用于智能門禁系統(tǒng)的人臉識(shí)別技術(shù)*

劉 利，王 棟，董 惠

（1.西安建筑科技大學(xué) 信息與控制學(xué)院，陜西 西安 710055；2.陜西晟欣電氣工程有限公司，陜西 西安 710119）

1 引言

智能建筑（即智能大廈和智能住宅小區(qū)）是建筑藝術(shù)和現(xiàn)代控制技術(shù)、通信技術(shù)和計(jì)算機(jī)技術(shù)有機(jī)結(jié)合的產(chǎn)物。智能門禁系統(tǒng)是限制進(jìn)入小區(qū)的外來(lái)人員的重要設(shè)施，可分時(shí)段、分區(qū)域、分級(jí)管理出入人員，以確保內(nèi)部安全。智能門禁系統(tǒng)的識(shí)別系統(tǒng)通常采用各種卡式識(shí)別系統(tǒng)，包括磁卡、IC卡、射頻卡（TM）、智能卡、指紋識(shí)別等。各種智能門禁系統(tǒng)一般采用電動(dòng)門鎖和智能卡取代傳統(tǒng)的門鎖和鑰匙，用戶持有一張編碼唯一的加密智能卡。

筆者對(duì)基于人臉識(shí)別技術(shù)的智能門禁系統(tǒng)進(jìn)行了研究。基于生物特征的人臉識(shí)別是通過(guò)人類自身的生理特征確定一個(gè)人的身份。生物特征是人內(nèi)在擁有的，不會(huì)遺失，不易復(fù)制，方便使用，比起傳統(tǒng)的密碼和磁卡等手段，更具可靠性及安全性。圖1為基于人臉識(shí)別技術(shù)的智能門禁系統(tǒng)。

2 人臉識(shí)別技術(shù)

在安全控制和人機(jī)交互等領(lǐng)域內(nèi)，自動(dòng)人臉識(shí)別技術(shù)有著廣泛的應(yīng)用[1-5]。早期的人臉識(shí)別算法有基于幾何特征的人臉識(shí)別（利用面部特征點(diǎn)的大小、位置、距離和形狀等幾何參數(shù)為特征進(jìn)行識(shí)別）和基于模板匹配法 （利用相關(guān)匹配比較待識(shí)別圖像和標(biāo)準(zhǔn)模板）。經(jīng)過(guò)多年研究，形成了人臉識(shí)別的幾個(gè)主流研究方向[6-7]：基于主元分析的特征臉?lè)椒ㄊ且环N比較成功的人臉識(shí)別技術(shù)，掀起了人臉識(shí)別研究的第二次高潮；Fisher臉?lè)椒ㄔ谔卣髂樀幕A(chǔ)上，引入類內(nèi)共性和類間差異的分類信息，使得投影子空間適用于分類問(wèn)題；彈性圖匹配法是一種解決多姿態(tài)變化問(wèn)題的基于局部信息的人臉識(shí)別方法；局部特征分析法考慮了面部局部特征的信息和它們之間的拓?fù)潢P(guān)系。這些主流技術(shù)在近期得到了更為細(xì)致的研究和探索。在分類器設(shè)計(jì)方面，許多研究采用了基于神經(jīng)網(wǎng)絡(luò)的方法、基于支持向量機(jī)的方法和基于多分類器的方法。除了上述靜態(tài)圖像人臉識(shí)別的研究，三維圖像識(shí)別研究和動(dòng)態(tài)臉像識(shí)別也是人臉識(shí)別研究的重要組成部分。

3 人像檢測(cè)的實(shí)用算法

使用常用的模板相關(guān)運(yùn)算，即使用人像檢測(cè)器作為模板在被檢測(cè)的矩形圖像窗口逐行逐列移動(dòng)，從而計(jì)算相關(guān)度，相關(guān)度最大的位置即為最佳匹配定位點(diǎn)。由于模板的移動(dòng)是逐點(diǎn)遍歷窗口圖像，當(dāng)前匹配運(yùn)算點(diǎn)與前面已經(jīng)匹配運(yùn)算過(guò)的位置無(wú)關(guān)聯(lián)，所以它們的匹配運(yùn)算路徑無(wú)助于到達(dá)最佳匹配位置，匹配效率很低。筆者使用一種實(shí)用圖像檢測(cè)的算法，使模板圖像在給定窗口圖像中盡量向下一個(gè)相關(guān)度較大的位置移動(dòng)，從而使模板圖像能快速到達(dá)最佳匹配點(diǎn)[2]。檢測(cè)方法見圖2。

在圖2中，設(shè)A為M×N給定窗口圖像點(diǎn)陣，B為m×n人像檢測(cè)器點(diǎn)陣，它們都是 256 級(jí)灰度圖像，即 0≤A（i，j）≤255，其中 0≤i≤M-1，0≤j≤N-1。 同樣，0≤B（i1，j1）≤255，其中 0≤i1≤m-1，0≤j1≤n-1，m∈（0，M），n∈（0，N）。有效的匹配運(yùn)算區(qū)域在圖2a虛線所圍矩形內(nèi)。

以人像檢測(cè)器作為模板，將其左上角移動(dòng)至圖像A中點(diǎn)（i，j）處并進(jìn)行相關(guān)匹配運(yùn)算，它對(duì)應(yīng)于窗口圖像的子圖像塊（圖2中陰影區(qū)域），可記為

式中：i1∈（0，m-1）；j1∈（0，n-1）；是人像檢測(cè)器均值，僅需計(jì)算一次；是子圖像塊的均值；γ（i，j）∈[-1，1]。 歸一化相關(guān)度與子圖像塊和人臉檢測(cè)器的大小變化無(wú)關(guān)。

該算法的基本思想為：移動(dòng)人臉檢測(cè)器進(jìn)行相關(guān)運(yùn)算，使人臉檢測(cè)器的移動(dòng)方向與最大相關(guān)度方向一致，從而使匹配位置快速到達(dá)最佳匹配運(yùn)算點(diǎn)。設(shè)當(dāng)前匹配運(yùn)算點(diǎn)P0，對(duì)應(yīng)相關(guān)度為γ0，選擇其3×3鄰域中相關(guān)度最大的一個(gè)點(diǎn)為下一個(gè)匹配運(yùn)算點(diǎn)，否則任選一個(gè)未被使用過(guò)的點(diǎn)，重復(fù)上述過(guò)程。由于相關(guān)度已歸一化到[-1，1]區(qū)間，因此可以用一個(gè)相關(guān)度閾值來(lái)檢測(cè)當(dāng)前點(diǎn)是否為最佳匹配點(diǎn)。

4 人像識(shí)別的快速算法

人像識(shí)別一直是人們研究和探討的課題。目前常用的圖像識(shí)別方法有：1）基于圖像紋理的圖像識(shí)別，如何選擇合適的圖像紋理參數(shù)定義圖像相似度是問(wèn)題的關(guān)鍵和難點(diǎn)。2）基于圖像直方圖的圖像識(shí)別，如果兩幅圖像有相似的直方圖（相似的均值，相似的方差），則這兩幅圖像是相似的。3）基于圖像內(nèi)容的圖像識(shí)別，圖像可表示為一種支持目標(biāo)特征和目標(biāo)間關(guān)系的屬性關(guān)系圖，若兩幅圖像的屬性關(guān)系圖是相似的或可匹配的，則這兩幅圖像是相似圖像。筆者介紹一了種新穎的圖像識(shí)別方案。該算法歸結(jié)為一幅圖像“旋入”另一幅圖像的概率。

如果 T1∈Rm×n是標(biāo)準(zhǔn)圖像，T2∈Rm×n是待識(shí)別圖像，定義正交問(wèn)題意義下的圖像相似度 （Image Similarity Degree，ISD），設(shè)為

式中：QTQ=En；Q∈Rm×n是正交變換陣；F 是一范數(shù)；En是單位陣。則

ISD算法步驟如下：

1）已知 T1∈Rm×n，T2∈Rm×n，設(shè)

3）Q=UVT；

5 實(shí)驗(yàn)結(jié)果分析

本文使用Yale圖像庫(kù)中的部分圖像和用數(shù)碼相機(jī)自拍的圖像共同建立了一個(gè)測(cè)試圖庫(kù)，每人有3～8張照片，每張照片有較大的表情變化、明暗度變化，并且包括同一個(gè)人戴眼鏡與不戴眼鏡的情況。樣本圖庫(kù)選用每人一張較為標(biāo)準(zhǔn)的圖像，作為識(shí)別的樣本。

實(shí)驗(yàn)結(jié)果如圖3所示，左邊的視窗顯示了所有待識(shí)別圖像，選中當(dāng)前待識(shí)別的圖像（用矩形框標(biāo)出），右邊的視窗顯示匹配得出的標(biāo)準(zhǔn)圖像，標(biāo)準(zhǔn)人臉圖像下面的數(shù)字即為計(jì)算得出的相關(guān)性系數(shù)，同時(shí)給出此人的相關(guān)信息（預(yù)先在樣本圖庫(kù)中給出）。從仿真結(jié)果可以看出，同一個(gè)人的人臉之間明顯比不同人的人臉之間的檢測(cè)結(jié)果小，合理選擇閾值，即可正確識(shí)別人臉圖像。從實(shí)驗(yàn)結(jié)果可以看出本文方法對(duì)于多姿態(tài)的人臉識(shí)別具有較好的識(shí)別率，并且可以在一定程度上適應(yīng)光照明暗強(qiáng)度的變化。

若將測(cè)試圖庫(kù)中的所有圖像進(jìn)行匹配，則應(yīng)設(shè)定適當(dāng)?shù)蔫b別門限。當(dāng)兩個(gè)模式之間的距離小于該門限時(shí)，認(rèn)為這兩個(gè)模式匹配，否則認(rèn)為不匹配。對(duì)于門限的合理選擇，必須盡可能減小錯(cuò)拒率（False Rejection Rate，F(xiàn)RR）和錯(cuò)收率（False Acceptance Rate，F(xiàn)AR），從而使正確識(shí)別率（Correct Recognition Rate，CRR）獲得良好的結(jié)果。所謂錯(cuò)拒率就是將兩個(gè)本來(lái)屬于同一類的模式誤認(rèn)為不是同一類。所謂錯(cuò)收率是指將兩個(gè)本不屬于同一類的模式誤判為同一類。可以通過(guò)統(tǒng)計(jì)錯(cuò)拒率和錯(cuò)收率設(shè)定鑒別門限。若門限定的高，錯(cuò)拒率會(huì)減小，而錯(cuò)收率將上升；反之，當(dāng)門限定的低時(shí)，錯(cuò)拒率會(huì)上升，而錯(cuò)收率將減小。總之，錯(cuò)拒率和錯(cuò)收率不可能同時(shí)減小，哪一個(gè)比重大些，可以使用權(quán)重因子α控制，由此構(gòu)筑用于設(shè)定門限的函數(shù) f（ISD）為

式中：f（ISD）的最小值對(duì)應(yīng)的 ISD就是鑒別門限；f1（ISD）和f2（ISD）分別為關(guān)于相關(guān)性系數(shù)ISD的錯(cuò)拒率和錯(cuò)收率。α<1，表示認(rèn)為錯(cuò)收的風(fēng)險(xiǎn)較大，選擇的門限將使錯(cuò)收率低于錯(cuò)拒率；反之，α>1，表示認(rèn)為錯(cuò)拒的風(fēng)險(xiǎn)較大，選擇的門限將使錯(cuò)拒率低于錯(cuò)收率。

6 小結(jié)

利用人臉識(shí)別技術(shù)將傳統(tǒng)的鑰匙開鎖用人臉作為“鑰匙”來(lái)代替，此“鑰匙”絕對(duì)唯一，不會(huì)丟失。在樓宇門口安裝人臉識(shí)別終端機(jī)，對(duì)住戶進(jìn)行人臉登記，作為開門的“鑰匙”，只有合法的住戶進(jìn)行身份識(shí)別時(shí)，方可成功開門，一旦有不法分子想進(jìn)入樓宇，檢測(cè)到身份不符，對(duì)住戶和管理人員發(fā)送警示信號(hào)，并拍下不法分子照片，防止小偷作案。專門針對(duì)樓宇的安全防范而設(shè)計(jì)的樓宇人臉識(shí)別智能門禁系統(tǒng)，必將提升樓宇的安全性。

[1]薛鴻民，劉志鏡，劉利，等.基于形狀的圖像檢索的關(guān)鍵技術(shù)研究[J].計(jì)算機(jī)應(yīng)用研究，2002（11）：20.

[2]劉利，董惠，王棟，等.一種基于小波的人像檢測(cè)快速算法[J].金卡工程，2006（8）：13.

[3]楊潤(rùn)玲，周軍妮，劉利.基于改進(jìn)型FCM聚類的圖像分割新方法[J].電視技術(shù)，2008，32（6）：12-14.

[4]周軍妮，劉利.基于Hough擬合算法的對(duì)稱目標(biāo)姿態(tài)測(cè)量新方法[J].電視技術(shù)，2007，31（8）：91-93.

[5]周激流，張華，郭晶，等.基于先驗(yàn)?zāi)０宓娜四樏娌刻卣魈崛〉难芯縖J]. 計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2000，5（12）：337-339.

[6]田捷，楊鑫.生物特征識(shí)別技術(shù)理論與應(yīng)用[M].北京：電子工業(yè)出版社，2005.

[7]RAJAGOPALAN A N，BURLINA P，CHELLAPPA R.Higher order statistical learning for vehiclle detection in images[C]//Proc.the Seventh IEEE InternationalConference on ComputerVision.Kerkyra，Greece：IEEE Press，1999：1204-1209.