基于眉眼子區(qū)域和零均值預(yù)處理的特征臉識(shí)別方法

李詠豪

(南京理工大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院，江蘇南京 210094)

0 引言

由于新冠疫情的影響，為防止疾病傳播，在公共場(chǎng)合要求戴上口罩。人們戴上口罩后，對(duì)原有的人臉識(shí)別技術(shù)[1]形成了新的挑戰(zhàn)，為保證識(shí)別準(zhǔn)確率，不少已有的人臉識(shí)別門禁系統(tǒng)要求摘下口罩進(jìn)行識(shí)別，而這對(duì)人民健康又會(huì)帶來安全隱患。因此，需要對(duì)現(xiàn)有的人臉識(shí)別技術(shù)作進(jìn)一步改進(jìn)，允許不摘口罩的情況下進(jìn)行識(shí)別，并能夠保證其識(shí)別準(zhǔn)確率。特征臉識(shí)別方法[2-3]是常用的人臉識(shí)別技術(shù)之一，但是該方法在有口罩遮擋的情況下，識(shí)別準(zhǔn)確率較低。本文在特征臉識(shí)別基礎(chǔ)上，提出了基于眉眼子區(qū)域和零均值預(yù)處理的特征臉識(shí)別方法，獲得了較高的識(shí)別準(zhǔn)確率。

1 改進(jìn)的特征臉識(shí)別方法

1.1 眉眼子區(qū)域的選取

在訓(xùn)練圖像無(wú)遮擋，而測(cè)試圖像有遮擋的情況下，如果將整幅圖像作為訓(xùn)練或測(cè)試使用，在缺少嘴巴、鼻子等五官信息的情況下，識(shí)別率一定會(huì)受到較大的影響。在人臉有口罩遮擋的情況下，只有眉毛和眼睛的子區(qū)域未被遮擋，對(duì)訓(xùn)練圖像截取眉、眼子區(qū)域，同樣，對(duì)測(cè)試圖像也截取眉、眼子區(qū)域，這樣，可進(jìn)一步降低遮擋對(duì)五官信息的影響，從而保證人臉識(shí)別率。如圖1所示，圖1(a)為人臉原圖，圖1(b)為有遮擋的人臉圖，圖1(c)為截取眉眼后的人臉圖。

假設(shè)圖像用m*n大小的矩陣I來表示：

本文選取包含眉毛、眼睛部位的前k行以提取圖像眉眼子區(qū)域I’：

圖1 眉眼子區(qū)域的選取

1.2 零均值預(yù)處理

人臉識(shí)別的精度較易受到外界光照的影響，這主要是由于當(dāng)光照發(fā)生變化之后，人臉圖像的整體像素分布將會(huì)發(fā)生較大影響，從而影響基于特征臉識(shí)別方法的準(zhǔn)確率。為降低該因素的影響，我們通過對(duì)圖像數(shù)據(jù)進(jìn)行預(yù)處理，去除亮度差異帶來的干擾。如圖2所示，測(cè)試人臉偏亮?xí)r，特征臉方法中的前三個(gè)主分量受光照最為嚴(yán)重，對(duì)識(shí)別結(jié)果產(chǎn)生一定的影響。所以，考慮光照這一影響識(shí)別結(jié)果的重要因素，本文通過對(duì)圖像數(shù)據(jù)進(jìn)行預(yù)處理，去除亮度差異帶來的干擾，從而優(yōu)化改進(jìn)了模型。

圖2 基于PCA的特征臉識(shí)別方法受到光照影響

圖3 當(dāng)k為不同數(shù)值時(shí)的人臉識(shí)別準(zhǔn)確率

本文對(duì)特征臉方法添加了一個(gè)自身圖像零均值的預(yù)處理。預(yù)處理具體步驟如下：首先，求出訓(xùn)練圖像中每一幅圖像的灰度平均值，然后，將圖像中每一點(diǎn)像素(x,y)的灰度值I(x,y)減去該圖像自身灰度平均值生成向量放入數(shù)據(jù)庫(kù)中，即

1.3 特征臉識(shí)別方法

以主成分分析算法[4-5]為基礎(chǔ)的特征臉識(shí)別算法步驟如下：

步驟一：生成訓(xùn)練樣本

對(duì)于經(jīng)上述預(yù)處理后的人臉訓(xùn)練庫(kù)，我們從中為每人隨機(jī)選擇一定數(shù)量的圖像用來構(gòu)成人臉訓(xùn)練集，而剩下的人臉圖像則構(gòu)成測(cè)試集。設(shè)人臉訓(xùn)練庫(kù)中共有M幅圖像。假定人臉圖像矩陣為并將其每幅人臉圖像矩陣按列連接，構(gòu)成m*n大小的列向量，得到訓(xùn)練樣本集表示長(zhǎng)度為m*n的列向量。

步驟二：執(zhí)行K-L變換

首先，計(jì)算所有訓(xùn)練樣本的均值，即平均臉，再將M幅圖像分別減去平均臉，得到M幅差圖像向量，減去平均臉后構(gòu)成的矩陣

步驟三：求特征值和特征向量

步驟四：求特征空間

選擇前t個(gè)特征臉進(jìn)行識(shí)別，若其對(duì)應(yīng)的特征值越大，則其對(duì)應(yīng)的特征向量上的投影對(duì)方差的貢獻(xiàn)也越大，這里，定義方差貢獻(xiàn)率：

步驟五：提取特征

我們將每幅人臉圖像向特征臉子空間進(jìn)行投影，將投影系數(shù)作為特征空間中的一個(gè)點(diǎn)。根據(jù)這組系數(shù)，即可將其作為人臉識(shí)別的依據(jù)。

步驟六：識(shí)別分類

我們利用特征向量，計(jì)算人臉測(cè)試圖像和人臉構(gòu)造圖像間的距離：

表1 識(shí)別準(zhǔn)確率與同一個(gè)人的訓(xùn)練圖像數(shù)目之間的關(guān)系

2 實(shí)驗(yàn)結(jié)果

本文的人臉數(shù)據(jù)集中，訓(xùn)練集和測(cè)試集中的圖像均為32×32大小，分別包括100個(gè)人。訓(xùn)練圖像中每個(gè)類有6張圖，口罩遮擋圖像是每個(gè)類3張圖，每張人臉圖片都已經(jīng)對(duì)齊。

我們利用本文算法，計(jì)算k取不同數(shù)值時(shí)得到的人臉識(shí)別準(zhǔn)確率。從圖3可見，當(dāng)k為9-14，人臉識(shí)別率達(dá)到峰值，接近22%，而當(dāng)k在14-32之間時(shí)，人臉識(shí)別率呈遞減趨勢(shì)，該結(jié)果進(jìn)一步證明了本文提出的模型的準(zhǔn)確性。當(dāng)k為9-14時(shí)，所截取的圖像中僅包括眉、眼子區(qū)域，當(dāng)訓(xùn)練人臉與測(cè)試人臉都只包含眉、眼子區(qū)域，而被口罩所遮擋的五官均不作考慮，這時(shí)，識(shí)別率可達(dá)到最大值。當(dāng)k為32時(shí)，相當(dāng)于不作任何截取，取整幅圖像進(jìn)行訓(xùn)練與測(cè)試，因受口罩等遮擋，因此識(shí)別率較低。

另外，本文還測(cè)試了識(shí)別準(zhǔn)確率與同一個(gè)人的訓(xùn)練圖像數(shù)目之間的關(guān)系，如表1所示。從表1可見，本文算法識(shí)別率達(dá)到60%(人臉圖像訓(xùn)練數(shù)據(jù)只有一張圖像)，隨著訓(xùn)練圖像數(shù)目的增加，識(shí)別準(zhǔn)確率也相應(yīng)提升。因此，利用本文算法可以有效提高有遮擋情況下的人臉識(shí)別準(zhǔn)確率。