一種基于SVD分解的人臉對齊方法

［馬曉亮 楊建仁］

生物特征包括人臉、指紋等，獨特性是生物特征中最突出的特征，對比與其他生物特征，人臉具有易采集、不易偽造、特征顯著、穩定性好等優點。因為技術水平的發展和社會認可度的提升，現在人臉識別技術已經廣泛應用到我們生活的各個方面，除了考勤、門禁等簡單應用場景，人臉識別技術還可以應用于①刑事偵查，比如運用人臉識別技術在一定范圍內搜索逃犯；② 電子證件，結合個人指紋信息和人臉信息的電子身份證和電子護照等電子證件將極大方便我們的生活；③自助服務，比如銀行自動提款機，如果應用人臉識別技術，可以減少現金被盜刷的風險；④ 信息安全，人臉識別技術可以應用于身份認證。目前的身份認證技術主要依賴于密碼，如果密碼被盜，就不能保證安全。人臉識別技術的應用可以保證用戶的數字身份和真實身份的統一，從而可以提升身份認證技術的安全性以及可靠性。

人臉識別（Face Recognition）[1]，是對人臉信息進行識別的一種技術，首先定位跟蹤圖像或者視頻數據中的人臉，接著對檢測出來的人臉進行一系列識別任務，比如表情識別、年齡識別等。當前人臉識別技術分為3個部分：（1）人臉檢測（Face Detection）；（2）人臉對齊（Face Alignment）；（3）人臉特征表示（Feature Representation）。人臉檢測任務是確定待處理圖像中人臉的位置坐標信息、人臉框的信息以及landmark關鍵點信息。人臉對齊任務是將人臉圖像變換到統一角度（標準臉），即對人臉檢測模塊輸出的一些landmark關鍵點（如眼睛，鼻子，嘴巴、臉部輪廓等）進行相似變換（Similarity Transform，如旋轉平移等），從而將人臉變換到統一角度。人臉特征表示是在人臉圖像特征提取后得到一個一定大小的特征向量，這個向量能夠很好地表示人臉數據。使同一人臉特征向量之間的距離盡可能小，使不同人臉特征向量之間的距離盡可能大，以便更好地執行人臉識別任務。

本文提出了一種基于SVD分解的人臉對齊方法（如圖1所示），主要處理人臉識別技術中的人臉對齊任務。

圖1 本文提出的人臉對齊方法流程圖

1 歸一化

2 人臉點集平移到原點

3 求旋轉矩陣

3.1 基于SVD求旋轉矩陣[2]

3.2 SVD分解[3]

3.2.1 SVD分解定義

有一個m×n的實數對稱矩陣A，我們想要把它分解為如公式（1）所示形式：

4 人臉點集平移到圖片中心

5 實驗結果

圖2～4是本文提出方法的效果展示圖，圖2是一張輸入的待對齊的人臉圖像，圖3是經過人臉檢測后得到68個landmark關鍵點的人臉圖像，圖4是經過本文提出方法處理后得到的對齊后的人臉圖像。

圖2 待對齊人臉圖片

圖3 人臉關鍵點

圖4 對齊后的人臉

6 結論

本文提出了一種基于SVD分解的人臉對齊方法，首先歸一化人臉點集和標準臉點集，接著將人臉點集平移到原點為中心的位置，然后通過SVD求解人臉點集和標準點集的旋轉變換矩陣，再將旋轉后的人臉點集平移到圖片中心的位置，即可得到對齊后的人臉。本文提出的方法能夠將不同角度的人臉很好地變換到標準人臉。