人脸识别到底更便捷还是更麻烦
李自豪
摘要：人脸识别技术是包含数字图像处理、计算机视觉、模式识别等领域的一项综合技术，不需要识别对象进行主动的配合。人脸是人类最为重要的生物特征之一，包含许多有用的信息，如身份、表情等，其主要用于身份识别，与指纹、虹膜、基因、掌纹等其他人体生物特征系统相比，基于人脸信息的系统具有更加方便、友好、直接，易于为用户所接受等特点。而图像的预处理工作在人脸识别过程中发挥着很重要的作用，直接关系到人脸识别的准确率。图像处理是利用计算机对图像进行处理，常用的方法有图像转换、增强、提取特征等。
关键词：图像处理；人脸识别；系统应用
人脸识别技术简单、方便、识别准确并且易于操作，使用者不会有心理抵触，用户容易接受，从而在多领域得到了广泛的应用，但由于人体面部特征的特殊性，要令该技术完全成熟并能够应用到生产生活中，还有很多需要亟待解决的问题，因此，人脸识别研究具有很大的挑战性，一直是模式识别领域的研究热点。
针对目前常用面部识别技术中的不足之处，本课题依托Linux为开发平台，使用Qt5开发环境，采用计算机图像处理软件OpenCV的相关图像处理算法和主成分分析（PCA）算法，设计了基于图像处理的人脸识别系统。其核心技术是面部图像的获取、图像预处理、图像特征值提取以及图像匹配和识别。面部识别技术是图像处理及分析应用最广泛的技术之一，因其在社会安保、银行系统、刑侦执法以及高校研究等多种领域有着各种应用，极大方便了人们的工作生活。
1系统设计
系统根据功能不同，可以划分为面部图像获取模块，噪声处理模块，面部检测提取模块，算法实现模块，面部数据库模块，面部图像对比识别模块和个人信息输出模块。
先获取到图像，然后通过图像预处理算法对图像进行光照补偿，椒盐滤波等处理，接下来通过面部识别算法对图像的关注区域进行面部提取及面部特征值提取，然后获取单位面部的特征图像，接下来使用面部匹配算法使获取到的面部特征图像和存储在数据库中的单位特征脸图像对比，获取到匹配的面部图像，如果没有匹配到将继续获取图像进行对比，直到匹配成功，最后在人机界面显示被成功识别人的个人信息。
2图像预处理算法的设计
图像的预处理可以用来消除在图像获取时带入的一种或多种无关噪声，使有用的图像信息得到部分恢复，并加强目标区域信息的敏感性以简化图像数据只保留感兴趣的信息，这样使后续图像分割、面部特征值获取的准确性大大提高。
从图1可以看出，获取面部图像的预处理主要包括光线补偿，图像灰度化，图像平滑，噪声滤除、直方图均衡处理，图像对比度处理等等。
3PCA人脸识别算法
基于PCA算法的面部识别主要由图像训练和图像识别这两个阶段组成。在图像训练中，根据获取图像把获取的人脸X映射到系统特征脸组成的多维子空间集上，获得多维向量Yi（i=1，2，…，N）。距离阈值定义如式（1）所示。
进而在面部识别阶段，第一步把获取的图像映射到数据库的特征脸的多维空间集，得出向量P及其与每个人脸集的距离ei（i=1，2，3，…，N），再采用欧式几何距离进行面部识别，分类规则为：1）若ei>θc，则输入图像不是人脸图像；2）若ei=θc则输入图像包含未知人脸；3）若ei<θc，e=min{θc}，则输入图像为库中第k个人的人脸。
4软件功能的设计
软件的功能包括：面部图像获取，面部识别功能，面部信息数据库功能，系统日志功能，系统常用设置功能以及关于系统功能。其中人脸识别人机交互界面是软件的核心界面模块，其他如人脸信息数据库显示界面模块，系统日志记录界面模块，系统设置界面模块，关于系统界面模块等都是服从或服务于该功能模块或者说是该功能界面模块。人脸识别界面由人脸图像模块，图片信息模块，个人基本信息模塊，数据库操作模块，基本设置模块等组成。
5系统的构建
MATLAB是一种用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，利用其对待识别人脸图像的预处理、判断待识别图像是否在人脸库中、对选取不同训练样本个数下识别效率进行比较。
5.1ORL人脸库
英国剑桥大学的ORL人脸库包含40个人，每人10幅图像，每幅图像大小为92×112，图像是在不同时间、光线轻微变化的条件下摄制的，其中包括姿态、光照和表情的差别。
5.2图像预处理
通过几何归一化对输入的图像加工，使其与人脸库的图像一致，然后将彩色图像转换为灰度图像，通过灰度拉伸，直方图均衡化等方法完成对图像的处理。
5.3人脸识别
根据具体情况选择不同的核心算法，以HMM算法为例，对人脸库中的图像进行训练，得出人脸库的HMM值。
在建立完人脸库后，用与训练相同的方法提取待识别人脸的HMM值，并与原人脸库中存在的HMM值进行比较，求出各项的相似概率，对这些概率进行排序，输出相似概率最大项。
6系统实现
系统的实现包括系统启动过程，系统的运行，系统操作功能的实现和特征提取算法以及识别算法的实现。首先从视频文件或摄像头获取到图像，然后通过图像预处理算法对图像进行光照补偿，椒盐滤波等处理，接下来通过面部识别算法对图像的有效区域进行面部提取和面部特征值提取。获取到单位面部的特征图像（单位面部特征值图像可以保存在面部匹配数据库中），接着使用面部对比算法使获取到的面部特征值和数据库中所存储的图像面部特征值进行对比识别，获取到与数据库匹配的图像。
结论
总之，数字图像处理技术在模式识别领域中应用广泛，如指纹识别、人脸识别等。其应用成果如：指纹锁、电脑脸部识别、水印等各种科技产品也伴随着日常生活进入普通家庭，这不仅提高了我们的生活质量，也提高了自身财产安全。
参考文献：
[1]周昌军.基于图像重构和特征融合的人脸识别方法研究[D].大连理工大学，2008.
[2]甘树坤.指纹与人脸识别相关图像处理算法研究[D].大连理工大学，2006.
[3]马宁.基于图像的人脸识别中关键技术研究[D].吉林大学，2016.
[4]汤德俊.人脸识别中图像特征提取与匹配技术研究[D].大连海事大学，2013.
