基于LBPH算法的人臉識(shí)別算法研究與設(shè)計(jì)

鄧塏鏞 趙慧元 田剛 張鎣

【摘? 要】人臉識(shí)別技術(shù)是一種根據(jù)人臉的特征信息進(jìn)行身份判定的技術(shù)，此技術(shù)經(jīng)過幾十年的發(fā)展，由弱人工智能向強(qiáng)人工智能轉(zhuǎn)化，論文提出了一種Python語(yǔ)言利用LBPH算法提取人臉特征、實(shí)現(xiàn)人臉識(shí)別的方法。

【Abstract】Face recognition technology is a kind of identification technology based on face feature information. After decades of development， this technology has been transformed from weak artificial intelligence to strong artificial intelligence. This paper proposes a method of extracting face features and realizing face recognition by using LBPH algorithm in Python language.

【關(guān)鍵詞】人臉識(shí)別;特征提取;LBPH

1 引言

根據(jù)《“十三五”國(guó)家科技創(chuàng)新規(guī)劃》，人工智能被作為其中一項(xiàng)新一代信息技術(shù)，被列入規(guī)劃之中。而人臉識(shí)別技術(shù)則是人工智能最典型的應(yīng)用，在國(guó)內(nèi)外已有一定的研究和應(yīng)用基礎(chǔ)，尤其在公共管理、安全防盜、電商交易、身份核查、資產(chǎn)保護(hù)等方面，與其他生物識(shí)別技術(shù)相比，其準(zhǔn)確性、穩(wěn)定性和普遍性都有相當(dāng)?shù)膬?yōu)勢(shì)，為政府企業(yè)和民眾都帶來了高效和便利[1]。

人臉識(shí)別技術(shù)，屬于生物識(shí)別技術(shù)的一種，利用攝像頭或者攝像機(jī)等圖像采集儀器采集人的臉部形成視頻流，此技術(shù)從視頻流中采集一幀幀圖片，把圖中的每一個(gè)像素點(diǎn)轉(zhuǎn)化成數(shù)據(jù)后，從數(shù)據(jù)中測(cè)量出五官的大小和距離，這些數(shù)值轉(zhuǎn)化成數(shù)碼，也就是每個(gè)人獨(dú)一無二的臉部識(shí)別碼，并存儲(chǔ)到數(shù)據(jù)庫(kù)中。此后，每當(dāng)有人臉被掃描時(shí)也能自動(dòng)計(jì)算其臉部識(shí)別碼，一旦與數(shù)據(jù)庫(kù)所存儲(chǔ)的有吻合，則會(huì)識(shí)別出其身份。

2 國(guó)內(nèi)外研究現(xiàn)狀分析

目前人臉識(shí)別的算法主要有以下三種。

方法一：基于PCA（主成分分析原理）的Eigenface（特征臉）算法。通過PCA降維的方法對(duì)一系列人臉求得每個(gè)人的顯著特征臉向量，經(jīng)過多次訓(xùn)練建立特征臉子空間，此后一旦輸入一個(gè)被有檢測(cè)的人臉數(shù)據(jù)，系統(tǒng)會(huì)將數(shù)據(jù)投影到特征臉子空間中進(jìn)行比較，如有與之相似的特征臉向量，則識(shí)別出其身份。優(yōu)點(diǎn)是大大壓縮數(shù)據(jù)，消除冗余，消除噪音，投影方差達(dá)到最大。缺點(diǎn)是主成分的特征維度肯定比原始圖像的模糊，不排除非主成分也含有重要的樣本差異信息，特征信息在一定程度上有所丟失[2]。

方法二：基于LDA（線性判斷分析原理）的Fisher Face方法。通過求對(duì)象之間的最大類間方差和最小類內(nèi)方差，形成離散矩陣并求出特征值和特征向量后，再進(jìn)行LDA降維，經(jīng)過反復(fù)訓(xùn)練后形成特征臉子空間[3]。把被測(cè)人臉映射到子空間中進(jìn)行對(duì)比，從而判斷身份。優(yōu)點(diǎn)是利用高維數(shù)據(jù)可提高識(shí)別的準(zhǔn)確性。缺點(diǎn)是計(jì)算量大，影響效率。

方法三：基于局部特征提取的LBPH（局部二進(jìn)制編碼直方圖）方法，通過LBPH算法提取灰度值圖像的特征，然后數(shù)據(jù)庫(kù)中已訓(xùn)練好的人臉LBPH特征進(jìn)行比對(duì)，且分類識(shí)別，從而識(shí)別出被測(cè)對(duì)象。優(yōu)點(diǎn)在于計(jì)算量降低，運(yùn)行速度快，且基本不受光線和圖像旋轉(zhuǎn)的影響。

3 研究方法、目標(biāo)、內(nèi)容和關(guān)鍵問題

根據(jù)以上分析，方法一和方法二都以浮點(diǎn)數(shù)運(yùn)算為主，符合數(shù)據(jù)統(tǒng)計(jì)與處理的原理，LBPH方法是從提取局部紋理特征入手，更符合圖像處理的原理，以整數(shù)計(jì)算為主，運(yùn)算速度快且兼顧到識(shí)別的準(zhǔn)確率，因此，本研究采用方法三，基于局部特征提取的LBPH方法。

研究目標(biāo)是識(shí)別出視頻單個(gè)或多個(gè)對(duì)象的身份。

研究?jī)?nèi)容包含靜態(tài)人臉識(shí)別、動(dòng)態(tài)人臉識(shí)別、多對(duì)象識(shí)別、無關(guān)對(duì)象識(shí)別等方面。

由于人臉的特點(diǎn)有很多共同性特征，如果在視頻中出現(xiàn)訓(xùn)練集中沒有對(duì)象時(shí)，系統(tǒng)如何快速準(zhǔn)確地判斷，是本研究中擬解決的關(guān)鍵問題。

4 設(shè)計(jì)過程

基于LBPH算法人臉識(shí)別的研究過程如圖1所示。

步驟一：圖像灰度化處理。

先把彩色圖像灰度化處理，使得其每個(gè)像素點(diǎn)都用灰度值來表示，并用雙線性差值法求出相鄰兩個(gè)像素點(diǎn)之間的灰度值。

步驟二：分割區(qū)域。

把整個(gè)圖像分割成多個(gè)方格區(qū)域，識(shí)別準(zhǔn)確度會(huì)隨區(qū)域數(shù)量的增大而提高，相應(yīng)的計(jì)算量也會(huì)相應(yīng)提高。

步驟三：使用LBPH方法提取局部特征。

①編碼

在每個(gè)分割區(qū)域中，以每個(gè)像素為中心，判斷其與圓形周圍的像素點(diǎn)灰度值的大小關(guān)系，對(duì)周圍點(diǎn)進(jìn)行0或1的編碼，從而得到該點(diǎn)的進(jìn)制編碼，并推斷和區(qū)分出該區(qū)域是否為點(diǎn)、線、邊緣、角點(diǎn)等情況。

②降維

由于每個(gè)像素點(diǎn)的灰度值范圍為0～256，一共266種可能的數(shù)據(jù)待處理，依據(jù)盡量減少數(shù)據(jù)處理量的處理原則，本研究通過ULBP的方法進(jìn)行降維，減少計(jì)算量，提高運(yùn)算速度，使得系統(tǒng)能實(shí)時(shí)響應(yīng)。

③形成二進(jìn)制編碼直方圖

把整個(gè)圖像分割成多個(gè)方格區(qū)域，每個(gè)區(qū)域中的每個(gè)像素點(diǎn)都會(huì)有LBP和ULBP的值，統(tǒng)計(jì)這些數(shù)據(jù)時(shí)形成該區(qū)域的LBPH圖，然后把每個(gè)區(qū)域的直方圖連接起來，形成整幅圖像的特征向量的直方圖[4]。

④構(gòu)建二進(jìn)制編碼直方圖集合

多個(gè)對(duì)象的直方圖被存儲(chǔ)到數(shù)據(jù)庫(kù)中，則形成LBP編碼直方圖集合。

步驟四：人臉識(shí)別和匹配。

日后將對(duì)被檢對(duì)象的LBPH圖與前邊構(gòu)建的二進(jìn)制編碼直方圖集合進(jìn)行比較，從而得到分類結(jié)果。

5 結(jié)語(yǔ)

本研究是在phcharm的開發(fā)環(huán)境下，使用Python語(yǔ)言，調(diào)用open CV程序庫(kù)，來設(shè)計(jì)和實(shí)現(xiàn)LBPH的識(shí)別功能。為了能提高識(shí)別效率，可在卷積神經(jīng)網(wǎng)絡(luò)中加入LBPH圖像信息，并增大訓(xùn)練的次數(shù)，嘗試在訓(xùn)練中加入卷積[5]，使算法更符合實(shí)際應(yīng)用的需要，提高應(yīng)用廣度，增強(qiáng)市場(chǎng)效益。

【參考文獻(xiàn)】

【1】陳思琪，趙豪越，王靜一，等.人臉識(shí)別概述[J].綜合論壇，2018（1）：226.

【2】尚麗娜，石晴瑤，方健.基于OpenCV的人眼檢測(cè)及疲勞判斷[J].探索與觀察，2018，06（21）：19-23.

【3】張枝令.Python實(shí)現(xiàn)基于深度學(xué)習(xí)的人臉識(shí)別[J].視覺，2018，05（19）：47-96.

【4】朱峰.一種基于多尺度 LBPH 特征的快速人臉識(shí)別算法[J].計(jì)算機(jī)應(yīng)用與軟件，2015，08（32）：315-319.

【5】羅麗紅，劉春曉，柯靈.基于二進(jìn)制多層 GELM 的異質(zhì)人臉識(shí)別模型[J].現(xiàn)代電子技術(shù)，2018，09（23）：38-43.