基于單視圖的多姿態人臉識別算法

梁飛翔

(婁底職業技術學院 湖南婁底 417000)

引 言

為了提升多姿態人臉識別中的人臉生成精度，本文提出了局部加權的人臉生成算法，并且利用人臉特征進行總結和分析?，F有的人臉識別系統，在人臉和人臉姿態類似的情況下，人臉識別率相當高。但是當人臉姿態發生多種變化時，人臉識別系統的識別率也在不斷地降低。因此，改善這一問題的最有效的方式就是通過采集多姿態人臉來處理。同時，由于實際環境和條件的約束，大部分情況下都無法采集到足夠的姿態人臉。由于以上的情況，基于單視圖的多姿態人臉識別已經成為了人臉識別領域研究的重點，研究具有重要的指導意義和價值。

一、人臉識別技術的內涵

人臉識別技術是利用計算機技術對人臉進行分析，有效的采取人臉的主要特征進行人臉的鑒別技術，在多媒體、身份驗證等方面具有重要的作用和價值，受到了各行業領域的廣泛應用和重視。隨著社會經濟的快速發展，人臉識別領取也取得了突破性的進展，但是這些發展成果無法滿足現代化發展的要求?，F階段，人臉識別的識別率也逐步地提升了，但是個別因素影響下，多樣化姿態的不斷變化，導致降低了人臉識別率。人臉和人體都具有獨一無二的特征，為身份的識別奠定了基礎保障，同時，人臉識別技術又具有以下的優勢：人臉采集是一種友好的方式，具有非接觸性質，操作簡單方便，和指紋以及虹膜對比而言，一般情況下，人類不需要具備知識的儲備，只需要專家認定即可。人臉識別設備簡單，且生產成本較低，采用移動設備采集即可，而指紋、虹膜則需要專業的采集儀器，且費用十分的昂貴，因此不建議推廣和應用。[1]

二、單視圖人臉識別的重要作用

在單視圖人臉識別樣本中，實際上每個都只有一張人臉圖像。比如：學生證、身份證、駕駛證等。但在公安系統應用中，卻存在著多種姿態的人臉識別，導致各種不確定的因素和問題發生。單視圖的多姿態人臉識別在人臉識別領域面臨著巨大的挑戰和困難，如何突破這個難題，對于我國各行業領域的發展具有重要的應用價值和意義。基于單視圖的人臉識別具有諸多的優勢，不僅可以降低多姿態人臉識別的成本，還可以減輕人臉采集工作量。對于人臉識別來說，多姿態人臉識別的生成階段為離線狀態，識別過程為在線轉態，人臉的相應特征控制點，可以通過全自動的方式采集，也可以利用半自動的方式采集。例如，很多的證件在辦理階段都已經完成了用戶的電子圖像采集，包括工作證、身份證、駕駛證等。因此，我們可以使用以往用過的人臉庫建立新的人臉庫，其中包含了單視圖的，也包含了正面的，有效地降低了成本的和勞動力。單視圖的人臉樣本有效地縮小了儲存空間，可以在有限的空間內放更多的單個人臉圖像，提升了系統的擴展性。[2]

三、基于單視圖人臉識別的算法

(一)多姿態人臉生成算法基本原理

由于人臉的器官分布的相似性，以及明顯的結構特征和局部特征特點，我們可以完全利用類似點和結構特征去創建多種姿態下的人臉幾何形變函數，從而形成多姿態的人臉圖像?；诖?，本文提出了局部加權多姿態人臉生成算法，其主要是通過人臉的局部特征，得到人不同姿態下的相同的特征之間的映射函數。隨著姿態變化不斷增加，同一個體的人臉圖像之間相關性降低。因此，我們將單視圖和人臉圖像作為樣本，并且對人臉的候選姿態樣本進行識別和確定，從而不需要對整個樣本庫進行對比，不僅減少了計算量，還降低了搜索空間。

(二)多姿態人臉支持分類識別

對于N種類的多姿態人臉，筆者構建了一個N(N-1)/2個SVM分類器，將主要提取的人臉特征作為分類的輸入量，完成SVM的學習訓練，然后根據人臉識別的特征量G，采用一對一的算法進行投票決定，最終以得票最多的來判定G的屬類。分類器本質是一個超平面集，所有人臉的G均能被該平面集進行劃分，促使不同的人臉之間分類距離變大。

(三)實驗計算結果

筆者采用局部加權的平均算法來擬合姿態人臉，使得每個像素的形變函數與相鄰的特征點函數與其距離加權所決定。這樣不僅保證了形變函數的局部特征，還有效地避免了局部差異擴大到整個圖像當中，從而進一步提升了人臉圖像的局部特征的精確度。采用正臉多姿態的人臉生成方法，我們只需要得到正面人臉圖像，就能獲取多姿態人臉，不斷擴大人臉訓練樣本集，提升人臉識別率，展示了良好的人臉識別效果，在人臉姿態變化更多、更大時，效果會更加顯著。

四、結束語

總而言之，人臉識別率的高低和每個人臉的訓練樣本數之間有著很大的關系。本文提出的人臉生成算法，通過對個體樣本的人臉識別問題，轉化為每個人有多個樣本的情況下，面臨的人臉識別問題，從而有效地實現多姿態人臉的識別，提升人臉識別率和效果。同時，本人臉識別算法只要在擁有正面人臉樣本的情況下，就能進行多姿態人臉識別，在具體的應用中具有良好的效果和適應性。