基于Matlab的人臉識(shí)別系統(tǒng)設(shè)計(jì)

寇毛蕊

(廣西大學(xué) 公共管理學(xué)院，廣西 南寧 530004)

0 引言

雖然科技進(jìn)步給人們帶來了諸多便利，然而同時(shí)帶來的信息安全問題也愈發(fā)令人擔(dān)憂。解決信息安全問題最主要的手段之一就是身份驗(yàn)證。現(xiàn)代身份驗(yàn)證的方式有很多，如指紋識(shí)別、密碼驗(yàn)證、IC卡驗(yàn)證與語音識(shí)別等，但這些識(shí)別方式也存在嚴(yán)重的安全隱患。人類臉部特征是人類與生俱來的一種生物特征，人臉特征與指紋特征一樣，具有唯一性與穩(wěn)定性。因此，可利用該特征研究一種新的身份驗(yàn)證系統(tǒng)——人臉識(shí)別系統(tǒng)，這種新的身份驗(yàn)證技術(shù)主要具有以下特點(diǎn)：①非接觸性。用戶不需要接觸驗(yàn)證設(shè)備；②非強(qiáng)制性。被識(shí)別的人臉可由驗(yàn)證設(shè)備主動(dòng)捕獲；③并發(fā)性。在實(shí)際應(yīng)用中可進(jìn)行多個(gè)人臉的分揀、判斷及識(shí)別。因此，與其它身份驗(yàn)證方式相比，人臉識(shí)別系統(tǒng)具有更高的識(shí)別率，能夠更有效地保障人們的信息安全。

20世紀(jì)90年代之前，研究技術(shù)手段的落后導(dǎo)致人臉識(shí)別技術(shù)的發(fā)展處于停滯不前的狀態(tài)[1]。之后，隨著人臉檢測與視頻解碼技術(shù)的發(fā)展與廣泛應(yīng)用，促進(jìn)了人臉識(shí)別技術(shù)的成熟與完善。國外如卡內(nèi)基梅隆大學(xué)、麻省理工學(xué)院、卡內(nèi)基梅隆機(jī)器人實(shí)驗(yàn)室等已對相關(guān)技術(shù)進(jìn)行了大量研究，并取得了一定成果，國內(nèi)也成立了專門的實(shí)驗(yàn)室針對人臉識(shí)別技術(shù)進(jìn)行研究。雖然目前國內(nèi)外在人臉識(shí)別技術(shù)方面已取得不少進(jìn)展，然而由于人體面部的特殊性，研究中還有諸多問題亟待解決[2]。此外，已有研究對人臉特征的有效提取方面并未進(jìn)行深入探討。

Matlab語言語法限制不嚴(yán)格，程序設(shè)計(jì)自由度高，具有很強(qiáng)的邏輯性，還推出了功能強(qiáng)大的適用于圖像處理與分析的工具箱，如小波分析工具箱、圖像處理工具箱及數(shù)字信號(hào)處理工具箱[3]。 圖像是信息的一種特殊表達(dá)方式，不同圖像承載了不同的信息內(nèi)容。圖像特征是人們接收、傳遞并處理信息的重要依據(jù)[4]。本設(shè)計(jì)在Matlab環(huán)境下，利用圖像處理工具對圖像進(jìn)行特征提取，將采集到的圖像特征與預(yù)先存放在人臉數(shù)據(jù)庫內(nèi)的人臉特征進(jìn)行對比匹配，得出識(shí)別結(jié)果。同時(shí)，本文對人臉特征的有效提取方面進(jìn)行了深入探討，以期為今后的研究提供參考。

1 系統(tǒng)概要設(shè)計(jì)

1.1 系統(tǒng)設(shè)計(jì)框架

人臉識(shí)別過程是一個(gè)相對復(fù)雜的過程，人臉識(shí)別系統(tǒng)也是一個(gè)復(fù)雜的系統(tǒng)。人臉識(shí)別系統(tǒng)基本組成框架如圖1所示。

圖1 人臉識(shí)別系統(tǒng)框架

人臉識(shí)別系統(tǒng)構(gòu)建步驟如下：①建立人臉圖像特征數(shù)據(jù)庫。通過計(jì)算機(jī)攝像頭采集大量人臉照片，然后對人臉圖像進(jìn)行一系列預(yù)處理，提取人臉特征存入人臉特征數(shù)據(jù)庫，并訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)即為人臉分類器；②打開人臉識(shí)別系統(tǒng)，點(diǎn)擊人臉采集，系統(tǒng)即會(huì)調(diào)用計(jì)算機(jī)攝像頭采集人臉圖像；③采集到的人臉圖像需經(jīng)過膚色檢測、圖像預(yù)處理、特征提取，再送到人臉圖像分類器中進(jìn)行識(shí)別，處理結(jié)束后得到預(yù)識(shí)別的人臉圖像特征；④將該特征與建立好的人臉特征數(shù)據(jù)庫中的特征進(jìn)行對比匹配，人臉圖像分類器輸出匹配結(jié)果，即得到最后的人臉圖像識(shí)別結(jié)果。

1.2 圖像獲取模塊

人臉圖像是通過計(jì)算機(jī)攝像頭采集的。在獲取圖像時(shí)，可以是真人或真人圖片，也可以直接調(diào)用計(jì)算機(jī)內(nèi)事先保存的圖片。本設(shè)計(jì)選擇調(diào)用攝像頭采集圖像。由于系統(tǒng)的局限性，在調(diào)用攝像頭采集圖像時(shí)，需注意如下幾點(diǎn)：①保持光線良好且不變化[6]；②采集目標(biāo)與攝像頭之間距離變化不大；③攝像背景不復(fù)雜；④保持單人正面；⑤人物正常坐姿，臉部表情自然等。

1.3 人臉區(qū)域獲取模塊

獲取圖像后，需要進(jìn)行人臉區(qū)域圖像提取。人臉區(qū)域提取是通過膚色的非線性分段色彩變換加以實(shí)現(xiàn)的[7]。通過該方法得到的膚色模型屬于色彩空間中的聚類模型。建立該膚色模型的前提是選取一個(gè)適合的色彩空間，本設(shè)計(jì)使用的是YCbCr色彩空間[8]。尋找到膚色區(qū)域后，通過一系列形態(tài)學(xué)處理操作將采集到的人臉區(qū)域部分提取出來。

1.4 圖像預(yù)處理模塊

由于外界因素的干擾，需要通過圖像預(yù)處理消除圖像帶來的干擾信息，并保持圖像的原有數(shù)據(jù)特征。圖像預(yù)處理效果將直接影響系統(tǒng)后期的人臉識(shí)別過程，因此圖像預(yù)處理是系統(tǒng)設(shè)計(jì)中的關(guān)鍵之一。圖像預(yù)處理包括除噪處理、抗干擾處理等，通常采用的圖像預(yù)處理方法有：圖像平滑[9]、圖像銳化[10]、圖像邊緣增強(qiáng)等。通過圖像預(yù)處理，可使圖像本身具有的特征能夠更好地體現(xiàn)出來。圖像預(yù)處理模塊包括光線補(bǔ)償、圖像類型轉(zhuǎn)換、高斯平滑處理與小波增強(qiáng)4個(gè)子模塊。

1.5 特征提取模塊

在圖像完成預(yù)處理后，進(jìn)行人臉特征提取，本設(shè)計(jì)采用Gabor小波特征提取算法。Gabor小波對變化具有非敏感性，且具有很好的光照變化適應(yīng)性等特性，可以解決光照不穩(wěn)定問題。同時(shí)，Gabor小波在圖像特征提取的局部空間與頻域信息方面具有良好特征。對預(yù)處理后的人臉區(qū)域進(jìn)行小波變換，在大部分基于Gabor特征的人臉識(shí)別算法中，特征提取模塊僅提取人臉的Gabor幅值特征，然后將提取到的特征值轉(zhuǎn)存到人臉特征數(shù)據(jù)庫。

1.6 圖像識(shí)別模塊

計(jì)算機(jī)利用歐氏距離計(jì)算方法，計(jì)算待識(shí)別人臉特征到事先建立數(shù)據(jù)庫中人臉特征模板的距離，提取計(jì)算出的所有最小值，對其進(jìn)行對比分析，找到最佳匹配對象，并通過輸出模塊輸出該人臉模板[11]，從而實(shí)現(xiàn)對人臉的有效監(jiān)測，得到最終識(shí)別結(jié)果。

2 系統(tǒng)詳細(xì)設(shè)計(jì)

2.1 GUI界面設(shè)計(jì)

GUI界面是人機(jī)交互的工具與方法[12]，其是包含圖形對象的用戶界面，同時(shí)圖形對象又包括窗口、圖標(biāo)、文本等。用戶以一定方式激活或選擇這些圖形對象時(shí)，計(jì)算機(jī)則對應(yīng)執(zhí)行相應(yīng)操作，例如實(shí)現(xiàn)圖像保存、圖像處理等[13]。其中最簡單的激活方式是用鼠標(biāo)控制計(jì)算機(jī)桌面上鼠標(biāo)指針的像素移動(dòng)。一個(gè)好的GUI界面可以讓操作者對設(shè)計(jì)目的與系統(tǒng)功能一目了然，并很直觀地告訴操作者怎樣操作系統(tǒng)。GUI界面設(shè)計(jì)步驟如圖2所示。

圖2 GUI設(shè)計(jì)步驟

在Matlab中設(shè)計(jì)GUI界面主要涉及以下幾方面內(nèi)容：組件添加、菜單編輯、屬性與回調(diào)函數(shù)設(shè)置[14]。本設(shè)計(jì)采用觸控按鈕直接實(shí)現(xiàn)相應(yīng)操作，系統(tǒng)GUI界面如圖3所示。

圖3 系統(tǒng)GUI界面

2.2 運(yùn)行結(jié)果

計(jì)算機(jī)利用歐式距離計(jì)算方法[15]計(jì)算采集到的人臉圖像數(shù)據(jù)特征到人臉數(shù)據(jù)庫模板特征之間的距離，并提取出計(jì)算數(shù)值當(dāng)中的最小值。對最小值進(jìn)行自動(dòng)分析對比，找到人臉庫中的最佳匹配人臉模板，并輸出該人臉圖像進(jìn)行身份驗(yàn)證，實(shí)現(xiàn)人臉識(shí)別功能。具體實(shí)現(xiàn)步驟如下：編寫計(jì)算距離的函數(shù)function mdis=mdist(a,b) ；使用函數(shù)dis(u)mdist(data2,data1)計(jì)算待測人臉到人臉模板距離；調(diào)用函數(shù)[s insdex]=sort(dis)對上述距離按升序排序，提取出最鄰近距離。對某人臉圖像識(shí)別結(jié)果如圖4所示。

圖4 人臉識(shí)別結(jié)果

3 結(jié)語

人臉識(shí)別技術(shù)是當(dāng)今科學(xué)研究中運(yùn)用的重要技術(shù)。在系統(tǒng)采集人臉圖像時(shí)，由于外界條件例如光照、表情、姿態(tài)等方面存在不確定性，以及設(shè)備不健全、系統(tǒng)不穩(wěn)定等問題的存在，對采集到的圖像影響非常大。在整個(gè)系統(tǒng)操作步驟中，人臉特征提取是其中最重要的一步，特征提取質(zhì)量直接影響到最終識(shí)別率。目前，人臉特征提取方法有多種，本文使用基于Gabor的人臉特征提取算法，并對圖像各處理階段作了相應(yīng)闡述。本研究的不足之處在于：由于系統(tǒng)受到很多外界因素影響導(dǎo)致圖片質(zhì)量受損，所以需要進(jìn)一步完善各步驟的圖像處理手段，提高圖像識(shí)別率。另外，本系統(tǒng)目前只能識(shí)別出待識(shí)別人身份，而無法識(shí)別出待識(shí)別人的個(gè)人信息，后續(xù)也將針對該問題進(jìn)行改進(jìn)，使系統(tǒng)具有更高的安全性。