人臉識(shí)別點(diǎn)名

常躍 羅英語(yǔ) 蘭江

摘 ?要：隨著課堂學(xué)生人數(shù)的增多，在大學(xué)課堂中記錄學(xué)生出勤十分費(fèi)時(shí)費(fèi)力，因此針對(duì)高校課堂的點(diǎn)名問題設(shè)計(jì)一種高效的算法是必要的。文章首先根據(jù)大數(shù)據(jù)分析理論，對(duì)人臉數(shù)據(jù)進(jìn)行采集，導(dǎo)入，預(yù)處理，統(tǒng)計(jì)分析，存放到數(shù)據(jù)庫(kù)中;最后利用圖像識(shí)別技術(shù)來(lái)使用matlab處理圖像。通過人臉圖像識(shí)別與匹配，找出最佳的匹配對(duì)象，最終確定身份，從而達(dá)到節(jié)省時(shí)間和提高效率的目的。

關(guān)鍵詞：人臉識(shí)別系統(tǒng);數(shù)據(jù)分析;matlab;PCA方法;LDA方法

中圖分類號(hào)：TP391.41 ? ? ?文獻(xiàn)標(biāo)志碼：A ? ? ? ? 文章編號(hào)：2095-2945（2019）15-0024-03

Abstract： With the increase of the number of students in the classroom， it is very time-consuming and laborious to record the attendance of students in the university classroom， so it is necessary to design an efficient algorithm for the roll call problem in the university classroom. In this paper， according to big data analysis theory， face data acquisition， import， preprocessing， statistical analysis， stored in the database; finally， the use of image recognition technology to use Matlab to process images. Through face image recognition and matching， find out the best matching object， and finally determine the identity， so as to achieve the purpose of saving time and improving efficiency.

Keywords： face recognition system; data analysis; matlab; PCA method; LDA method

1 概述

在大學(xué)，老師對(duì)學(xué)生的管教沒有以前那樣嚴(yán)格，更多的要求學(xué)生自覺學(xué)習(xí)。然而就出現(xiàn)一個(gè)問題，上課的到課率并不是很高。大部分的高校老師，花費(fèi)課前的幾分鐘用來(lái)記錄按時(shí)來(lái)到課堂的學(xué)生。這種點(diǎn)名方式存在眾多弊端，比如有些逃課的學(xué)生可能被遺漏掉，有時(shí)候有各種突發(fā)情況會(huì)耽誤課上的時(shí)間等。隨著時(shí)代的進(jìn)步，更加高效，省時(shí)的點(diǎn)名方式層出不窮。人工智能技術(shù)的高速發(fā)展和人類視覺研究的進(jìn)步，使人們逐漸對(duì)機(jī)器識(shí)別產(chǎn)生了極大的熱情，并形成了人臉圖像識(shí)別的研究領(lǐng)域，這具有重要的理論價(jià)值和實(shí)用價(jià)值。像指紋一樣，臉也是獨(dú)特的，也可以用來(lái)識(shí)別一個(gè)人的身份。所以可以通過人臉識(shí)別建立一個(gè)有效的快速點(diǎn)名模型，就可以幫助教師解決點(diǎn)名問題。

人臉識(shí)別技術(shù)包括人臉檢測(cè)、人臉跟蹤和人臉比較三個(gè)部分，具體如下：（1）人臉檢測(cè)是指在具有復(fù)雜背景的動(dòng)態(tài)場(chǎng)景中判斷是否有人臉，并像這樣孤立人臉。一般來(lái)說(shuō)，有以下幾種方法：參考模板法、人臉規(guī)則法、樣本學(xué)習(xí)法、膚色模型法。（2）人臉跟蹤是指對(duì)檢測(cè)到的動(dòng)態(tài)目標(biāo)跟蹤，基于模型和基于運(yùn)動(dòng)與模型相結(jié)合的方法。然后將人臉模型進(jìn)行一系列的預(yù)處理。（3）人臉的比較是為了確定此人的身份，就是在庫(kù)中進(jìn)行目標(biāo)搜索，這實(shí)際上意味著對(duì)人臉圖像的采樣和對(duì)人臉圖像的清點(diǎn)，以此匹配最佳對(duì)象。

數(shù)據(jù)處理的過程可以歸納為四個(gè)步驟，即收集、引入、預(yù)處理和分析。本文通過對(duì)人臉數(shù)據(jù)進(jìn)行采集和導(dǎo)入，然后對(duì)人臉數(shù)據(jù)進(jìn)行預(yù)處理。最后基于各種算法對(duì)人臉數(shù)據(jù)進(jìn)行對(duì)比、分析和匹配。

2 基于matlab的圖像處理模型

2.1 存入數(shù)據(jù)庫(kù)

對(duì)人臉數(shù)據(jù)進(jìn)行采集。每個(gè)班級(jí)的成員不同，所要采集的人臉數(shù)據(jù)不同，利用圖像識(shí)別技術(shù)和大數(shù)據(jù)分析理論，對(duì)人臉數(shù)據(jù)進(jìn)行采集，導(dǎo)入，預(yù)處理，統(tǒng)計(jì)分析，存放到數(shù)據(jù)庫(kù)中。

2.1.1 數(shù)據(jù)庫(kù)設(shè)計(jì)原則

計(jì)算機(jī)數(shù)據(jù)庫(kù)的設(shè)計(jì)，可以說(shuō)是按照數(shù)據(jù)庫(kù)邏輯優(yōu)化和數(shù)據(jù)庫(kù)系統(tǒng)的物理結(jié)構(gòu)及其應(yīng)用，提高數(shù)據(jù)存儲(chǔ)效率和數(shù)據(jù)管理效率，以滿足信息存儲(chǔ)和數(shù)據(jù)的需要。數(shù)據(jù)庫(kù)的設(shè)計(jì)目標(biāo)是為在操作系統(tǒng)上的用戶建立和使用良好的工作環(huán)境，以實(shí)現(xiàn)對(duì)數(shù)據(jù)的有效管理和利用。在本課題中我們要建立一個(gè)存放高校學(xué)生頭像的數(shù)據(jù)庫(kù)。

2.1.2 數(shù)據(jù)庫(kù)概念設(shè)計(jì)

數(shù)據(jù)庫(kù)的概念設(shè)計(jì)主要是設(shè)計(jì)ER圖（實(shí)體屬性圖），它包括實(shí)體名稱和實(shí)體屬性，用戶可以清楚、直接、全面地理解實(shí)體。ER圖是一種概念模型，它連接著真實(shí)世界與信息世界，它將現(xiàn)實(shí)世界的實(shí)體之間的關(guān)系在抽象的ER圖中建模。大學(xué)課堂人臉識(shí)別系統(tǒng)包括學(xué)生姓名、人臉信息、班級(jí)信息、假期記錄、考勤記錄等其他實(shí)體。

2.2 人臉識(shí)別系統(tǒng)的組成

2.2.1 人臉數(shù)據(jù)的采集和檢測(cè)

人臉數(shù)據(jù)可以通過攝像機(jī)導(dǎo)入來(lái)采集，如不同的位置、不同的表情、靜態(tài)和動(dòng)態(tài)圖形的精確采集等。當(dāng)人臉在攝像機(jī)的范圍內(nèi)時(shí)，攝像機(jī)會(huì)自動(dòng)搜索和獲取目標(biāo)人臉。能夠識(shí)別人的面部的特征有很多，如結(jié)構(gòu)特征、直方圖和顏色特征等。人臉檢測(cè)就是要提取有用信息，然后利用這些信息識(shí)別出是否為人臉，最后采集下來(lái)。

2.2.2 人臉數(shù)據(jù)的預(yù)處理

基于人臉檢測(cè)結(jié)果，對(duì)人臉進(jìn)行數(shù)據(jù)處理，最后應(yīng)用于人臉特征提取。該系統(tǒng)獲取原始人臉數(shù)據(jù)時(shí)，由于各種干擾條件和限制，基本上不能直接使用，所以必須對(duì)它進(jìn)行圖像預(yù)處理。對(duì)于人臉數(shù)據(jù)，預(yù)處理主要包括灰度變換、直方圖均衡化、歸一化和銳化處理。

2.2.3 人臉數(shù)據(jù)特征提取

提取人臉特征，是對(duì)人臉特征進(jìn)行數(shù)學(xué)建模的過程。人臉特征提取可以分為兩類：一類是基于統(tǒng)計(jì)學(xué)習(xí)或代數(shù)特征表示，另一類是基于知識(shí)表示。

2.2.4 人臉數(shù)據(jù)的匹配和識(shí)別

在提取圖像的數(shù)據(jù)特征后，搜索在數(shù)據(jù)庫(kù)中存放的現(xiàn)有模板特征，取定一個(gè)范圍，當(dāng)相似度超過該范圍時(shí)，匹配結(jié)果輸出。人臉識(shí)別是在數(shù)據(jù)庫(kù)模板中識(shí)別人臉的面部特征，根據(jù)相似度確定人臉圖像信息的同一性。

2.3 人臉圖像的轉(zhuǎn)化與處理

2.3.1 轉(zhuǎn)換為灰度圖像

MATLAB7.0有許多不同類型的功能，圖像可以被轉(zhuǎn)換，如通過rgb2gray（）函數(shù)對(duì)人臉的圖像轉(zhuǎn)換為灰度圖像，通過mat2gray（）函數(shù)轉(zhuǎn)換為灰度圖像特征函數(shù)。下一個(gè)操作是基于灰度圖像，而原圖像是RGB圖像，因此我們要將圖像轉(zhuǎn)為灰度圖像。

2.3.2 對(duì)圖像的增強(qiáng)

圖像增強(qiáng)是為了提高人臉的視覺程度，或者使人臉圖像更容易被人或機(jī)器處理。通過圖像增強(qiáng)，減少了圖像中的噪聲，背景中的人臉更加突出。使細(xì)節(jié)在圖像增強(qiáng)中發(fā)揮作用。例如：改善圖像的非均勻光照，突出人臉的邊緣等。然后再采用直方圖變換的方法，即直方圖均衡化。我們使用函數(shù)histep（）實(shí)現(xiàn)直方圖均衡化。我們使用函數(shù)imhist（）來(lái)計(jì)算和顯示圖像的直方圖。將原始圖像和直方圖均衡圖像比較，人臉變得更清晰，直方圖均衡化后的形狀比原始直方圖效果更好。

2.3.3 灰度圖像的平滑與銳化處理

本文使用系統(tǒng)預(yù)先定義的高斯濾波器方法來(lái)銳化臉部圖像。中值濾波的基本原理是利用二維模板矩陣對(duì)待濾波的圖像像素進(jìn)行排序，形成單一的數(shù)據(jù)序列，然后用公式濾波。

2.3.4 圖像的邊緣檢測(cè)

邊緣檢測(cè)是人臉圖像識(shí)別中提取圖像特征的關(guān)鍵。檢測(cè)圖像邊緣的方法是計(jì)算一階導(dǎo)數(shù)或二階導(dǎo)數(shù)，以檢測(cè)其鄰域圖像中每個(gè)像素的灰度變化。我們選擇的邊緣函數(shù)edge（）在MATLAB7.0工具箱實(shí)現(xiàn)邊緣檢測(cè)。同時(shí)，我們還可以根據(jù)需要選擇合適的“算子”及其參數(shù)。（常用的算子有梯度算子，羅伯茨算子，智能算子，對(duì)數(shù)算子，canny算子），我們用canny算子來(lái)檢測(cè)圖像的邊緣。

2.4 人臉圖像識(shí)別與比對(duì)

人臉圖像識(shí)別是一個(gè)非常復(fù)雜的過程，我們?cè)谡n題分析中已經(jīng)做了一系列說(shuō)明。它大致包括以下幾個(gè)步驟：首先是人臉圖像采集，對(duì)采集人臉圖像人臉檢測(cè)，得到有人臉的結(jié)果，然后是對(duì)人臉圖像進(jìn)行預(yù)處理處理;其次是人臉跟蹤，找到人臉的位置并將特征分離出來(lái);接著是人臉識(shí)別，利用PCA對(duì)人臉圖像進(jìn)行降維，然后利用LDA尋找最佳投影矢量。最后進(jìn)行人臉比較，將采集到的人臉圖像特征與數(shù)據(jù)庫(kù)中預(yù)存的人臉圖像特征進(jìn)行比較，找到最佳匹配對(duì)象，最后確定身份。

2.4.1 PCA方法

主成分分析（PCA）方法是用于人臉識(shí)別技術(shù)中的一維特征提取方法。主成分分析的主要步驟是：利用K-L變換提取人臉的主要成分，形成特征空間，將識(shí)別出來(lái)的圖像投影到空間，得到與人臉圖像相比較的一組投影系數(shù)。這實(shí)質(zhì)上是一種對(duì)坐標(biāo)變換的方法以此來(lái)達(dá)到去相關(guān)的目的。這種方法可以在壓縮前后得到最小均方誤差（MSE），在低維空間變換后具有良好的分辨率。通過變換PCA算法，得到了低維矩陣，它對(duì)人臉的低維矩陣有很好的表達(dá)。

3 結(jié)論

本文通過圖像識(shí)別技術(shù)結(jié)合大數(shù)據(jù)分析理論等，設(shè)計(jì)出了具體的方案，給出了數(shù)學(xué)模型，對(duì)班級(jí)的學(xué)生進(jìn)行人臉圖像采集，識(shí)別，匹配。在教室門口安裝攝像頭及其他硬件設(shè)施，學(xué)生會(huì)在上課前的不同時(shí)段進(jìn)入，在學(xué)生進(jìn)入教室的同時(shí)對(duì)其進(jìn)行掃描，與數(shù)據(jù)庫(kù)中圖像進(jìn)行匹配，根據(jù)我們?cè)O(shè)計(jì)的方案，計(jì)算出所用時(shí)間判斷其身份，這樣，就不會(huì)占用任何課上時(shí)間，而且消耗的時(shí)間極少，相對(duì)于教師在課堂上拍照就節(jié)省了很多時(shí)間，教師就可以節(jié)省大量時(shí)間，同時(shí)也可以準(zhǔn)確無(wú)誤地檢驗(yàn)到班級(jí)實(shí)到人員，實(shí)現(xiàn)高校課堂的點(diǎn)名。

現(xiàn)在的金融、公安、教育、住宅、工廠以及更多公共服務(wù)事業(yè)越來(lái)越多的應(yīng)用了人臉識(shí)別系統(tǒng)。隨著人臉識(shí)別技術(shù)的成熟，會(huì)應(yīng)用到越來(lái)越多的領(lǐng)域。比如公司可以利用人臉識(shí)別考勤制度，住宅的人臉防盜門，利用人臉系統(tǒng)和網(wǎng)絡(luò)在全國(guó)范圍內(nèi)抓捕罪犯，電子身份證、駕駛證以及各類電子證件的驗(yàn)證，電子銀行的驗(yàn)證，在招生系統(tǒng)中的應(yīng)用。人臉識(shí)別技術(shù)可以大大的縮減我們工作的時(shí)間，提高我們的工作效率。

參考文獻(xiàn)：

[1]羅鑫，趙永進(jìn)，柳長(zhǎng)春，等.基于PCA算法人臉識(shí)別的matlab實(shí)現(xiàn)[J].黑龍江科技信息，2013（02）：103-104.

[2]趙來(lái)元，高鴻彬，李媛.基于主成分分析（PCA）的人臉識(shí)別算法研究[J].電子世界，2017（02）：116-117.

[3]喬志敏，楊慧剛.基于圖像處理的人臉識(shí)別系統(tǒng)[J].山西電子技術(shù)，2017（06）：50-52.

[4]蔡羽，徐朝陽(yáng)，范金龍.適于人臉識(shí)別的PCA算法應(yīng)用研究[J].信息技術(shù)，2017（11）：129-132.