基于二维照片进行人脸识别的算法研究.docx
《基于二维照片进行人脸识别的算法研究.docx》由会员分享，可在线阅读，更多相关《基于二维照片进行人脸识别的算法研究.docx（11页珍藏版）》请在冰豆网上搜索。
基于二维照片进行人脸识别的算法研究
基于二维照片进行人脸识别的算法研究
第29卷第3期计算机仿真2012年3月
文章编号:
1006—9348（2012）03—0330—04
基于二维照片进行人脸识别的算法研究
张旭
（沈阳理工大学,辽宁沈阳110159）
摘要:
研究图像人脸识别的问题,针对直接对照照片进行人脸识别时,受二维照片信息量的限制,以及识别时受检测人员的
主观经验的影响,极易造成误识别,不能满足人脸识别准确率的要求.为了解决上述问题.提出了一种利用二维照片构建三
维样本进行人脸识别的方法,通过提取二维图像中人脸的层次化特征,并利用特征向量重构人脸的参数曲面,然后在三维曲
面中完成人脸的自动识别.实验表明,改进方法能够有效避免二维图像信息量的限制,以及检测人员主观经验的影响,准确
完成人脸的识别,具有一定的使用价值.
关键词:
人脸识别;二维照片:
参数曲面
中图分类号:
TP317.4文献标识码:
B
RecognitionAlgorithmBasedon2-dFaceImages
ZHANGXu
（ShenyangLigongUniversity,ShenyangLaioning110159,China）
ABSTRACT:
Thispaperputforwardamethodofconstructing3-dsamplesforfacerecognitionmethodusingtwo—di—
mensionalpictures.Throughextractingthehierarchicalstructurecharacteristicsof2-dfaceimageandusingthepa—
rametersvector,the3-dparameterscurvedsurfacewasbuiltupandthethefaceautomaticrecognitionwascarried
out.Theexperimentsshowthattheimprovedmethodcaneffectivelyavoidthelimitsin2-dimageinformationandac—
curatelycompletefacerecognition.
KEYWORDS:
Facerecognition;2-dphotos;Parametricsurface
1引言
由于人的面貌具有人本身固有的生物特征.并且这些特
征具有独特性,不可复制性,难以伪造等热点,弥补了密码,
证件,签字等传统手段易泄密和遗忘的缺点_1],因此人脸识
别成为了身份识别的重要手段.通常,人脸识别作为身份识
别的手段一般是利用二维照片进行识别的.通过照相技术或
者摄像技术获取二维人脸图像.由检测人员将二维照片与真
实的人脸比对完成身份的验证.由于二维照片获取方便,成
本低,操作简单,一度成为了身份认证领域的主要应用手
段.
但是,传统的仅依靠二维照片进行人脸识别的方法.由
于二维照片在拍摄时易受光照的影响,在不同的光照下拍摄
的面貌相片有很大的差异,而且二维照片在拍摄时必然丢弃
掉了一部分人脸原有的信息.使得照片包含的人脸特征信息
量有限,同时检测人员在利用二维照片进行身份认证时,极
易受检测人员的主观感情经验影响3j,这样造成基于二维照
片误识别的问题.因此,如何克服利用二维照片进行身份认
收稿日期:
2011—11—10
-...——
330.---——
证的误识别问题,准确完成人脸的识别,成为人们研究的难
点问题.
为了解决二维照片受光照等环境的影响造成误识别的
问题,提出一种利用二维照片构建三维样本进行人脸识别的
方法,通过提取二维图像中人脸的层次化特征,并利用特征
向量重构人脸的参数曲面,然后在三维曲面中完成人脸的自
动识别.这样就能够有效避免二维图像信息量的限制,以及
检测人员主观经验的影响,准确完成人脸的识别.得到较高
的识别效率.
2人脸识别原理
人脸识别是根据拍摄到的待识别照片或者其它形式的
人脸信息,利用相关的身份识别的知识进行检测.判定在整
个图片的场景中有没有包含人脸的面貌信息l4],将包含人脸
面貌的信息进行定位,然后对图像中的人脸特征描述并进行
比较检测识别,将图片中的人脸面貌信息与真实的待检测的
人脸面貌信息进行检测,验证是否属于同一张人脸,最终验
证完成后就结束了人脸的识别.
待检测的人脸按照形态可以分类为静态照片,动态图
片,深度图像等类别l5].人脸识别一般应用在信用卡,个人
身份证件,出国护照,个人驾驶执照等个人证件的识别中.利
用人脸图像作为个人身份认证的载体.在一些犯罪分子图
片库,或者各种信息统计的图片中根据人脸面貌图片进行人
员匹配等方面也应用到人脸识别技术_6].
人脸识别的结构框图如图1所示.
A.人脸面貌照片生成13人脸面貌的检测
C人脸面貌特征提取D.人脸规则生成
E人脸特征选择F.人脸表示的认证
G人脸面貌的识别H.人脸特征的分类
图1人脸识别的结构框图
在人脸识别的应用时,主要是检测人员根据二维照片与
真实人员脸部面貌信息进行比对完成的.传统的基于二维
照片进行人脸识别的方法,由于进行识别的二维图像的获取
途径是多种多样的,照片质量不能保证.并且由于二维照片
大小的限制,所包含的信息量有限,在拍摄二维图像时一定
会舍弃一部分人脸面貌信息,使得二维照片中所包含的信息
量有限.由人脸识别准确率计算公式得:
p一.2:
丝¨,一
n\,
∑,）i=1
式中,P是人脸识别的准确率值厂（,）提取出用于识别的有
效像素信息,H[Ai,）]是提取出的有效像素包含的信息量
（即信息熵）.由式
（1）可以看出识别准确率与提取出的有
效信息成正比,而传统的基于二维照片的人脸识别方法提取
出的信息量很少,直接造成人脸出现误识别,识别准确率不
高的问题.同时由于是检测人员直接将得到的二维照片与
待检测人员人脸信息进行比对,在比对过程中很容易受到检
测人员的主观经验的影响,使得信息的判断受到干扰l7].这
样的二维照片信息量有限以及检测过程易受检测人员主观
经验影响的问题.造成直接根据二维照片进行人脸识别很容
易出现误检测的问题,不能满足人脸检测准确度的要求.
因此,为了改进直接利用二维照片进行身份认证的不准
确问题,提出了一种利用二维照片构建三维样本进行人脸识
别的方法.由于三维图像中包含大量的信息,因此通过提取
二维图像中人脸的层次化特征,并利用特征向量重构人脸的
参数曲面,将二维照片利用特征信息转换到三维空间中.然
后在三维曲面中根据丰富的人脸面貌特征信息完成人脸的
自动识别.这种方法能够有效避免二维图像信息量的限制,
以及检测人员主观经验的影响,准确完成人脸的识别.
3二维照片重构三维参数曲面
二维照片中包含人脸面貌的信息,需要将这些人脸信息
有效提取并表述出来.在计算机视觉理论中,人脸面貌的分
布规则主要有"三停","五眼","平分"等规则,已经人脸的
距离规则和眼睛模型.在人脸识别之前需要准确分析人脸
的特征,并且选取合适的特征进行提取处理识别.
3.1人脸层次特征选取
在人脸分布规则的基础上,提取二维照片中人脸的层次
化特征.二维照片中人脸的层次化特征可以分为四个部分:
脸部特征点,人脸距离特征,人脸角度特征,人脸的宏观特
征.
1）人脸特征点的选取
能够准确表述人脸面貌的特征点主要
有12个,根据所在的位置具体有眼睛特征,鼻子特征,嘴
巴特征三个部分.在这三个人脸面貌部分区域中,具体的12
个特征点的名称及其所在的位置如图2所示
E
H
鼻下根
（I）眼睛特征（b）鼻子特征
占点K上唇左点
I一——
点丫羼中线
一.
唇中中点
一._/
'点T
L下唇左点
I
（c）嘴巴特征
A.&左右眼内眦点C.D左右眼外眦点
.右鼻翼外点F左鼻翼外点
G鼻尖点H鼻根点
^右嘴角左嘴角
正上唇中点L下唇中点
图2人脸面部特征点
点
F
2）距离特征
在进行人脸面部的距离特征定义时.通常选取眼睛的宽
度作为距离特征的基准.以眼睛的宽度为标准规定其它特征
之间的具体宽度.人脸各部分距离的设定为.将眼睛内眦点
到同侧眼睛的外眦点之间的欧式距离定义为眼睛的宽度.
将左右眼睛上部中心点与眼睛下部中心点之间的距离定义
为眼睛的高度.眼睛内间距定义为左右眼睛的内眦点之间
一
331—
的距离.相应的左右眼睛的外眦点之间的距离就是眼睛的外
间距.鼻子尖部与鼻子根部之间的欧式距离定义为鼻子的
高度.嘴唇的厚度为上下唇的中心与唇中心线之间的距离
分别为上下唇的厚度.
3）角度特征
人脸面貌特征中,角度特征有9个,分别为:
眼睛内外眦
点连线的角平分线到左右眼睛的内外眦点连线的角度定义
为下斜角度,左右眼内眼角角度,左右眼的外眼角角度,鼻子
各个部分的角度,鼻上端和鼻两侧翼的角度,左右眼睛的内
眦点与鼻子尖部的角度,左右眼睛的外眦点与鼻子尖部的角
度,嘴角的左右角度,鼻子根部与左右两嘴角的角度.
4）宏观特征
人脸的宏观特征需要对人脸正面中的各个轮廓进行分
析.根据眼睛,鼻子,下巴的特征,将人脸特征信息进行定义
和分类.眼睛的类型可以分为三角眼,丹凤眼,短眼,长眼
等.鼻子的类型可以分为直鼻,向下塌陷鼻,上部突出鼻
等.根据下巴形状定义人脸轮廓的类型有椭圆形和方形脸
等类型.
3.2构建人脸三维参数曲面
通过提取的人脸面部层次特征信息,将人脸的二维照片
信息转换到三维空间中,完成人脸信息的三维参数曲面重
构.一般的曲面的内在性质奇次公式,如式
（2）所示:
（du,d）=Edu+2Fdudv+Gdv
（2）
其中E=～r,F=r一r,G=;作为曲面的第一基本
坐标量.曲面的内在性质的第二基本奇次公式如式（3）所
示:
,（du,d）=Ldu+2Mdudv+Ndv（3）
其中L:
r?
M='r?
N='r?
是曲面的第二
基本坐标量.曲面的第一基本坐标量和第二基本坐标量都
是关于参数",V的函数.
将人脸的二维照片中的人脸A.通过信息变换到三维空
间种的参数曲面B.设定在A中的一点对应与B中的位置向
量为P,同时进行坐标转换的旋转矩阵为.则可以得到
二维人脸图像中的信息点转换到三维空间中的对应公式如
式（4）所示:
{B}={R?
P}（4）
则推到出将二维照片中的人脸信息点坐标转换到三维
坐标空间中的参数曲面坐标过程的公式如式（5）,（6）,（7）
所示:
P=日R?
P+P日（5）
P=.BR?
P=BR?
P（6）
P=P+Pc=日R?
P+P口（7）
式中的C是辅助转换矩阵,矩阵的具体形式与矩阵A,曰
的形式保持一致.其变换的旋转矩阵为:
...——
332...——
00
㈩
厂cos00sin0]
'y,'l一三j'9
4三维空间中的人脸自动识别
基于上文中对二维图像中的人脸面貌提取特征信息,并
将二维层次特征信息转换到三维空间坐标,在三维空间坐标
中构建人脸参数曲面,这样就将信息量有限的二维图像转换
到含有丰富人脸面貌信息的三维空间中,初步保证了人脸识
别的特征信息的完整性.然后在三维空间中,利用人脸识别
技术,完成人脸的自动识别.首先需要计算三维空间中人脸
的型心,计算公式如式（11）所示.
当数
0（,）,,z）=P（,,）（11）
=0
其中,i是当前三维空间中图像的层次编号,是当前图
像层次的排列顺序序号.其中的函数P.（,Y,）代表的是
三维空间中图像里面的所有信息像素点函数.人脸的面貌
型心0（,y,z）在三维空间中的径向半径如式（12）所示.
R=~/（P（）一D（））'（P（y）一0（y））
√（P（）一0（z））
（12）
人脸图像中其坐标函数的垂直分量为:
v_differ=R…,J—RJ（13）
其中的坐标函数的水平分量为:
h_
differJ=R+l—R√（14）
根据得到的垂直和水平分量.计算人脸的混合方差,并
将得到的混合方差作为人脸识别的最终参量,其混合方差的
计算公式如式（15）所示:
v_
differ.+h_diffe~
9
（15）
（R+1.一R）+（R+l—R）
2
根据计算得到的混合方差,与设定的识别阈值进行比
较,最终完成人脸的识别.由于将含有有限信息的二维照片
通过提取层次特征,并利用层次特征构建三维参数曲面,最
终利用信息量丰富的三维空间人脸图像完成人脸的识别,克
服了传统检测方法误检测率较高的缺点.
5识别准确性实验分析
为了验证文中提出方法的准确性,设计仿真对算法准确
度进行实验分析.选取100张待检测的人脸二维照片,分别
采用检测人员直接根据二维图像进行人脸识别的方法.以及
采用提出的二维图像转换到三维空间的人脸检测方法对这
些二维照片进行人脸识别.
实验系统运行环境WindowsXP,系统编程实现语言Java
语言,图像处理系统.检测结果显示器.
分别记录两种方法对这100张照片进行识别所耗费的
时间,已经计算两种方法的检测识别准确率（即正确检测出
的人脸识别图像数目除以待检测照片的总数100）.并绘制
两种方法的准确率和误检率对比柱状图,如图3所示.然后
在实验运行结束后,将所有实验数据列表进行对比比较,并
对实验结果数据进行分析,得出结论.实验数据对比表如表
1所示..
口准确率■误检宰
图3准确率和误检率对比柱状图
表1实验数据对比表
通过表1所示出的实验结果数据可知,传统的直接利用
二维图像进行人脸识别的方法,由于受照片信息有限以及识
别易受检测人员主观经验的影响,极易出现误检测的问题,
其误检率为25.7%.远远高于文中检测新方法.并且直接人
工检测的方法需要耗费大量的时间,识别检测效率不高.而
通过将二维照片进行提取特征信息并转换到三维空间中构
建参数曲面,能够提供丰富的人脸信息,并且在三维空间中
利用人脸识别算法完成人脸的自动识别.使得识别准确率达
到98.6%,克服了传统方法的缺点,将误检率一度降到1.
4%,达到了人们对人脸检测准确率的要求,取得了满意的结
果.
6结束语
提出了一种利用二维照片构建三维样本进行人脸识别
的方法.由于三维图像中包含大量的信息.因此通过提取二
维图像中人脸的层次化特征.并利用特征向量重构人脸的参
数曲面,将二维照片利用特征信息转换到三维空间中,然后
在三维曲面中根据丰富的人脸面貌特征信息完成人脸的自
动识别.实验证明.这种方法能够有效避免二维图像信息量
的限制,以及检测人员主观经验的影响,准确完成人脸的识
别.
参考文献:
[1]RKKim,SCKee,SRKim.Real—TimeNormalizationandFea-
tureExtractionof3DFaceDataUsingCurvatureCharacteristics
[J].IEEEInternationalWorkshoponRobotandHumanInterac.
tireCommunication,2008:
74-79.
[2]杨颖娴.基于小波包的新LDB人脸识别方法[J].计算机仿
真,2011,28（7）:
297—300.
[3]wYGhao,RChellappa,AlioseufeldandPJPhillips.Facerec-
ognition:
Aliteraturesurvey[J].ACMComputingSurveys,2009,
35（4）:
399—458.
[4]MSBartlett,JRMOvellan,TJSejnowski.Facerecognitionbyin?
dependentcomponentanalysis.NeuralNetworks[J].IEEETrans-
action,2010,13（6）:
1450-1464.
[5]胡明,张强,王志平.基于线性投影分析和FCM动态聚类的人
脸识别[J].计算机应用研究,2009,26（5）:
1947—1948.
[6]沙秀艳,何友.基于加权模糊C均值聚类的图像分割算法[J].
海军航空工程学院,2008,22（3）:
333—336.
[7]魏旭,陶冰洁.基于2DPCA的特征融合方法及其应用[J].计
算机工程与应用,2008,44（5）:
70—72.
[作者简介]
张旭（1971一）,男（汉族）,辽宁省营口人,研究
生.主要研究方向:
机械动力学仿真.
.-———
333.-——
升级会员 