基于機(jī)器視覺的人臉生物特征改進(jìn)識(shí)別技術(shù)

1、 基于機(jī)器視覺的人臉生物特征改進(jìn)識(shí)別技術(shù) 溫宏愿 劉小軍 劉增元摘 要： 傳統(tǒng)識(shí)別方法主要通過譜回歸和矩陣完整性約束，從帶噪聲的原始數(shù)據(jù)中得到干凈的輸入數(shù)據(jù)，達(dá)到提高識(shí)別人臉生物特征的目的，但忽略了低秩投影矩陣對(duì)識(shí)別帶來的干擾，導(dǎo)致識(shí)別精度低、效率差的問題，故提出基于機(jī)器視覺的人臉生物特征改進(jìn)識(shí)別技術(shù)。通過攝像機(jī)代替機(jī)器視覺對(duì)人臉圖像進(jìn)行采集，構(gòu)建人臉圖像雙色反射模型，對(duì)人臉圖像進(jìn)行預(yù)處理，并以機(jī)器視覺為基礎(chǔ)，結(jié)合局部差分二值模型（LDBP），實(shí)現(xiàn)對(duì)人臉生物特征識(shí)別的改進(jìn)。實(shí)驗(yàn)結(jié)果表明，相比于傳統(tǒng)識(shí)別技術(shù)，采用改進(jìn)識(shí)別技術(shù)在進(jìn)行人臉生物特征識(shí)別方面的識(shí)別精度較高，實(shí)用性較強(qiáng)，具有一定的優(yōu)勢(shì)。K

2、ey： 機(jī)器視覺; 人臉; 生物特征識(shí)別; 攝像機(jī); 雙色反射; 局部差分二值模型： TN912.34?34; TP391 ： A ： 1004?373X（2018）10?0161?03Abstract： In the traditional identification method， the recognition rate of human face biological features is improved by means of spectral regression， matrix integrity constraint， and obtaining clean input

3、data from the original data with noise， but the recognition interference brought by low rank projection matrix is ignored， which causes the problems of low recognition precision and poor recognition efficiency. Therefore， a human face biological feature improved recognition technology based on machi

4、ne vision is proposed. Cameras are used as machine vision to collect human face images. The human face image dichromatic reflection model is constructed to perform preprocessing of human face images. On the basis of machine vision， the improvement of human face biological feature recognition is real

5、ized by combining with the LDBP model. The experimental results show that in comparison with the traditional identification technology， the improved recognition technology for human face biological feature recognition has high recognition precision and strong practicability， which has certain advant

6、ages.Keywords： machine vision; human face; biological feature recognition; camera; dichromatic reflection; LDBP0 引 言人類自身身份的識(shí)別需要更高的精準(zhǔn)性、實(shí)用性與安全性，主要是由于人類物理與虛擬活動(dòng)空間的增大，網(wǎng)絡(luò)與通信技術(shù)不斷提高，增加了識(shí)別難度。常用識(shí)別方法一直存在一些問題，例如人在面前，卻由于身份信息的缺失，無法進(jìn)行身份的有效確定。為了解決這一難題，生物特征識(shí)別技術(shù)應(yīng)運(yùn)而生，其原理為通過收集和采用人的生物特征樣本，再經(jīng)過計(jì)算機(jī)技術(shù)，識(shí)別人的身份。生物特征按特點(diǎn)被分為生理和行為

7、特征，由于生物識(shí)別技術(shù)不易丟掉，具有更高的安全性，確認(rèn)也更為方便，在身份認(rèn)證領(lǐng)域有很好的發(fā)展前景1。但生物識(shí)別技術(shù)也會(huì)因采集技術(shù)的不完善、采集條件復(fù)雜等造成干擾，導(dǎo)致識(shí)別結(jié)果出現(xiàn)識(shí)別效率低、誤差大的問題。對(duì)此提出基于機(jī)器視覺的人臉生物特征改進(jìn)識(shí)別技術(shù)，即人臉從幾個(gè)角度被不用的兩臺(tái)攝像機(jī)拍攝、以及空間點(diǎn)在圖像中的生物特征位置被確定是經(jīng)過選擇特征和特征被提取，結(jié)合LDBP模式，識(shí)別人臉生物特征，并進(jìn)行實(shí)驗(yàn)對(duì)比分析。1 人臉圖像采集在進(jìn)行人臉生物特征識(shí)別時(shí)，需要對(duì)人臉圖像進(jìn)行采集，將兩臺(tái)攝像機(jī)對(duì)同一人臉從不同角度進(jìn)行拍攝，標(biāo)定出攝像機(jī)坐標(biāo)系描述空間中某點(diǎn)的位置2，用PcXc，Yc，Zc來代表空間中點(diǎn)

8、，光心Oc代表原點(diǎn)，光軸用Zc代替，并且垂直于成像平面，成像平面水平軸與垂直軸則為Xc軸與Yc軸。攝像機(jī)坐標(biāo)系圖如圖1所示。2 人臉圖像雙色反射模型在進(jìn)行最初的臉圖像雙色反射模型時(shí)，不需要建立對(duì)角模型的隨機(jī)路徑算法，對(duì)人臉生物特征進(jìn)行雙反射處理，其因經(jīng)過獨(dú)立處理人臉圖像的三個(gè)色彩通道后5?6，可直接計(jì)算像素點(diǎn)i校對(duì)后的值，即從此點(diǎn)啟程的任意N條路徑相鄰點(diǎn)的相對(duì)亮度均值7，N越多效果越好，其相對(duì)亮度均值為：3 生物特征識(shí)別方法的改進(jìn)人臉生物特征識(shí)別過程中，在采用機(jī)器視覺獲取人臉圖像并進(jìn)行預(yù)處理的基礎(chǔ)上，采用LDBP模式進(jìn)行生物特征識(shí)別。LDBP是人臉生物特征識(shí)別中的經(jīng)典判斷準(zhǔn)則，但由于LDBP能

9、有效地獲取人臉圖像里的二階方向局部構(gòu)造的有效性及復(fù)雜度11，所以采用LDBP形式對(duì)人臉生物特征進(jìn)行直方圖統(tǒng)計(jì)，獲取適合識(shí)別的模式，組成新的特征，用于識(shí)別。具體過程如下：1） 為了獲取統(tǒng)一規(guī)格的人臉圖像，對(duì)采集的人臉圖像進(jìn)行檢測(cè)、歸一化處理等預(yù)處理。2） 為了保存人臉的空間位置數(shù)據(jù)，加強(qiáng)人臉生物特征，增加特征獲取的有效性，使用LBP方法對(duì)預(yù)處理的人臉圖像進(jìn)行分塊12;對(duì)每一分塊實(shí)行LDBP水平及垂直方向的編碼處理，獲取相應(yīng)的均衡模式水平直方圖、垂直直方圖，并將水平直方圖、垂直直方圖實(shí)行銜接，組成LDBP模式直方圖。3） 對(duì)全部分塊的LDBP形式直方圖進(jìn)行可分值大小降維并連接起來，組成新直方圖，最

10、后獲取整體特征為H。4） 經(jīng)過計(jì)算測(cè)試樣本及訓(xùn)練庫樣本里的整體直方圖相似度，獲取和測(cè)試樣本相似度最相似的類別，診斷顯著人臉生物特征，即為最后識(shí)別結(jié)果。4 實(shí)驗(yàn)結(jié)果分析為了驗(yàn)證本文所提出的有效性及可行性，實(shí)驗(yàn)測(cè)試程序的PC機(jī)配置為Intel Core 2 3.2 GHz 處理器，32 GB內(nèi)存，Windows 7操作系統(tǒng)，使用Visual Studio 2005和OpenCV編程環(huán)境，1 024768為攝像頭的原始分辨率，實(shí)驗(yàn)采用傳統(tǒng)識(shí)別方法對(duì)比，以識(shí)別準(zhǔn)確度為指標(biāo)進(jìn)行實(shí)驗(yàn)對(duì)比，結(jié)果如圖3、圖4所示。圖中，紅色部分為需要識(shí)別的人臉生物特征，藍(lán)色部分為人臉全部特征。由圖3、圖4可知，在時(shí)間一定的情

11、況下，采用傳統(tǒng)方法進(jìn)行人臉特征識(shí)別時(shí)，其識(shí)別區(qū)域一定的情況下，特定區(qū)域識(shí)別結(jié)果存在雜質(zhì)，選中的區(qū)域中摻雜有其余特征，導(dǎo)致識(shí)別準(zhǔn)確度較低;采用改進(jìn)方法進(jìn)行人臉生物特征識(shí)別時(shí)，其對(duì)識(shí)別區(qū)域內(nèi)的生物特征識(shí)別較準(zhǔn)，且在選定區(qū)域中，無其余雜質(zhì)特征摻雜，識(shí)別準(zhǔn)確度較高。5 結(jié) 論針對(duì)傳統(tǒng)識(shí)別方法一直存在識(shí)別誤差大的問題，提出基于機(jī)器視覺的人臉生物特征識(shí)別技術(shù)，引入機(jī)器視覺對(duì)人臉圖像進(jìn)行采集，再進(jìn)行生物特征識(shí)別。實(shí)驗(yàn)結(jié)果表明，采用改進(jìn)識(shí)別技術(shù)，在進(jìn)行人臉生物特征識(shí)別方面，識(shí)別精度較高，實(shí)用性較強(qiáng)，具有一定的優(yōu)勢(shì)。Reference1 肖建力，張靜.聯(lián)合人臉與指紋的多模態(tài)生物特征識(shí)別方法綜述J.上海理工大學(xué)學(xué)

12、報(bào)，2017，39（1）：51?57.XIAO Jianli， ZHANG Jing. Survey on the multimodal biometric identification by fusing faces and fingerprints J. Journal of University of Shanghai for Science and Technology， 2017， 39（1）： 51?57.2 李艷萍，姜穎，胡金明，等.基于曲波變換和余弦測(cè)度的人臉識(shí)別方法J.計(jì)算機(jī)科學(xué)，2016，43（5）：294?297.LI Yanping， JIANG Ying， HU Ji

13、nming， et al. Face recognition method based on curvelet transform and cosine rules J. Computer science， 2016， 43（5）： 294?297.3 楊培德，黃仁裕，尤俊生.基于生物特征識(shí)別的終端安全管理系統(tǒng)的算法研究J.計(jì)算機(jī)科學(xué)，2016，43（12）：225?227.YANG Peide， HUANG Renyu， YOU Junsheng. Study on algorithms for terminal security management system based on bio

14、metrics recognition J. Computer science， 2016， 43（12）： 225?227.4 栗科峰，駱繼明.基于局部結(jié)構(gòu)分解的人臉圖像特征提取方法J.激光雜志，2015，36（11）：71?74.LI Kefeng， LUO Jiming. Face feature extraction method based on local structure image decomposition J. Laser journal， 2015， 36（11）： 71?74.5 吳從中，劉渠芬，詹曙.基于稀疏表達(dá)的人臉遮擋物去除J.合肥工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2

15、015（5）：615?617.WU Congzhong， LIU Qufen， ZHAN Shu. A face occlusion removal method based on sparse representation J. Journal of Hefei University of Technology （Natural science）， 2015（5）： 615?617.6 唐守軍.基于人臉識(shí)別和密碼認(rèn)證的文件夾加密方法J.現(xiàn)代電子技術(shù)，2016，39（3）：80?83.TANG Shoujun. Method of folder encryption based on face

16、 recognition and password authentication J. Modern electronics technique， 2016， 39（3）： 80?83.7 韓濤.基于比率圖的表情映射機(jī)器視覺J.科學(xué)技術(shù)與工程，2017，17（14）：239?242.HAN Tao. Expressive expression mapping with ratio images of machine vision J. Science technology and engineering， 2017， 17（14）： 239?242.8 楊巨成，劉娜，房珊珊，等.基于深度學(xué)習(xí)的

17、人臉識(shí)別方法研究綜述J.天津科技大學(xué)學(xué)報(bào)，2016，31（6）：1?10.YANG Jucheng， LIU Na， FANG Shanshan， et al. Review of face recognition methods based on deep learning J. Journal of Tianjing University of Science & Technology， 2016， 31（6）： 1?10.9 馬曉，張番棟，封舉富.基于深度學(xué)習(xí)特征的稀疏表示的人臉識(shí)別方法J.智能系統(tǒng)學(xué)報(bào)，2016，11（3）：279?286.MA Xiao， ZHANG Fandong，

18、 FENG Jufu. Sparse representation via deep learning features based face recognition method J. CAAI transactions on intelligent systems， 2016， 11（3）： 279?286.10 趙喜玲.步態(tài)與人臉融合的身份識(shí)別方法J.信陽師范學(xué)院學(xué)報(bào)（自然科學(xué)版），2017，30（3）：460?463.ZHAO Xiling. Research on human identification based on gait and face J. Journal of Xinyang No