基于級聯濾波器深度學習的鐵路安檢人臉識別與驗證研究

李 鹍，吳 寧，宋 明，楊 銳

（1.中國鐵道科學研究院集團有限公司 標準計量研究所，北京 100081；2.欽州學院 電子與信息工程學院， 欽州 535011；3.中國鐵道科學研究院集團有限公司，北京 100081）

鐵路進站安檢是保證鐵路安全的一個重要環節，隨著旅客流量的增加，旅客證件和車票檢查的工作量日益增大，導致了對車站安檢人員的數量需求越來越大，旅客滿意度下降，采用自動化模式進行旅客證件和車票檢查的需求越來越強烈[1]。近年來，人臉識別技術已經應用于多個領域，隨著我國鐵路信息化建設腳步的不斷加快，人臉識別技術將會在鐵路安全領域中得到廣泛應用[2]。

在傳統人臉識別應用中，通常會使用全聯通卷積神經網絡（CNN）算法，但是，該算法測試時間長、識別率低，并不適合鐵路安檢中的實時人臉驗證[3]。在發現非線性濾波可以用于模式識別后，研究人員開始考慮其在人臉識別中的應用。1996年，Dubois的研究展示了使用非線性閾值分離的級聯線性濾波器的潛力[4]，并把非線性濾波應用于空間域，而不是在頻域中。在Dubois的研究中，線性濾波器根據自動空間頻率選擇器（ASFS）方法進行了優化，并且注意到單層ASFS濾波器的性能明顯提高[5]。隨后，Reed和Coupland發現，級聯濾波器是在測試前饋神經網絡進行移位不變模式識別輸出時必須采取的形式[6]，并且兩層級聯濾波器具有與二次貝葉斯分類器可比的性能[7]。在對級聯濾波器的位移不變和旋轉不變的模式識別研究中發現，級聯濾波器對于字符識別和細菌圖像識別有著優異的非線性性能，但是對于級聯濾波器在人臉識別的應用研究尚未見報道[8]。

本文介紹鐵路安檢中利用級聯相關濾波器進行人臉識別的應用研究。研究用于識別和驗證戶籍數據庫中的人臉圖像的級聯濾波器，并利用公開的3個人臉數據庫（ORL、AR、Feret）進行實驗驗證。通過與全聯通CNN的性能進行對比，我們發現級聯濾波器在識別率上略優于全聯通CNN，而在測試速度上遠快于全聯通CNN。

1 級聯濾波器理論

1.1 級聯濾波器定義

1.1.1 相關濾波函數

一般來說，相關濾波器是一個線性移位不變函數，它的輸出相對位置的函數表示兩個圖像之間的相似度。在矢量符號中，可以將二維圖像寫為n維向量x=[ x1, x2,…, xn]T，其中，n是像素數，T表示置換。用一個濾波器核（或脈沖響應）h =[h1, h2,…,hn]T來定義一個相關運算符H：

其中，上標*表示共軛。下標的n為向量的模，使得：

1.1.2 級聯濾波器閥值函數

定義一個閾值運算符T對矢量的各個分量進行操作。

一般說來，要對濾波器的輸出結果取模，所以，定義了以下取模運算符M：

1.1.3 相關濾波器的通式

構建m層級聯濾波器F為：

其中，每個運算符的下標表示給定運算符的層級。為了優化濾波器Hi和閾值Ti，定義k個測試圖像的矩陣集S，使得S = [s1, s2,..., sk]，將S帶入式（5），得相應的輸出矩陣R。

定義期望輸出強度圖像O的矩陣。為了對級聯濾波器進行深度學習從而驗證被測試人臉的證件信息，目標類圖像的期望輸出將是戶籍數據庫中證件的人臉圖像，一般為身份證照片。不失一般性，對于非目標類圖像，我們所期望的輸出為零。

為了實現期望的輸出，通過使用適當的誤差函數E來優化級聯。如果Rij和Oij分別代表第j個測試的第i個像素和輸出圖像，使用的誤差函數的形式是：

該表達式的第1項就是與目標輸出的圖像的偏差平方。給輸出向量中的人臉元素所對應的像素加上額外的權重，更容易優化得到用于識別人臉的最優解，所以，給式（6）中的第2項一個權重系數，其中，像素p～q是期望輸出人臉圖像中表示人臉內容所在元素的位置。

1.2 級聯濾波器優化

1.2.1 優化方法

確定濾波器結構之后，需要優化濾波器參數，使濾波器的輸出能達到或接近期望的目標圖像。優化濾波器參數與測試CNN網絡一樣，利用數值優化策略進行多維誤差的最小化[9]，優化誤差函數的方法取決于誤差函數的性質和可用的計算資源。有一些線搜索算法，例如Nelder-Mead下坡算法，只能得到一個局部最優值[10]，而模擬退火[9]算法會有可能得到一個全局最優解，但是計算時間會大大增加。

本文先使用隨機搜索算法，找到誤差函數值的一個較低值區域，再采用線搜索方法進一步最小化誤差函數。在優化濾波器時，如果采用隨機搜索的方法在預定的最長時間內還未找到一個較低值的區域，那就放棄搜索，因為在鐵路安檢的應用中，乘客的等待時間是有限的。在優化測試級聯濾波器的時候，初始參數的選擇至關重要，是能否找到全局最優解的關鍵因素之一。在本研究中，我們根據人臉識別的經驗，確定了一組隨機數作為初始參數。

1.2.2 級聯濾波器邊緣效應

在實際應用中，由于需要識別的圖像大小不確定，所以需要一個相對小的濾波器核來識別在一個比較大的圖像中的對象。本研究中，在級聯濾波器結構的每層中采用16×16像素的濾波器，由于被測試和被識別的圖像往往都會比濾波器核的尺寸要大，這就需要對濾波器核進行補零操作。而且，如果濾波器采用相同大小的測試圖像進行優化后，當測試圖像被粘貼到更大的圖像中時，濾波器就失去了識別的性能，這是由兩幅圖像在互相關過程中的邊緣效應造成[11]。為此，我們通過在測試過程中的補零操作來避免優化過程中的邊緣效應。

2 人臉數據庫測試

為了測試級聯濾波器對人臉的識別能力，分別采用ORL、AR、Feret這3個在線人臉數據庫來測試級聯濾波器。本研究的測試在Matlab 2017仿真平臺進行，所使用的計算機硬件配置是：Intel i7-7500 CPU @2.7 GHz，8 GB RAM。

2.1 ORL人臉數據庫測試

在測試ORL數據庫的過程中，把每個人臉圖像中的第1張正面圖像作為目標輸出圖像，剩下的9張圖像作為測試圖像。這樣，就有40張目標人臉圖像和360張測試圖像，其中，每張目標人臉圖像對應9張同類人臉圖像，剩下的351張為非同類人臉圖像。

2.2 AR人臉數據庫測試

在測試AR數據庫的過程中，選取每個人臉的第1張正面圖像作為目標輸出圖像，其他的12張圖像作為測試圖像。這樣，就有120張目標人臉圖像和3 000張測試圖像，其中，每張目標人臉圖像對應25張同類人臉圖像，剩下3 094張為非同類人臉圖像。

2.3 Feret 人臉數據庫測試

在測試Feret數據庫的過程中，選取每個人臉的第1張正面圖像作為目標輸出圖像，其他的6張圖像作為測試圖像。這樣，就有200張目標人臉圖像和1 200張測試圖像，其中，每張目標人臉圖像對應6張同類人臉圖像，剩下1 393張為非同類人臉圖像。

3 實驗分析

3.1 測試方法分析

在測試以上3個人臉數據庫的過程中，把每個人臉的第1張圖像（即正面無遮擋圖像）作為目標類的測試圖像和期望輸出，把任意兩個其他人臉的第1張圖像作為非目標類的測試圖像，而非目標類的期望輸出為零。在對目標類的圖像進行測試完成之后，用式（6）來計算濾波器的實際輸出與期望輸出的誤差值Er。在測試階段，測試圖像輸入后，從濾波器的輸出圖像用式（6）來計算與期望圖像的差值Et。如果測試圖像與目標類圖像的差別太大，誤差值Et將會嚴重偏離Er。經過大量的測試和分析，我們發現85%以上目標類圖像的輸出差值Et都分布在Er的1.2倍以內，所以在測試過程中，如果Et＜1.2Er，則認為此測試圖像為目標類圖像，否則為非目標類圖像。

3.2 測試結果對比分析

為了與全聯通CNN的性能進行對比，把同樣的測試圖像通過全聯通CNN網絡進行編程測試，并把結果與級聯濾波器的性能進行對比。圖1是用級聯濾波器和全聯通CNN對ORL數據庫里的40張正面人臉的測試結果，可以看到，對于大部分人臉類別來說，級聯濾波器的識別率都比CNN高，級聯濾波器的平均識別率比全聯通CNN高6%左右。圖2是對AR數據庫里的120張正面人臉的測試結果，圖上的數據顯示，級聯濾波器的識別率穩定在80%左右，與之相比， 全聯通CNN的識別率的起伏就要大很多，大概在75%～83%之間，總體來說，級聯濾波器的識別率在大部分AR數據庫的人臉類別上優于全聯通CNN。圖3是對Feret數據庫里的200張正面人臉的測試結果，由圖可知，級聯濾波器的識別率與全聯通CNN的很接近，但是對于大部分Feret圖像類別來說，級聯濾波器的識別率優于全聯通CNN。從圖1～圖3的數據可以看出，級聯濾波器的識別率比全聯通CNN的識別率要略好一些；但是從圖4的計算時間來看，級聯濾波器的所需要的識別時間是全聯通CNN的30%左右,級聯濾波器的識別速度比全聯通CNN快3倍以上。

圖1 ORL數據庫里的40張正面人臉的測試結果

圖2 AR數據庫里的120張正面人臉的測試結果

圖3 Feret數據庫里的200張正面人臉的測試結果

圖4 3個數據庫的360張正面人臉的測試時間對比

4 結束語

本文研究了兩層級聯濾波器用于鐵路安檢中身份驗證的性能，并與全聯通CNN的性能進行了對比。以3個在線人臉數據庫為例驗證了該方法的可行性，從實驗數據可以看出，級聯濾波器平均識別率優于全聯通CNN的8%以上，識別速度優于全聯通CNN的3倍以上，證明了級聯濾波器在鐵路安檢身份驗證應用的可行性。今后將繼續研究級聯濾波器應用在人臉識別中的識別率問題，希望能夠進一步提高識別率。

[1] 王 京，王 冰，王 珂. 鐵路客運站安檢區域人臉識別系統設計與實現[J]. 鐵路計算機應用, 2012， 21（6）： 83-86.

[2] 安 然，王輝麟. 人臉識別系統在鐵路車站安檢區域應用的研究[J]. 鐵路計算機應用, 2012，21（9）： 21-24.

[3] Masakazu Matusugu, Mori Katsuhiko, Mitari Yusuke, et al.Subject independent facial expression recognition with robust face detection using a convolutional neural network[J]. Neural Networks, 2003, 16 (5): 555–559.

[4] Dubois F. Nonlinear cascaded correlation processes to improve the performances of automatic spatial-frequency-selective filters in pattern recognition[J]. Applied Optics, 1996(35):4589–4597.

[5] Dubois F., Automatic spatial frequency selection algorithm for pattern recognition by correlation[J]. Applied Optics,1993(32):4365–4371.

[6] Reed S., Coupland J. M. Cascaded linear shift-invariant processors in optical pattern recognition[J].Applied Optics,2001(40):3843– 3849.

[7] Reed S., Coupland J. M. Statistical performance of cascaded linear shift-invariant processing[J]. Applied Optics,2000(39):5949 – 5955.

[8] Wu N., Alcock R.D., Halliwell N.A. and Coupland J.M.Rotationally invariant pattern recognition using linear and nonlinear cascaded filters[J].Applied Optics, 2005, 44 (20):4315-4322.

[9] Teukolsky S. A., Vetterling W. T., Flannery B. P. Numerical Recipes[M]. Cambridge: Cambridge U. Press, 1992.

[10] Nelder J. A., Mead R. A simplex-method for function minimization[J]. Computer Journal, 1965(7):308 –313.

[11] Pratt W. K. Digital Image Processing[M]. Hoboken, USA:Wiley, 1991.