基于PCA算法的人臉識別的圖片搜索引擎

摘要：文章討論了為了滿足用戶對圖片檢索的需求量不斷加大的需要，使得用戶的體驗方便快捷，從人臉識別的算法分析出發，基于ORL人臉庫針對人臉的特征化信息進行提取，同時分析、區別和匹配不同人臉，在此基礎上，搭建人臉識別搜索引擎，使得用戶可以從本地上傳照片并查找相似圖片。

關鍵詞：人臉識別；PCA算法；特征提取；搜索引擎；圖片搜索 文獻標識碼：A

中圖分類號：TP391 文章編號：1009-2374（2015）22-0021-02 DOI：10.13535/j.cnki.11-4406/n.2015.22.011

1 概述

搜索引擎完成的主要功能是關鍵詞的匹配及網絡上節點的遍歷查找，而本文針對人臉識別的圖片搜索引擎同樣利用特征匹配實現以人臉找相似人臉的搜索引擎。本文對人臉識別算法的分析主要從主成分分析法（PCA）入手，對其中的缺陷進行改進并應用于人臉圖片搜索引擎的實現中。在主成分分析法中利用降維的思想提取主要特征，經過線性變換及奇異值分解得到特征向量從而得到特征臉。在搜索引擎的實現中主要利用的是在網絡上節點的遍歷以找到匹配信息并顯示的技術。

2 人臉識別算法的分析

人臉識別算法的重點在于對于圖片的特征提取和分析，一張圖片的分辨率決定了圖片劃分的精度，為了提取有效特征，比如眼、口、鼻，可以將整張圖像利用橫縱軸劃分，利用多幅圖片，提取特征形成特征向量，表征標準人臉的組成。本次使用ORL人臉數據庫作為樣本進行PCA算法的驗證及分析。

2.1 基于PCA人臉識別算法的分析

PCA（主成分分析）和LDA（線性鑒別分析）是兩種降維方法，經過基本的測試和分析，PCA算法對于圖片識別的正確性很高，對于人臉表情和輕微顫抖也有很好的健壯性（本文的測試實驗建立在ORL人臉庫上）。

PCA方法由Turk和Pentlad提出，它是基于Karhunen-Loeve變換（即K-L變換），主要用于建模方法中常用的數據降維，由于一幅圖像由像素組成，基于像素在行列方向上的劃分形成矩陣或看成一個矢量，構成原始的圖像空間，因此PCA算法同樣也應用于人臉識別的領域——PCA算法在處理人臉等圖像識別問題時，遵循如下過程：將圖像矩陣轉化為圖像向量，對原始圖像向量進行線性分析標準化后得到標準化矩陣根據方差確定影響最大的向量即為第一主成分類似前面過程得到第二主成分以此類推。完整的人臉識別的過程包括：讀入人臉庫；形成特征臉（即特征向量）子空間，對圖像進行降維獲取特征值，把兩組圖像投影到由K-L變換得到的子空間上，利用對圖像的這種投影間的某種度量來確定圖像間的相似度；選擇一定的距離函數進行識別。提取主要的特征向量進行圖像重建，根據圖像重建結果得出相似程度與提取原始圖像向量的關系。

2.2 對于不同條件對特征提取的影響

2.2.1 依據圖像重建，得出利用特征向量的多少及原始圖片的成像清晰度（包括角度、光線、傾斜程度）都對重建結果有很大影響。這是人臉識別的關鍵性問題，本文通過圖片預處理來解決一部分問題，比原先未處理的圖片重建效果好了很多，擬合性也高了很多。

2.2.2 對于PCA算法，要求訓練集必須大于測試集。即要搜索的人臉圖片必須在數據庫中存在至少一張

圖片才能得到好的重建效果，否則不能實現。PCA算法可以對訓練樣本內的圖片重建效果很好。

如圖2，表示使用特征向量進行人臉重建得出的一組人臉圖像。

第一、二組表示訓練樣本中的重建結果，第三組表示訓練樣本外的重建結果，從中可以看出，訓練樣本內的效果在特征向量大于等于100時基本得到了很好的重建效果，基本還原原始圖片，而訓練樣本外重建的效果只能得到關鍵部位例如五官的大致位置和形狀，重建效果不是特別好。

2.3 基于影響因素對PCA算法的改進

通過增加訓練，集中不同人臉圖片的數量，增加關鍵部位例如五官的豐富性，使獲得的平均臉更具有廣泛性和代表性，對于不同圖片的外在差異性通過圖片預處理（例如：灰度處理）從而產生顏色、紋理差異性較小的圖片，再使用PCA算法進行降維得到的特征向量來重建的人臉圖片具有更好的擬合性，如此得到的特征向量相比沒有做預處理圖片有較好的重建效果。

3 Ubuntu下搜索引擎的搭建

3.1 準備工作

為了提高安全性，由于Ubuntu系統下可選擇用戶權限使得人臉庫的可靠性更高，本文選擇在Ubuntu下完成人臉搜索引擎的實現。在Ubuntu系統下通過命令行下載安裝CMake、OpenCV，同時利用CMake對OpenCV進行編譯；配置php的imagick-3.2.擴展和imagemagick擴展為圖片處理做準備，再配置好face_detect即php使用OpenCV的擴展函數；由于使用PHP作為開發環境，下載安裝LAMP（Linux、Apache、Mysql和PHP），將搭建搜索引擎的環境配置好。

3.2 前臺設計

搜索引擎主要以網頁的形式與用戶交互，是與用戶交互的接口的主要界面，主要有以下功能：實現人臉圖片的檢索和匹配功能（button、input元素），同時可以從本地上傳圖片（可預覽）至網頁客戶端（input元素），使得本地圖片與系統中相似圖片得以匹配并顯示給用戶。設計框架搭建前臺界面，利用html、css與JS語言實現界面設計，html和css完成界面風格設計，JS實現動態頁面效果（例如預覽圖片的動態顯示等），布局主要采用分欄形式，整體風格簡約便于用戶使用。

3.3 后臺實現

基于代碼的后臺主要使用php語言實現具體功能，包括：實現人臉圖片的檢索和匹配功能，同時可以從本地上傳圖片至網頁客戶端且用戶可以預覽，通過用戶點擊搜索按鈕使得本地圖片與網絡中相似圖片得以匹配并將匹配圖片顯示給用戶。通過spider技術實現網絡上html文檔的遍歷，可采用廣度優先算法——在訪問一個網絡節點后一次訪問相鄰的網絡節點直到將網絡中所有節點全部遍歷。對于圖片匹配與傳統的搜索引擎的文字匹配是類似的，利用PCA算法將圖片抽象成特征向量并與www中的html文檔中為圖片格式的元素進行匹配，通過建立索引的方式實現人臉圖片的查找與匹配，從而顯示給用戶。

4 結語

本文主要探討如何用php語言來實現搜索引擎中人臉圖片識別匹配的功能。由于在Ubuntu系統中可以保障人臉信息的安全性，本文的搜索引擎實現在Ubuntu系統下完成。該搜索引擎中對于人臉識別部分使用了穩定可靠的PCA算法，搜索引擎本身采用網絡爬蟲進行索引匹配，雖然基礎，但給用戶檢索人臉圖片帶來一定的方便，實現了圖片搜索、匹配等一些常用的功能，但是系統還可以進一步完善。由于現在信息大爆炸，在各個領域中對于信息的私有性有著很大的需求，因此，本次研究與實踐還有待進一步完善：（1）檢索圖片不僅僅局限于人臉圖片，而擴展為包括風景、物品等圖片的檢索；（2）優化PCA算法，使用基于PCA算法的優化算法例如Eigenface（其方法基于本文研究的PCA算法），可能會得到更好的結果；（3）不僅僅局限在搜索引擎，可以擴展到手機APP，使得人臉識別得到更好的應用。

參考文獻

[1] 宇雪垠，曹拓荒，陳本盛.基于特征臉的人臉識別及實現[J].河北工業科技，2009，9（5）.

[2] 張曉璐.基于PCA的人臉識別技術的研究[J].遼寧科技學院學報，2014，（12）.

作者簡介：李亞男（1992-），女，山西太原人，南京郵電大學計算機軟件學院學生，研究方向：軟件工程。

（責任編輯：周 瓊）