人臉識別系統在高校宿舍管理中的應用分析

羅莎，黃麗娟，祝小玲

（北海職業學院，廣西 北海 536000）

隨著現代社會的發展，計算機技術在人類生產生活中的方方面面都產生了極為深遠的影響，與此同時，人機交互情景也不斷增多。在人工智能與計算機領域中，人臉識別技術已成為一種頗具創新性與挑戰性的技術手段，在許多領域中都彰顯出其極高的應用價值。對于高校而言，宿舍管理工作需要得到高度的重視，將人臉識別技術應用到高校宿舍管理中，將比聲音識別和指紋識別等技術有著更加良好的穩定性、直接性與安全性。因高校學生并未真正接觸社會，這使其安全防范意識較弱，通過以人臉識別技術為核心，能夠使高校在宿舍管理工作中構建一種具有良好識別性、較強可控性的安全監控系統，從而更好維護高校學生在財產與人身安全方面的權益。

1 人臉識別系統的整體設計

1.1 框架

所謂人臉識別技術，是通過攝像機或者攝像頭等設備來對圖像或視頻流中的人臉信息進行檢測、采集與跟蹤，然后再對這些人的臉部信息進行相應的處理，以此實現對人臉面部特征的識別。在光照有明顯差異的情況下，即使是同一個人的臉部，其臉部圖像會也產生很大的差異，因此設計一種能夠對光照影響因素進行消除的人臉識別系統，以將其應用到高校宿舍管理工作中，該系統的主要功能是利用安裝于門禁上的攝像頭來對人臉圖像進行檢測與采集與識別，當身份驗證通過后，門禁才會解除，當被識別的人臉不符合系統數據庫中的人臉時，系統則會自動發出報警，以此提醒宿舍管理員進行相應的處理。

1.2 人臉識別過程

系統在對圖像中的面部特征信息進行提取時，需要利用攝像頭來進行圖像采集，然后才能從圖像中提取到所需的面部特征信息，并將這些信息用作身份識別的依據。在此過程中，系統需要先對人臉進行檢測，也就是在背景圖像中對人臉部分進行檢測與分割，然后對人臉所具有的面部區域特征進行選擇與提取，最后根據這些提取到的人臉特征來識別學生的身份。人臉識別系統在運行過程中的具體流程包括圖像采集、預處理、人臉檢測、特征提取以及身份識別。

在進行圖像采集時，圖像既可以是靜態的，也可以是動態的，當前大部分圖片都是通過攝像頭來進行截取的。在進行人臉檢測時，其實質是采集系統中輸入的圖像，通過相應的算法來對圖像內是否含有人臉進行辨別，當含有人臉時，則會對人臉在圖像中所處的位置及其面部大小等信息進行記錄。在進行圖像預處理時，考慮到采集圖像時存在外界環境影響，并且還會受到采集設備運行性能的影響，這也使得圖像可能會出現大量的噪聲點，之所以要進行圖像預處理，其目的便是將圖像中的噪聲點進行消除，以使獲得的恢復到圖像更加清晰、有效，從而確保圖像信息得到充分的利用。本文便論述圖像的預處理方法，一種是線性子空間法，該方法可將高維空間中的數據向低維空間進行映射，以此實現數據降維，通過主成分分析法來達到人臉識別的目的。該方法以KL 變換為基礎，而KL 變換在圖像壓縮領域中屬于一種最有優正交變換，其能夠將圖像在空間內進行映射，以此建立相應的3D 空間線性模型，這樣人們便可利用該方法來提取統計特征，進而為子空間法模式識別打下一定的基礎。另一種是光照椎方法，該方法的原理是不同形態光照射會形成光照椎體，該方法通過三維線性光照空間模型來對固定視點下不同光照條件下能夠檢測到的人臉圖像進行表示，也就是光照椎維度與物體表面法線相一致。隨著光照椎方法的發展，還提出了一種當朗伯光照模型與人臉表面不相符時構建的五維線性光照空間模型，通過該模型的應用，能夠固定視點中的人臉圖像進行表示，根據該理論所提出的人臉識別算法能夠在一定程度上避免光照環境差異下給人臉識別造成的不利影響，從而使人臉識別效果能夠達到理想的狀態。

在人臉識別系統中，其關鍵在于研究人臉面部特征的提取算法，這對能否實現人臉識別功能至關重要，而且決定著人臉識別的成功與否。人臉識別系統會在采集人臉圖像后對這些圖像進行預處理，不過，即使這樣圖像仍舊會受到其他因素的影響，特別是不同的光照環境，會給人臉識別造成很大的影響，當光照因素發生變化時，便會大大降低系統對人臉的識別成功率，進而導致人臉無法被成功識別。因此，在對人臉面部特征進行提取時，必須要盡可能的實現兩大目標，其一是能夠對圖像中針對類別最具有鑒別性的描述進行搜尋，以便于對其他具有該類別的特征進行有效區分，從而使其他類得到最大限度的識別；其二是盡可能的降低圖像冗余度，使后續識別運算獲得更快的速度。

在進行身份識別時，其實質便是對分類進行識別的問題，通過將被識別的人臉進行檢測，然后匹配數據庫中的類別人臉，以此獲得匹配結果。人臉識別系統的運行目的是需要對待測人員能否和數據庫中存儲的的人員身份相匹配，為此，必須要確保人臉識別算法具有較高的準確度和精度，同時在系統運行效率上也要有所保證。

2 人臉識別基本問題以及基本算法

2.1 圖像光照補償

因光照不均或是光線照射強度較低，會造成圖像出現亮度不均勻、圖像偏暗等問題，進而給圖像的后期處理帶來很大困難。因此需要通過圖像光照補償技術來解決這一問題。圖像光照補償需要在頻域上實施非線性或線性的變化，考慮到人臉識別系統經常需要在光線照射強度偏低或過高的情況下運行，因此為了避免圖像中的細節出現丟失，需要在提取特征之前對圖像予以適當的光照補償，以便于更好的展現圖像信息，同時也有助于提取圖像中的人臉特征，使圖像具備更加理想的視覺效果，人臉識別成功率也能由此明顯提高。

2.2 人臉識別主要算法

人臉識別系統采用的主要算法有兩種，一種是對幾何特征進行識別的方法，還有一種是通過匹配模板來進行人臉識別的方法。在幾何特征識別方法中，眾所周知，人的面部包括眼睛、下巴、鼻子以及嘴巴等構件，對人臉中的特征進行提取也是人臉識別系統中的關鍵所在。因每個人在面部構件上所具有的形狀、結構與大小都有不同差異，這也使每個人的臉部有著很大的差別，所以需要通過幾何描述來對這些臉部構件所具有的結構關系及其形狀等進行描述，以此將其當作人臉識別的重要依據。根據人臉構件所處的相對位置、角度、歐式距離以及曲率等，能夠將這些信息當作人臉識別的特征依據。通過將圖像和現實人臉實施比對，以此達到人臉識別的目的。該方法具有直觀性強、易于理解的優勢，不過卻容易受到外部光照環境和面部表情等因素的影響，其特征點的穩定性較差。以積分投影特征提取法具有代表性，其是通過判定與分析圖像中的投像分布特征來達到識別目的的。對于幾何人臉識別方法來說，該方法雖然較為簡潔，而且有著較快的運算方法，不過當取值存在偏差時，便無法取得較好的識別效果，而且光照的因素仍舊會是數據特征提取中的主要影響因素。在以模板匹配為核心的人臉識別算法中，需要先對人臉圖像進行采集，然后進行相應的預處理后以人臉模板的形式存儲于系統之中，系統會對待測圖像和人臉模板的相關性進行計算，然后根據計算結果來做出人臉分類。對于不同模板的匹配來說，需要進行大量的模板精度計算和圖像灰度計算，以可變模型為基準的人臉特征提取方法便是利用彈性模板對人臉中的嘴巴及眼睛等輪廓進行提取的，不過光照環境差異以及人臉姿態等因素仍舊會影響到通用模板方法的評估結果，通過可變形模板來對人臉進行判別，不過在優化所定義的能量函數時仍舊是很復雜的。

3 結語

綜上所述，將大數據技術作為核心，以此設計人臉識別系統，消除光照差異給人臉識別造成的不利影響，可大幅提高人臉識別系統的識別成功率，將該系統應用到高校的宿舍管理工作中，可有效保障學生的財產與人身安全。