基于年齡變化的人臉識(shí)別

范銘升　吳漢樞

摘要：本文基于對(duì)數(shù)字圖像處理問題的研究，建立了圖像預(yù)處理模型與圖像相似度計(jì)算模型，同時(shí)從輪廓檢測(cè)與提取和特征識(shí)別方面對(duì)模型進(jìn)行了修正。第一，在圖像預(yù)處理模型中，本文采用Niblack二值化算法對(duì)人臉斑點(diǎn)、膚色和皺紋等一些皮膚細(xì)節(jié)部分進(jìn)行濾波處理，通過設(shè)置閾值來除去皮膚細(xì)節(jié)等問題，實(shí)現(xiàn)對(duì)圖像特征區(qū)域的粗略提取。第二，在邊緣檢測(cè)模型中，本文采用的是高斯濾波和拉普拉斯邊緣檢測(cè)算法相結(jié)合的方法，使用高斯—拉普拉斯算子對(duì)圖像實(shí)行邊緣檢測(cè)，通過檢測(cè)得到進(jìn)而獲取人臉的輪廓。第三，在圖像相似度計(jì)算中，本文建立了基于SVD奇異矩陣分解的PCA主成分分析模型，實(shí)現(xiàn)對(duì)圖像特征向量的提取，然后采用巴氏距離算法計(jì)算人臉輪廓圖像相似度。

關(guān)鍵詞：Niblack二值化算法；邊緣檢測(cè)；主成分分析；巴氏距離算法

在計(jì)算機(jī)和多媒體技術(shù)高速發(fā)展的當(dāng)今世界，關(guān)于人臉識(shí)別的問題從來都是很具有研究性的課題。對(duì)于一個(gè)人從小到大的過程， 如果沒有整容的經(jīng)歷， 那么這個(gè)人年輕時(shí)和年長時(shí)的面部總會(huì)保留很大的相似性，本文據(jù)此特點(diǎn)進(jìn)行研究分析。

1 圖像預(yù)處理

Niblack二值化算法可以去除圖像中的人臉斑點(diǎn)和皺紋等的干擾，從而能夠比較粗略地提取出人臉的特征區(qū)域。

該算法的基本原理就是：對(duì)于圖像中每一個(gè)像素點(diǎn)，在它的鄰域內(nèi)，計(jì)算出相應(yīng)的閾值，然后二值化處理。將中心點(diǎn)以及其領(lǐng)域r×r范圍內(nèi)二值化后的結(jié)果為b（x，y），g（x，y）為中心點(diǎn)的灰度值，算法過程如下：

（1）首先計(jì)算中心坐標(biāo)r×r范圍內(nèi)均值灰度m（x，y）與標(biāo)準(zhǔn)方差s（x，y），然后根據(jù)方差和均值灰度計(jì)算出中心點(diǎn)的閾值，如下式

T（x，y）=m（x，y）+k·s（x，y）（1）

（2）根據(jù)均值灰度、標(biāo)準(zhǔn)方差和上式計(jì)算的閾值，將中心點(diǎn)二值化可得：

b（x，y）=0，g（x，y）≤t（x，y）255，g（x，y）>t（x，y） （2）

接下來把下一個(gè)點(diǎn)作為中心點(diǎn)，重復(fù)上述步驟，并繪出灰點(diǎn)直方圖。幼年期和青年期人臉圖像原始灰度圖、灰點(diǎn)直方圖、Niblack二值化和二值化對(duì)比如圖1、圖2。

2 邊緣檢測(cè)與輪廓提取

本文采用將高斯濾波和拉普拉斯邊緣檢測(cè)算法相結(jié)合的方法，用高斯—拉普拉斯算子對(duì)圖像實(shí)行邊緣檢測(cè)，實(shí)現(xiàn)人臉的輪廓的獲取，具體過程如下。

圖像的邊緣處灰度值函數(shù)的拉普拉斯計(jì)算為：

2f=div（f）=2fx2+2fy2（注：div為散度） （3）

在圖像邊緣處，如果f（x，y）的拉普拉斯運(yùn)算產(chǎn)生零點(diǎn)，即可判斷為圖像的邊緣。在經(jīng)過邊緣檢測(cè)之后，將提取的輪廓用于下一步相似度求解。

3 相似度求解

在統(tǒng)計(jì)中，巴氏距離算法不僅可以測(cè)量相似度，還與衡量兩個(gè)物品之間的重疊量的巴氏系數(shù)息息相關(guān)。

巴氏距離的定義如下：

DB（p，q）=-ln（BC（p，q）（4）

其中，BC是巴氏系數(shù)，通過巴氏系數(shù)可反映出p和q間的巴氏距離，巴氏距離越接近于1，兩幅圖像的相似度越高。

通過MATLAB得出灰度直方圖對(duì)比結(jié)果如圖3所示，可以發(fā)現(xiàn)兩張圖片的灰度直方圖分布基本一致。

據(jù)此，進(jìn)一步對(duì)兩張輪廓照片進(jìn)行量化，并進(jìn)行定量求解相似度，重新使用MATLAB求解得結(jié)果：HistDist=0.9519。

4 結(jié)語

人臉通常是一張圖像的重要信息，對(duì)于一個(gè)人從小到大的過程，如果沒有整容的經(jīng)歷，那么這個(gè)人年輕時(shí)和年長時(shí)的面部總會(huì)保留很大的相似性，本文所述方法正是利用這一特點(diǎn)實(shí)現(xiàn)了基于年齡變化的人臉識(shí)別。

參考文獻(xiàn)：

[1]黃福珍，佘星星.基于膚色和人臉形狀約束的正面人臉輪廓提取算法[J].上海電力學(xué)院學(xué)報(bào)，2012，28（4）：361364.

[2]張媛，張燕平.一種PCA算法及其應(yīng)用[J].計(jì)算機(jī)技術(shù)與發(fā)展，2005，15（2）：6768.

[3]任成娟.基于LPP_SIFT和巴氏距離相結(jié)合的人臉識(shí)別算法[J].電子設(shè)計(jì)工程，2015，（2）：3537.