基于小波变换的人脸识别技术
丁嘉凯
东华理工大学机械与电子工程学院,330013
【摘要】人脸特征提取技术已经渗透到本章生活的方方面面，它在公共安全、信息安全、人机交互等领域中有着广泛的应用前景。但人脸识别技术的准确性会因光照等因素而降低，所以如何实现鲁棒性是当今研究的重点. 首先提出人脸特征提取存在的问题，然后介绍了人脸特征提取的两种特征方法，肤色特征和灰度特征，而后介绍了人脸识别的基本理论方法，详细介绍了基于Gabor小波变换的模型自适应更新法并通过仿真比较对结论进行验证。
关 键 词 人脸特征提取 识别 鲁棒性 Gabor变换
中图分类号 文献标识码 A
前言: 在当今社会中，识别人的身份变得越来越重要了，而人的各种特征中脸部特征是最具有带表性的，具有很强自身的稳定性，所以可以用来作为身份识别的有力依据。脸识别技术结合多种学科和技术，例如认知科学，图像处理，计算机图形学，小波分析，机器视觉和模式识别等多个领域。把人脸作为认证目标已经有几十年的历史，现代社会已经可以实现这样的功能，但还有明显的不足。运用人脸来的稳定性来识别，比较难以伪造，具有唯一性和稳定性，可以作为身份识别的依据。研究人脸的识别可以追溯到上世纪七八十年代，经过几十年的发展已经趋于成熟，融合了计算机视觉和模式的识别是人脸的识别方法。人脸特征提取广泛的运用在人工智能和神经网络等学科中，人面部是人类的典型的外在鉴别特征之一，人脸特征提取和自动识别有着重要的意义。
计算机人脸特征提取技术就是利用计算机分析人脸图像，进而从中提取有效的识别信息，用来进行身份识别的技术。人脸特征提取应用的领域十分广泛，可用于公安系统犯罪身份识别，驾驶证或护照的身份核对，银行和海关的门禁系统等。人类对人脸的识别准确性很高，而且能够记住上千张人脸，但计算机实现将十分困难。其表现在：人脸表情丰富，随年龄变化人脸发生微小变化，人脸图像还受光照成像角度和成像距离的影响。
如今，人脸特征提取技术已经有一定的成果，但是实际应用中有很多严峻的问题有待解决，例如人脸本身是一个柔性物体，表情，姿态或者发型，化妆的千变万化都会给正确识别造成相当大的麻烦。如何能够正确且大量的抓住人脸特征，以完成高准确率的识别。总之，本章需要鲁棒性以提高识别效率，这需要不同学科和研究领域的科学工作者共同努力。
1. 人脸检测方法分类
人脸的检测和识别是要将图片中的人脸和目标人脸库中的特征进行对比，得到判断，是否是同一个人。面部检测主要是要提取眼睛鼻子嘴等的特征，这些特征是面部检测的依据，因此选择合适的模型是人脸检测的关键问题之一。
图1. 人脸检测主要方法分类
2. 基于小波变换和模型自适应方法的研究
2.1 模型自适应的更新算法
在前几章中，本章对人面部干扰因素作了概述，毛发、光强、位置、表情等的变化都会影响待测样本和标准样本的匹配度，这让很多方法缺少了普适性和准确性。为了减少此类误判比率，本章需要得到与待测图像所处干扰相同的图像信息，以便得到准确的判断数据，让系统具有高适应性和可移植性。因此可以利用一种再次构建法实现。其方法为：把待测的不具鲁棒性的样本集和自适应改造的新图像数据组合V，用（2.5）式融合V得到鲁棒性联想记忆矩阵模型，从而使该方法具有高度抗干扰性和实用性。但此方法也有不足之处：(1)由于需要随时更新样本集合模型里的数据，所以占用大量存储空间，不一定在所有环境中都能移植。（2）该方法的实现是以智能更新为前提条件的，当环境变化较大，或者需要更新的适应数据十分巨大时，算法耗时较长。
除了上述介绍的再次构建法和重新建立投影矩阵的方法，研究发现了更普适价值和应用价值的智能融合改进算法。利用智能融合改进算法的优点在于:（1）无需把以往所有的用过的样本参数全部存起来，只需把样本集中没有的并是由自适应变换算法得到的那些数据放在内存中，大大减轻了软件系统对内存的要求。（2）用智能融合的方法不需要对全部样本集进行大量重构造，这样就减少了重新构造算法造成的耗时长的缺点。总之，智能融合的算法是针对重新构造的时间和空间的复杂性缺点加以改进，保留其先进性，是一种高鲁棒性的人面部特征提取方法。
3. 对小波变换和模型自适应算法的仿真
本章首先拿AT&T人脸数据库实验，在数据库中选取四十张性别和年龄随机抽取的面部图像。对于实验中要识别出的每个身份，都找到十张不同情况下的图片，大小均为112*92，比如本章可以选择：在光强相同的条件下，选取化妆、闭眼、侧脸、口罩等特点的图像。注意背景也是固定量，不能改变。
本实验可作为四组独立重复实验进行操作，每次选四十个人的五组图像当成待测样本，故每组是二百张图像。对于前文新提出的鲁棒性算法，本章将图像的变量增加，把光照因素和面部大范围动作都加入，检测它是否具有稳定性和精确性。实验对象所组成的样本集构成了自动优化和实际仿真集，五张图片中的两张作为优化集，其他三张作为实验检测集,如图4-1所示。规定α=0.8，为了体现新方法的优越性，本章把PCA的方法、基本AM模型的方法、重训练的方法、AM的自适应更新算法拿来和新方法对比检测。
3.1 MIT-CBCL人脸数据库
本章使用的第二个库是MIT-CBCL人脸数据库，其中工二百张图，各异的身份共有十个，这些图中仍有例如遮挡、光强、旋转等干扰因素。为了方便实验统一规定，图像大小为100*100。
在本实验里，从二百张图中挑出四十张光强条件和背景条件相似的面部样本作为每个人的训练集，优化和实际检测使用的样本要选取和训练集的控制条件有所不同的面部图组成。模型自适应（优化）集是10*10或20*10（每个人20幅图像）的，本章实际测试的是从剩下的一百四十张中选取的八十张。图4-2和图4-3的两张图代表了不同身份体在
训练、自适应和测试集中的人脸图像。
|
方法 |
每人的自适应图像数 |
||
|
10 |
20 |
平均 |
|
|
新方法 |
95.08% |
95.12% |
95.10% |
|
基于AM的重新训练法 |
95.08% |
95.18% |
95.13% |
表1. 分别用10或20副图像进行模型自适应更新后得到的识别率
还可以从上表得到信息：两种算法在识别率上的差距并不大，有时AM还会优于新方法，但和实验一中论述的一样，新方法耗时较原方法要短很多，而且新方法对操作环境的硬件要求较低，具有普适性，占用存储少，在这个数据库中实践，检测速度快大约二点五倍，总之新方法还是有很大优势的。
4 结 论
在检测领域中，稳定性和准确性一直是研究工作者关注的重点，对于面部识别这个问题，鲁棒性就更是重中之重，为了能在各种干扰如遮挡、胡须、毛发、光强、面部的位置、背景的各种干扰，都会影响系统的判断，为了达到最佳效果且要求效率要高，本文提出了两种算法：
(1)利用Gabor小波变换对面部表情和光强变化的不敏感，结合模型自适应和更新的方法，在开始操作之前首先对背景环境等干扰因素进行智能优化和自适应补偿，从而提高识别率。而该系统的最简单模型是再次构造法，重新构造训练集来使系统适应多变的环境，但此方法需要较大存储空间，故使用具有局限性。本文针对这种局限性提出了一种加性的自适应模型更新算法，该算法在保留了再次构造法的优越性，并降低了占用的存储空间，运算时间上也大大缩短。在MIT-CBCL人脸库中检测，均取得了较好效果。
参 考 文 献
[1] 杨林、管业鹏，基于肤色分割与Adaboost融合鲁邦人脸检测方法.电子器件,2007(5):1716~1719
[2] 林勂、李建平.基于Gabor小波和模型自适应的鲁棒人脸识别方法.计算机应用研究，2008（9）:2868~2871
[3] 王新春.基于小波神经网络的人脸识别.[学位论文]西安电子科技大学，2003
[4] 梁路宏等.人脸检测研究综述.计算机学报，2002
[5] 牛德姣.基于视频的目标跟踪及隐私保护技术的研究与实现.[学位论文]江苏大学，2003
[6] 黄柏林.基于边界特征的人脸识别. [学位论文]上海海运学院，2002
[7] 李勂.基于核函数的人脸检测研究. [学位论文]四川大学，2004
[8] 杨林.基于web的人脸检测跟踪系统的设计与实现. [学位论文]天津大学，2005
[9] 蔡涛、徐国华、李德华.利用肤色分割和对称变换实现鲁棒人脸特征定位.光电工程，2007（4）：49~54
[10] 清华大学，苏光大，非接触式人脸识别技术[N]. 计算机世界, 2006，（2006-07-24）
[11] Daniel Reisfeld,Haim Wolfson,Yehezkel Yeshurun. Context-free attentional operators: The generalized symmetry transform[J] International Journal of Computer Vision, 1995,14, (2)
[12] Rowley H A, Baluja S, Kanade T. Neural Network-Based Face Detection .IEEE Trans Pattern Analysis and Machine Intelligence, 1998,201, 20(1) :25-38
[13] Samaria F, Young S. HMM-based architecture for face identification .Image and Vision Computing, 1994,128, 12(8)
[14] Rowley H A, Baluja S, Kanade T. Neural Network-Based Face Detection .IEEE Trans Pattern Analysis and Machine Intelligence, 1998,201, 20(1) :25-38
[15] Amnon Shashua. On Photometric Issues in 3D Visual Recognition from a Single 2D Image [J] International Journal of Computer Vision, 1997,21, (1-2)