单对象人脸识别技术的研究分析

　　由于各待测图像中的人脸大小具有很大的随机性，因此，有必要对内脸区域进行归一化操作。人脸归一化是指对内脸区域的图像进行缩放变换，得到统一大小的标准图像，实验中，我们规定标准图像的大小为128×128。归一化处理，保证了人脸大小的一致性，体现了人脸在图像平面内的尺寸不变性。

　　图1是一个人脸检测和归一化的例子，其中的原始图像来自实验室现场拍摄。

　　4人脸特征提取及DWT-DCT平均脸

　　对归一化的人脸图像，采用小波变换与DCT相结合的方法提取人脸特征。首先对人脸图像进行3层小波分解，取低频子图像LL3作为人脸特征提取的对象，从而获得每幅训练样本或测试样本的低频子图像；然后对低频子图像进行离散余弦变换（DCT），DCT系数个数与子图像的大小相等（即256），由于图像DCT变换，能量集中在低频部分，因此只取其中的136个低频系数作为特征向量。

　　为了使测试样本与训练样本具有可比性，提取全部训练样本的特征向量，计算所有训练样本的平均特征，构成DWT-DCT平均脸，即：

　　其中N为训练样本数，xk,i表示第i个样本的第k个特征向量，mk为平均脸的第k个特征向量，k=1，2，…，136。

　　5人脸的识别

　　完成训练过程并获得待测样本的特征后，即可进行人脸识别，本文采用欧氏距离进行分类。

　　5.1计算样本与平均脸的欧氏距离

　　用m和x表示平均脸和样本的特征向量，则样本与平均脸的欧氏距离为：

　　其中mk表示平均脸的第k个特征向量，xk表示待测样本的第k个特征向量。身份认证时，计算待测样本与平均脸的欧氏距离，并与特定对象的自适应阈值进行比较，将小于阈值的样本判为该对象的人脸，即认证通过。

　　5.2自适应阈值的选取

　　与典型的人脸识别方法不同，单对象人脸认识没有人脸数据库，不能用距离最小作为判据，只能用阈值作为判别依据。阈值的选取应兼顾识别率和识别的准确性，实验中我们取训练样本与平均脸的欧氏距离平均值作为分类阈值，即：

　　其中，N为训练样本数，此值不宜太小；di为第i个样本与平均脸之间的欧氏距离。

　　6实验结果及分析

　　本文选用西安交通大学人工智能与机器人研究所东方人脸库（AI&R）的视点子库进行实验，该数据库包括每位被拍摄人在19个不同视点角度下（10°为一个单位）拍摄的中性表情图像。实验包括类内测试和类间测试。类内测试用于考查单对象人脸识别的识别率，而类间测试则用于考查误识率。随机选取5个人，每人用7幅图像（-30°～ 30°）作为训练样本，分别计算平均脸和自适应阈值、类内识别率和类内距离，另外再选取50个人，每人一幅正面图像作为类间测试样本，分别对5个对象进行类间测试，实验结果如表1所示。从实验数据可以得出如下结果：

　　（1）类内识别率不高，原因是自适应阈值为训练样本与平均脸的欧氏距离平均值，训练样本中的部分图像不能被识别。在实验室中，我们通过提示被试注视摄像头、适当调整姿态等措施提高图像的拍摄质量，使识别率得到了显著的改善。

　　（2）在50人的类间测试中，最小距离均大于阈值，即错误识别率为0。实验室的现场测试中也得到了相同的结果。

　　（3）文中提出的单对象人脸识别方法能够成功地识别特定对象，并能准确地排除其他对象，可用于软件保护、计算机安全等系统的身份验证。

　　7结语

　　本文提出的单对象人脸识别方法，针对单对象人脸识别的特点，综合考虑了识别率和认证的准确性，运用平均脸方法有效地缩小类内距离，同时扩大类间距离，取训练样本与平均脸的欧氏距离平均值作为分类阈值。实验结果表明，该方法具有识别有效性和认证可靠性，在单对象人脸识别的实际应用中是一种可行的方法。