基于特征向量提取和SVM分類器的課堂人臉識別研究

黃麗媛，吳南壽，王雪花，曾亞光，韓定安，周月霞

（1.佛山科學(xué)技術(shù)學(xué)院 物理與光電工程學(xué)院；2.佛山科學(xué)技術(shù)學(xué)院 電子信息工程學(xué)院，廣東 佛山 528200）

0 引言

為了實(shí)現(xiàn)課堂教學(xué)考勤的自動化，部分高校使用考勤系統(tǒng)來替代人工考勤。常見的考勤系統(tǒng)有射頻卡考勤系統(tǒng)、指紋考勤系統(tǒng)和人臉識別考勤系統(tǒng)。與射頻卡考勤系統(tǒng)和指紋考勤系統(tǒng)相比，人臉識別考勤系統(tǒng)具有非接觸、圖像獲取簡單、在實(shí)際應(yīng)用場景中可以同時(shí)進(jìn)行多個人臉的檢測與識別等優(yōu)點(diǎn)，是一種友好的、直觀的、便利的技術(shù)[1,2]。目前大多數(shù)高校教室里都配備有監(jiān)測相機(jī)，可以利用這些監(jiān)測相機(jī)拍攝課堂照片，通過機(jī)器學(xué)習(xí)的算法對這些拍攝的圖像進(jìn)行人臉識別，實(shí)現(xiàn)對上課學(xué)生和老師的自動考勤。

圖1 算法流程圖Fig.1 Algorithm flowchart

在人臉識別考勤時(shí)，學(xué)生會出現(xiàn)抬頭、低頭、側(cè)臉等人臉角度變化，以及人臉表情變化和人臉被前面同學(xué)遮擋的現(xiàn)象，這些現(xiàn)象是影響人臉識別算法識別準(zhǔn)確率的關(guān)鍵因素。為了解決人臉角度、表情變化和人臉部分遮擋導(dǎo)致人臉識別算法識別不準(zhǔn)的問題，本文提出一種基于特征向量提取和SVM（Support Vector Machine）分類器的人臉識別方法，該方法包括用于提取人臉特征向量的深度神經(jīng)網(wǎng)絡(luò)模型和用于識別的SVM分類器。首先采用三元組損失函數(shù)（triplet loss）[3]作為目標(biāo)函數(shù)，訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)模型直接學(xué)習(xí)從人臉圖像到歐氏空間的映射，使人臉圖像輸入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型后直接輸出人臉特征向量；然后將人臉特征向量作為SVM分類器的輸入并訓(xùn)練；最后將訓(xùn)練好的分類器用于課堂人臉識別考勤。在對12名學(xué)生同時(shí)進(jìn)行實(shí)際課堂考勤的實(shí)驗(yàn)中，本文提出的方法在人臉角度、表情變化和人臉部分遮擋的情況下能夠達(dá)到92.68%的人臉識別準(zhǔn)確率。說明本文提出的基于特征向量提取和SVM分類器的人臉識別方法可以實(shí)現(xiàn)準(zhǔn)確全面的課堂考勤。

1 方法流程

本文提出的基于特征向量提取和SVM分類器的人臉識別方法流程如圖1所示。在人臉識別前，先使用攝像機(jī)采集12名學(xué)生的視頻圖像，再使用MTCNN人臉檢測器[4]截取人臉區(qū)域圖像并保存，用訓(xùn)練好的深度神經(jīng)網(wǎng)絡(luò)模型提取人臉特征向量，最后將人臉特征向量輸入SVM分類器進(jìn)行訓(xùn)練。在人臉識別階段，教室前端的攝像機(jī)每隔5min拍攝一張學(xué)生上課的圖像并保存到服務(wù)器，人臉識別的程序在服務(wù)器上運(yùn)行。人臉識別前，同樣使用MTCNN人臉檢測器截取考勤圖像中的人臉區(qū)域圖像并保存。然后將人臉圖像輸入深度神經(jīng)網(wǎng)絡(luò)模型得到人臉特征向量，并使用訓(xùn)練好的SVM分類器進(jìn)行識別。最后將學(xué)生出勤情況寫入Excel中。其中，使用MTCNN進(jìn)行人臉檢測的優(yōu)勢是：該算法對人臉姿態(tài)變化和極端光照影響具有一定的魯棒性；算法運(yùn)行速度快，實(shí)時(shí)性能良好。

1.1 深度神經(jīng)網(wǎng)絡(luò)模型

本文使用Inception-ResNet-v1[5]殘差神經(jīng)網(wǎng)絡(luò)（Residual neural network）模型[6]提取人臉特征向量。該模型的訓(xùn)練集采用VGGFace2數(shù)據(jù)集[7]。其中，三元組損失函數(shù)作為目標(biāo)函數(shù)用于該模型的訓(xùn)練。三元組損失函數(shù)中規(guī)定同一個人的兩張圖像為正樣本，不同人的兩張圖像為負(fù)樣本。通過訓(xùn)練網(wǎng)絡(luò)模型最小化正樣本特征向量之間的歐式距離的同時(shí)增加負(fù)樣本特征向量之間的歐式距離，從而使人臉特征向量之間的歐式距離直接代表人臉相似度。三元組損失函數(shù)為：

公式（1）中的a（anchor）和p（positive）分別表示同一個人的兩張不同圖像，這兩張圖像表示一個正樣本圖像對；a（anchor）和n（positive）分別表示不同人的兩張不同圖像，這兩張圖像表示一個負(fù)樣本圖像對；α為閾值；xa和xp表示正樣本的人臉特征向量；xa和xp表示負(fù)樣本的人臉特征向量。

1.2 SVM分類器

人臉識別是一個多分類問題，本文的SVM分類器訓(xùn)練采用一對一方法（OvO）。要識別K名學(xué)生，即K類問題，OvO直接訓(xùn)練出k(k-1)/2個二分類模型，每個模型都只從訓(xùn)練集中接受兩個類的樣本進(jìn)行訓(xùn)練。模型Gij(i＜j)將接受且僅接受所有第i類和第j類的樣本，并嘗試通過訓(xùn)練來區(qū)分開第i類和第j類；同時(shí)，假設(shè)Ci代表第i類空間樣本，有以下公式[8]

當(dāng)模型Gij訓(xùn)練好后，OvO將通過投票來進(jìn)行決策，在k(k-1)/2次中得票最多的類為模型預(yù)測結(jié)果。

2 實(shí)驗(yàn)結(jié)果與分析

本文所有算法程序在64位Windows 10 操作系統(tǒng)（Intel(R)Core(TM)i7 3.60GHz，CPU 3.60GHz，16.0GB RAM）上運(yùn)行，使用Python語言編寫。本文的算法程序調(diào)用了GPU（NVIDIA GeForce GTX 1060 6GB）加速。

本文對12名學(xué)生進(jìn)行了實(shí)際課堂考勤實(shí)驗(yàn)。使用攝像機(jī)對在座學(xué)生拍照8張（每張考勤圖像大小為1920×1080）。在人臉識別前，本文對12名學(xué)生每人選取30張左右的人臉圖像，所有訓(xùn)練集人臉圖像的特征提取和SVM分類器訓(xùn)練過程用時(shí)約10.16s。對8張課堂考勤圖像進(jìn)行人臉識別，總用時(shí)約10.67s。考勤圖之一的人臉識別結(jié)果如圖2所示，其中被檢測出的人臉用綠色矩形框框出，洋紅色英文表示被識別出的學(xué)生的代號。

圖2 課堂考勤圖像識別結(jié)果圖之一Fig.2 One of the result diagrams of classroom attendance image recognition

在考勤過程中，學(xué)生的人臉普遍存在角度、表情的變化和人臉部分遮擋的現(xiàn)象。圖3展示本文算法能夠準(zhǔn)確識別對應(yīng)學(xué)生的部分人臉圖像。其中，人臉角度變化主要包括抬頭、低頭、側(cè)臉，表情變化主要有中性臉、高興、驚奇；人臉部分遮擋主要包括臉頰、眼睛、嘴唇、鼻子被前面的學(xué)生遮擋。本文算法能夠準(zhǔn)確識別具有一定角度變化和表情變化的人臉，對于半邊臉被遮擋的學(xué)生也具有一定的識別能力。

3 總結(jié)

本文提出了一種基于特征向量提取和SVM分類器的人臉識別方法用于課堂人臉識別考勤，在含有人臉角度、表情變化和人臉部分遮擋的情況下達(dá)到92.68%的人臉識別準(zhǔn)確率。該方法首先利用人臉檢測器截取人臉區(qū)域圖像，將人臉圖像輸入深度神經(jīng)網(wǎng)絡(luò)模型中得到人臉特征向量，然后將人臉特征向量作為SVM分類器的輸入并訓(xùn)練分類器，最后將訓(xùn)練好的SVM分類器進(jìn)行人臉識別。值得注意的是，在采集學(xué)生的人臉視頻圖像時(shí)，對于佩戴眼鏡的學(xué)生，需要同時(shí)錄入佩戴眼鏡和沒戴眼鏡時(shí)的圖像以保證識別準(zhǔn)確率；另外，對學(xué)生人臉數(shù)據(jù)集進(jìn)行圖像增強(qiáng)可以提升算法對人臉姿態(tài)變化和光照變化的魯棒性。

圖3 準(zhǔn)確識別的部分人臉角度、表情變化和人臉部分遮擋的圖像Fig.3 Accurately identified parts of the face angle, expression changes and partially obscured images of the human face