力及人力方面花費都很多；②憑經驗、憑影像、“人海戰術”效率低;③商場、高樓、車站等公共區域的監控資料死角多，信息不全面；④這些調查都是事后調查，有滯后，往往會錯過最佳抓捕時間。

■1.3 本產品的創新點

目前電子眼在城市的覆蓋率極高，本系統便利用它的“點控”、“線控”、“面控”的特點，直接利用電子眼采集人臉圖像，然后進行灰度化、中值濾波、直方圖均衡化等的預處理；再使用主要成分分析法對圖像進行特征提取；并將特征數據與公安系統犯罪人員信息庫里的數據進行匹配與識別，找到罪犯、鎖定其位置并自動報警。

論文的結果及數據可為公安系統提供參考，可以為偵破犯罪案件提供線索。而人臉識別是本產品的關鍵技術。

2.人臉識別

人臉識別可以經過計算機來處置人臉圖像，目的主要是為了驗證身份，主要包括圖像采集、預處理、特征提取、圖像匹配及識別四個部分。

■2.1 圖像采集與檢測

由于目前電子眼在城市的覆蓋率極高，本系統便利用它的“點控”、“線控”、“面控”的特點，直接利用電子眼所采集的人臉圖像進行檢測。

■2.2 預處理

輸入的原圖像由于遭到外界條件的干擾，不能在視覺系統中直接使用，有必要對其進行處理，這個過程被稱之為圖像的預處理[1]。預處理的過程如圖1所示。

2.2.1 圖像的灰度化

因為彩色圖像中三種色彩是混合的，要對彩色圖像進行識別往往困難很大，且識別時會受到復雜背景的影響，造成不少缺陷。而灰度圖像是將圖片不同區域的顏色進行量化，所以灰度化圖像容易完成識別[2]。

圖1 圖像的預處理流程

圖像的灰度化主要由幾個步驟完成，如圖2所示。

圖2 圖像的灰度流程

彩色圖像轉化成灰度圖像的公式如式（1）所示。

2.2.2 二值化

在預處理的過程中，二值化的作用是把人的頭發，眼睛臉的邊緣輪廓及背影與人臉的亮域進行分割。通過選擇合適的閥值，將前面得到的灰度圖像的灰度值變為只剩0和255的黑白圖像。通常，圖像二值化閾值選擇方式有三種：整體閥值法、局部閾值法、動態閥值法。而動態閥值法相對前面兩種方法，適應性和性能會更好，所以通常采用動態閥值法進行二值化處理。

2.2.3 直方圖均衡化

直方圖均衡的原理是將各灰度級分量盡可能分布均勻目的是為了加強人臉圖像的對比度。另外，它還能減少光線對人臉圖像的影響，更容易地提取到人臉特征。

圖像的直方圖均衡化的計算包含以下步驟：

①列出原圖像和變換后圖像的灰度級 fk∶k = 0,1,···,L ? 1，其中L是灰度等級總數。

②計算直方圖各灰度等級的出現總數：

其中 nk為原圖像各灰度級的像素個數， k = 0,1,···,L ? 1;n為原圖像的像素總個數。

③計算累積直方圖：

④計算輸出圖像的灰度等級ig：

公式中P表示輸出圖像的灰度級個數，i=0,1，…，p–1

⑤用以下的公式計算輸出圖像的直方圖

2.2.4 中值濾波

經過前面操作后的圖像，可能還會一些噪聲。而這些噪聲無論對于人臉的定位還是特征提取都會有不同程度的影響，所以有必要對它們進行處理，盡可能去除噪聲的影響。

本設計主要采用中值濾波方法來去除噪聲。

中值濾波實現步驟：

（1）首先，將模板與目前得到的圖像進行比較，然后把模板中心與圖像中某個像素位置重合；

（2）讀取模板下各對應像素的灰度值；

（3）將這些灰度值從小到大排成一列；

（4）找出這些值里排在中間的一個；

（5）將這個中間值賦給對應模板中心位置的像素。

由以上過程可以看出，中值濾波的作用就是把與周圍像素灰度值的差比較大的像素變成與周圍像素值接近的值，能夠去除獨立噪聲。換句話說，中值濾波即能消除噪聲又能保持圖像的細節[3]。

■2.3 特征提取的方法

特征提取就是經過提取人的眉、眼、鼻、口、下巴等重要特征點的幾何形狀作為基礎特征，把人臉用一組幾何特征矢量表示，然后再進行識別。

目前，人臉特征的選擇和提取主要有基于幾何特征的方法、基于代數特征的方法、基于神經網絡的方法，而本文采用的是主成分分析法（PCA）。它是使用K–L變換得到人臉各部分的主成分集，這些主成分組成坐標系，每個坐標軸就是一個特征臉圖像。在進行識別時，只要把被識別的圖像進行空間投影，就可以得到一組投影向量，再通過與人臉庫的圖像進行匹配，進而進行識別。

假設y為n維的隨機變量，那個Y可以由（6）來表示

此中：ia定義為加權系數，i?定義為基向量。公式（6）還能用矩陣的形式表示，詳見公式（7）所示：

公式中 Φ = (?1, ?2,···?n)，a = (a1, a2,· ··,an)T

取向量為正交向量，得到式（8）所示

由于Φ是由正交向量組成的，所以Φ應該是正交矩陣，那么用（9）表示

將式（9）兩邊同時乘以TΦ 可以得到式（10）和（11）

為了滿足a向量的各個向量間互不相關，隨機向量矩陣式如（12）所示：

將式（7）帶入式（12）得到式（13）：

為了滿足向量a各個分量間互不相關，需要滿足下面關系式（14）：

將式（14）寫成矩陣形式，得到式（15）：

將式（15）變換形式得到式（16）：

將等式（16）作相應的變換得到式（17）和（18）：

由以上的推理，可以得出jλ是Y的特征值，jΦ是特征向量[4]。

■2.4 身份匹配及識別

最近鄰法是模式識別中最重要的一種方法，它首要是使用樣本間距離來分類決策的。樣本間的歐式距離是本文首要采用的用于分類決策的方法。

將數據庫中罪犯的照片經過PCA處理后得到的特征向量定義為X, 而將采集到的照片經過PCA處理后得到的特征向量定義為G，那么X與G之間的歐氏距離(Euclidean distance)為：

圖3 —匹配與識別流程圖

當D(X,G)≤t時，（t是設定的閾值）即認為匹配成功，完成識別，可以將罪犯人名及相關信息報告公安局。

3.可實現的功能

當一名在逃罪犯出現在某個交通路口時，他的圖像將被路口的電子眼所采集，經過本系統識別后，判斷其是公安系統犯罪人員信息庫里在逃罪犯。這個罪犯的信息及位置會在第一時間報告給公安系統，而且罪犯經過的每一個路口的位置信息都會向公安系統報警。有了這些信息，公安系統就可以將罪犯抓捕歸案了。

4.結束語

本系統圖像采集及檢測不僅可以利用交通電子眼進行還可以延展至許多公用攝像監視系統,比如在銀行的自動提款機安裝本系統，可以避免非銀行卡主人冒取現金等等，用途十分廣泛。

當然，本文的研究還有不完善之處。例如：人臉圖像存在姿態、表情、年齡、配飾等多方面的變化，這些復雜因素都可能會對最后的識別效果有所影響，所以本文對于圖像預處理及特征提取算法方面還有待進一步研究，以便優化。

＊ [1]胡曉軍，徐飛.MATLAB應用圖像處理[M].西安電子科技大學.2011:25-28.

＊ [2]趙紅梅.MATLAB基礎與提高[M].電子工業.2005:176-182.

＊ [3]劉文耀.數字圖像采集與處理[M].北京: 電子工業出版社,2007.8

＊ [4]馬曉路.MATLAB圖像處理從入門到精通[M].中國鐵道.2013:130-134.