基于單視圖的多姿態(tài)人臉識別算法

梁飛翔

(婁底職業(yè)技術(shù)學(xué)院 湖南婁底 417000)

引 言

為了提升多姿態(tài)人臉識別中的人臉生成精度，本文提出了局部加權(quán)的人臉生成算法，并且利用人臉特征進行總結(jié)和分析。現(xiàn)有的人臉識別系統(tǒng)，在人臉和人臉姿態(tài)類似的情況下，人臉識別率相當(dāng)高。但是當(dāng)人臉姿態(tài)發(fā)生多種變化時，人臉識別系統(tǒng)的識別率也在不斷地降低。因此，改善這一問題的最有效的方式就是通過采集多姿態(tài)人臉來處理。同時，由于實際環(huán)境和條件的約束，大部分情況下都無法采集到足夠的姿態(tài)人臉。由于以上的情況，基于單視圖的多姿態(tài)人臉識別已經(jīng)成為了人臉識別領(lǐng)域研究的重點，研究具有重要的指導(dǎo)意義和價值。

一、人臉識別技術(shù)的內(nèi)涵

人臉識別技術(shù)是利用計算機技術(shù)對人臉進行分析，有效的采取人臉的主要特征進行人臉的鑒別技術(shù)，在多媒體、身份驗證等方面具有重要的作用和價值，受到了各行業(yè)領(lǐng)域的廣泛應(yīng)用和重視。隨著社會經(jīng)濟的快速發(fā)展，人臉識別領(lǐng)取也取得了突破性的進展，但是這些發(fā)展成果無法滿足現(xiàn)代化發(fā)展的要求。現(xiàn)階段，人臉識別的識別率也逐步地提升了，但是個別因素影響下，多樣化姿態(tài)的不斷變化，導(dǎo)致降低了人臉識別率。人臉和人體都具有獨一無二的特征，為身份的識別奠定了基礎(chǔ)保障，同時，人臉識別技術(shù)又具有以下的優(yōu)勢：人臉采集是一種友好的方式，具有非接觸性質(zhì)，操作簡單方便，和指紋以及虹膜對比而言，一般情況下，人類不需要具備知識的儲備，只需要專家認定即可。人臉識別設(shè)備簡單，且生產(chǎn)成本較低，采用移動設(shè)備采集即可，而指紋、虹膜則需要專業(yè)的采集儀器，且費用十分的昂貴，因此不建議推廣和應(yīng)用。[1]

二、單視圖人臉識別的重要作用

在單視圖人臉識別樣本中，實際上每個都只有一張人臉圖像。比如：學(xué)生證、身份證、駕駛證等。但在公安系統(tǒng)應(yīng)用中，卻存在著多種姿態(tài)的人臉識別，導(dǎo)致各種不確定的因素和問題發(fā)生。單視圖的多姿態(tài)人臉識別在人臉識別領(lǐng)域面臨著巨大的挑戰(zhàn)和困難，如何突破這個難題，對于我國各行業(yè)領(lǐng)域的發(fā)展具有重要的應(yīng)用價值和意義。基于單視圖的人臉識別具有諸多的優(yōu)勢，不僅可以降低多姿態(tài)人臉識別的成本，還可以減輕人臉采集工作量。對于人臉識別來說，多姿態(tài)人臉識別的生成階段為離線狀態(tài)，識別過程為在線轉(zhuǎn)態(tài)，人臉的相應(yīng)特征控制點，可以通過全自動的方式采集，也可以利用半自動的方式采集。例如，很多的證件在辦理階段都已經(jīng)完成了用戶的電子圖像采集，包括工作證、身份證、駕駛證等。因此，我們可以使用以往用過的人臉庫建立新的人臉庫，其中包含了單視圖的，也包含了正面的，有效地降低了成本的和勞動力。單視圖的人臉樣本有效地縮小了儲存空間，可以在有限的空間內(nèi)放更多的單個人臉圖像，提升了系統(tǒng)的擴展性。[2]

三、基于單視圖人臉識別的算法

(一)多姿態(tài)人臉生成算法基本原理

由于人臉的器官分布的相似性，以及明顯的結(jié)構(gòu)特征和局部特征特點，我們可以完全利用類似點和結(jié)構(gòu)特征去創(chuàng)建多種姿態(tài)下的人臉幾何形變函數(shù)，從而形成多姿態(tài)的人臉圖像。基于此，本文提出了局部加權(quán)多姿態(tài)人臉生成算法，其主要是通過人臉的局部特征，得到人不同姿態(tài)下的相同的特征之間的映射函數(shù)。隨著姿態(tài)變化不斷增加，同一個體的人臉圖像之間相關(guān)性降低。因此，我們將單視圖和人臉圖像作為樣本，并且對人臉的候選姿態(tài)樣本進行識別和確定，從而不需要對整個樣本庫進行對比，不僅減少了計算量，還降低了搜索空間。

(二)多姿態(tài)人臉支持分類識別

對于N種類的多姿態(tài)人臉，筆者構(gòu)建了一個N(N-1)/2個SVM分類器，將主要提取的人臉特征作為分類的輸入量，完成SVM的學(xué)習(xí)訓(xùn)練，然后根據(jù)人臉識別的特征量G，采用一對一的算法進行投票決定，最終以得票最多的來判定G的屬類。分類器本質(zhì)是一個超平面集，所有人臉的G均能被該平面集進行劃分，促使不同的人臉之間分類距離變大。

(三)實驗計算結(jié)果

筆者采用局部加權(quán)的平均算法來擬合姿態(tài)人臉，使得每個像素的形變函數(shù)與相鄰的特征點函數(shù)與其距離加權(quán)所決定。這樣不僅保證了形變函數(shù)的局部特征，還有效地避免了局部差異擴大到整個圖像當(dāng)中，從而進一步提升了人臉圖像的局部特征的精確度。采用正臉多姿態(tài)的人臉生成方法，我們只需要得到正面人臉圖像，就能獲取多姿態(tài)人臉，不斷擴大人臉訓(xùn)練樣本集，提升人臉識別率，展示了良好的人臉識別效果，在人臉姿態(tài)變化更多、更大時，效果會更加顯著。

四、結(jié)束語

總而言之，人臉識別率的高低和每個人臉的訓(xùn)練樣本數(shù)之間有著很大的關(guān)系。本文提出的人臉生成算法，通過對個體樣本的人臉識別問題，轉(zhuǎn)化為每個人有多個樣本的情況下，面臨的人臉識別問題，從而有效地實現(xiàn)多姿態(tài)人臉的識別，提升人臉識別率和效果。同時，本人臉識別算法只要在擁有正面人臉樣本的情況下，就能進行多姿態(tài)人臉識別，在具體的應(yīng)用中具有良好的效果和適應(yīng)性。