人脸识别系统中的特征提取

发布时间：2024-11-02

人脸识别系统中的特征提取

图像处理

人脸识别系统中的特征提取

ＦｅａｔｕｒｅＥｘｔｒａｃｔｉｏｎｉｎＨｕｍａｎＦａｃｅＲｅｃｏｇｎｉｔｉｏｎＳｙｓｔｅｍ

（中国矿业大学（北京））王聃贾云伟林福严

Ｗａｎｇ，ＤａｎＪｉａ，Ｙｕｎｗｅｉ

摘要：人脸识别是模式识别和机器视觉领域中的一个重要课题．其中，特征提取是人脸识别中的一个重要部分。本文利用边缘检测、积分投影及模板匹配等相结合的方法，比较准确的获得了人脸各个特征部位的数据。关键词：特征提取。边缘检测，积分投影，模板匹配

中图分类号：ＴＰ３９１

Ｌｉｎ，Ｆｕｙａｎ

峰波谷点，就能得到包括额头、眉毛、眼睛、鼻子、嘴巴和下巴的Ｙ轴坐标值；也可通过类似方法求出眼睛、鼻子和嘴巴的ｘ轴坐标。

２．２边缘检测边缘检测我们选用罗伯特梯度算法。首先，设图像为ｆ（ｘ，Ｙ），定义ｆ（ｘ，ｙ）在点（ｘ，ｙ）处的梯度矢量为Ｇ’

文献标识码：Ｂ

文章编号：ｌ∞８—０５７０（２００５）０７—３一００５３一０３

Ａｂｓｔｒａｃｔ：ＦａｃｅＲｅｃｏｇｎｉｔｉｏｎｉｓｏｆｉｓ

ｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎａｎｄ

ａｌｌ

ａｎ

ｉｍｐｏｒｔａｎｔｐｒｏｂｌｅｍｉｎ

ｔｈｅｆｉｅｌｄ

Ｅｘｔｒａｃｔｉｏｎｄｅｔｅｃｔｉｏｎ，ｔｈｅｄａｔｅｓ

［ｆ（Ｘ，ｙ）】，且Ｇ７［ｆ（Ｘ，ｙ）】－豢／等，梯度有两个重要的

性质：

ｒｏｂｏｔｖｉｓｉｏｎ．ＡｎｄＦｅａｔｕｒｅ

ｐａｐｅｒ，ｗｅｍａｔｃｈｉｎｇ

ａ

ｕｓｅ

ｉｍｐｏｒｔａｎｔｐａｒｔ

ｏｆｉｔ．Ｉｎｔｈｉｓ

ｔｅｍｐｌａｔｅ

ｅｄｇｅ

（１）梯度的方向就是函数ｆ（ｘ，ｙ）最大变化率的方

向。

ｉｎｔｅｇｒａｌｏｆｔｈｅ

ｐｒｏｊｅｃｔｉｏｎ

ａｎｄｔｏ

ｃｏｍｐｕｔｅ

ｆａｃｅｆｅａｔｕｒｅ，ａｎｄｈａｖｅａｃｑｕｉｒｅｄ

ｈｉｇｈｅｒｖｅｒａｃｉｔｙ．

Ｋｅｙｗｏｒｄｓ：ｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎ；ｅｄｇｅｄｅｔｅｃｔｉｏｎ；ｉｎｔｅｇｒａｌｐｒｏ－

（２）梯度的幅度用Ｇ［ｆ（ｘ，ｙ）］表示，其计算公式为：

ｊｅｃｔｉｏｎ；ｔｅｍｐｌａｔｅｍａｔｃｈｉｎｇ

Ｇ［ｆ（ｘ，ｙ）］－（（娑）ｚ＋（娑）ｚ）ｉ

（１）

万方数据１引言

人脸识别是模式识别和机器视觉领域中的一个

重要研究课题．它在保安系统、罪犯识别及海关检查等领域均具有广泛的应用前景，而特征提取是人脸识别中的一个重要环节，对人脸识别的成功与否起着至关重要的作用。本文利用先验知识，先对图片进行归一化处理，再进行特征提取，从而快速有效的提取了人脸几何特征。

由此式可以得出这样的结论：梯度的数值就是“ｘ，ｙ）在其最大变化率方向上的单位距离所增加的量。

对于离散的数字图像上式可以写为：

Ｇ［“ｉ＇ｊ）］＝（［ｆ（ｉ，ｊ）一ｆ（ｉ＋１’ｊ）】２＋［“ｉ，ｊ）一ｆ（ｉ，ｊ＋１）］）ｎ５式：

Ｇ［ｆ（ｉ，ｊ）】一Ｉｆ（ｉ，ｊ）一ｆ（ｉ＋ｌ，ｊ）ｌ＋ｌｆ（ｉ，ｊ）－ｆ（ｉ，ｊ＋１）ｌ

即：

（２）

为了计算方便，也可以采用下面的近似计算公

（３）

Ｉ▲ｆ（ｉ，ｊ）４－◆ｆ（ｉ，ｊ＋１）

ｌ◆ｆ（ｉ＋ｌ，ｊ）

通常也可以用下面的近似计算公式：Ｇ［“ｉ，ｊ）］一Ｉｆ（ｉ，ｊ）一“ｉ＋１，ｊ＋１）ｌ＋“ｉ＋１，ｊ）一ｆ（ｉ，ｊ＋１）Ｉ

即：

ｆ（ｉ，ｊ）

ｆ（ｉ，ｊ＋１）

２方法简介

本文所采用的是大小为２００ｘ３００，灰度级为２５６色的人脸正面图片，所用到的主要方法有积分投影法、边缘检测法、模板匹配法和图像二值化法。

２．１积分投影

灰度图是指只含亮度信息而不含色彩信息的图片。这种图片是由一个个像素点构成的，而每个像素点都具有灰度值．其范围从０—２５５，灰度值越小该像素点就越暗，其中０代表黑色，２５５代表白色。一张２００ｘ３００的图片其实是一个２００ｘ３００的像素点阵列组成的集合。把每一行的所有像素点的灰度值相加，如果其值比较小，则说明这一行灰度值较小的像素点比较多。也就是暗的点比较多。利用这种方法，我们把每一行像素点的灰度值之和作为ｘ轴坐标，该行所在行数作为Ｙ轴坐标划出一条曲线，通过判断这条曲线的波王聃：硕士研究生

（４）

ｆ（ｉ＋ｌ，ｊ∥

弋

≯

＼ｆ（ｉ＋ｌ，ｊ＋１）

通过判断Ｇ［ｆ（ｉ，ｊ）】是否大于阈值斗，来判断点ｆ（ｘ，ｙ）是否为边缘点，即：

Ｇ［ｆ（ｉ，ｊ）ｌ＞ｔｘｆ（ｉ，ｊ）为边缘点

（５）Ｇ［ｆ（ｉ，ｊ）ｌ＜ｉｘｆ（ｉ，ｊ）不为边缘点

本文所采用的计算公式为公式（４）和公式（５）。２．３模板匹配

模板匹配法是指在一定范围内，按照一定的顺序，将模板区域像素点的灰度值进行相加，并比较各

／？、

中国自控网：ｈｔｔｐ：／／ｗｗｗ．ａｕｔｏｃｏｎｔｒ０１．ｏｎ

１２０元／年一５３—

弋乡国自控网邮局订阅号：８２．９４６

人脸识别系统中的特征提取

中文核心期刊《微计算机信息》（管控一体化）２００５年第２１卷第７－３期

个灰度值之和进行判断的方法。比如在一个区域中，先以第一行第一列的像素点为模板的左上角点，将模板内像素点求和，然后再以第一行第二列的像素点为模板的左上角点，继续求其内的像素点灰度值之和，依次类推，直到搜索完整个区域。

２．４图像二值化

图像二值化法是一种常见的图像分割技术，在自动识别和图像分析等方面有着广泛的应用。这种方法又被称为阈值变化法，就是设定一阈值Ｙ，用Ｙ将图像的数据分成两部分．即灰度值大于Ｙ和小于Ｙ的两组像素群。以此来更好的反映人脸的各个特征。

轴为中心线选定一个长方形的区域，在左半部分和右半部分分别找到最低的波谷点即为眼睛的Ｘ轴坐标，最后以求出的点坐标为中心的一个区域内，用正方形模板进行精确定位，即可求出眼睛的精确位置。

图３

求出眼睛的精确位置后，将图像进行归一化处理，处理后就可以对图像进行特征提取了。

如图１所不：４特征的提取

４．１眉毛、鼻子、嘴巴和下巴的Ｙ轴坐标提取眉毛、鼻子、嘴巴和下巴的Ｙ轴坐标提取同图像归一化中眉毛的提取方法一样，都是用积分投影法。但是鼻子处由于灰度值变化不明显，经常不能正确的提取出来．因此我们在确定眼睛和嘴巴的Ｙ轴坐标后，利用先验知识，先估计一个鼻子的大概位置，在以这一位置为中心线的一个矩形区域内再次用水平积分投影法进行判断，进而确定鼻子Ｙ轴的准确位置。

４．２眉毛、鼻子和嘴巴的ｘ轴坐标提取眉毛、鼻子和嘴巴的ｘ轴坐标采用垂直积分投影法求得。鼻孔位置则可以用正方形模板进行定位。

图１图２

３图像归一化万方数据

不同图片中人脸的位置和大小都不同，提取出的特征值也没有意义，所以我们选定一个标准，即对图片进行拉伸及旋转，使瞳孔间距及位置为一定值，使特征提取不依赖与图像平面中人脸的位置、尺度和旋转的变化。然后再进行特征的提取。这就是图像的归一化处理。

进行图像的归一化首先需要确定的是额头点的Ｙ轴坐标。由于人的头发大多都为黑色，在图片中对应的像素点的灰度值比较小，根据分析及多次试验，可以知道波谷点对应的即是额头的起始位置。

如图２所示：

图４

确定额头点后，接下来需要确定的是眉毛和眼睛４．３边缘检测的位置。但是有时眉毛或眼睛容易受到头发等物的干在边缘点的确定中，眼睛的内外眦点和上下眼睑扰影响检测的准确性，所以在确定眉毛及眼睛位置之的特征可以用图像二值化法确定。在鼻尖以下脸边缘前，还要先进行边缘检测，即从额头起点位置开始，向的提取中，我们利用先验知识，简化边缘的提取。首先下一定范围内检测额头和头发的分界点（这个范围至找中心线上下巴处的边缘点ｆ１，找到后，以这点为起少要包括眉毛和眼睛但没有必要太大）。提取额头和始点找左半边脸的边缘点。我们先假设嘴巴下方脸的头发的分界点所用公式为公式（４）。然后在两侧分界边缘程一条水平直线，即先检测ｆ１左侧的像素点，若点中间进行水平积分投影图的绘制。该点满足判断条件（公式５）则该点就是新的边缘点

如图３所示：ｆ２，否则依次判断ｆ１的左上侧像素点和左下侧像素可以看到，第一个波峰后的第一个和第二个波谷分别对应着眉毛和眼睛的Ｙ轴坐标。得到Ｙ轴坐标后，还需利用先验知识进行一些判断，判断是否为眉毛和眼睛的正确位置。接下来确定眼睛的ｘ轴坐标，方法与确定Ｙ轴坐标类似，在两侧边缘点中间，以Ｙ

中国自控网：ｈｔｔｐ：／／ｗｗｗ．ａｕｔｏｃｏｎｔｒ０１．ｃｏｍ．ｃｎ一５４—１２０元／年邮局订阅号：８２—９４６

点，如果都不满足判断条件则默认其左侧像素点为边缘点｛２，依此类推。当所要检测的像素点的ｘ轴坐标小于左嘴角的ｘ轴坐标时，我们假设边缘点所组成的线为４５。斜向上的直线，在进行检测时，先检测已知边缘点左上方的像素点，如果不是则依次检测已知边缘

电话：０１

人脸识别系统中的特征提取

图像处理

点上方和左方的像素点。如果都不满足判断条件则默认其左上方像素点为下一边缘点。当所要判断的点的Ｙ轴坐标大于嘴巴的Ｙ轴坐标时，我们假设边缘点排布呈垂直向上的一条直线，所以在进行检测时，先检测已知边缘点上方的像素点。如果不满足判断条件则依次检测已知边缘点左上方和右上方的像素点，如果都不满足判断条件则默认其上方的像素点为下一个边缘点。直到其Ｙ轴坐标与鼻子的Ｙ轴坐标相等为止。右半边脸的边缘点检测方法与左半边脸的方法类

似。

５展望

对于机器人导航定位领域来说，本文只是在移动机器人的定位研究方面进行了部分的探索和尝试，由于时间及实验条件所限，仍有一些方面需要进一步探讨和改进，如引入差分定位，使用ＧＰＲＳ或ＣＤＭＡ模块来代替ＧＳＭ模块。系统数据库的快速更新机制，增加轨迹预测以及其他新功能的不断开发等等。另外，本系统还可以通过稍加改动广泛应用于汽车监控和防盗系统，具有很大的市场潜力和广阔的发展前景。

参考文献

［１】张巨，等．ＧＰＳ／ＧＩＳ车辆路径定位方法研究叨．遥测遥控，１９９９，（５）．

最终结果如图４所示：

５结论

本文结合多种特征提取及检测方法，快速的提取了人脸特征，并允许人脸有一定角度的偏转及倾斜。实验结果证明该方法具有较高的准确率。

参考文献：

［１】周激流、郭晶等：基于先验模板的人脸面部特征提取的研究计算机辅助设计与图形学学报。２０００．５

［２】李传林、鲁秀青：人脸照片的特载提取与查询计算机应用研究，２００２

作者简介：崔峰，男，（１９７９一），汉，天津，河北工业大学。博士生在读，主要从事移动机器人的定位技术研究。Ｅ—ｍａｉｌ：ｋｕｋｕ＠ｃｕｌ６５．ｃｏｍ；张明路，男，（１９６４一），汉，天津，河北工业大学机械学院院长，教授，博士生导师，主要从事智能机器人控制及相关技术的应用研究。丁承君，男，（１９７３一），汉，天津，河北工业大学，博士生在读，主要从事智能机器人方面的研究。刘兵，男，（１９７９一），汉，天津，河北工业大学，研究生在读，主要从事机械手的研究。

Ａｂｏｕｔｔｈｅａｕｔｈｏｒ：Ｃｕｉｆｅｎｇ，ｍａｌｅ，ｂｏｒｎｉｎ

１９７９，ｉｓ

ｃｕｒ—

作者简介：王聃（１９７９一），男，汉族，中国矿业大学（北京）机电与信息工程学院研究生，主要从事人脸特征提取及足球机器人控制方面的研究；贾云伟（１９７９一），女，汉族，中国矿业大学（北京）机电与信息工程学院万方数据

研究生．主要从事人脸检测及足球机器人方面的研究。林福严（１９５８一），男，汉族，中国矿业大学机电与信息工程学院教授，博士生导师，主要从事人脸识别，声音定位等方面的研究。

（中国矿业大学（北京））王聃贾云伟林福严

（ＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆ

ｒｅｎｔｌｙｔｏｗａｒｄｓｔｈｅＰｈ．Ｄ．ｄｅｇｒｅｅｉｎＳｃｈｏｏｌｏｆＭｅｃｈａｎｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＨｅｂｅｉＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ．Ｈｉｓｍａｉｎｒｅｓｅａｒｃｈ

ｉｓ

ｔｈｅ

ｌｏｃａｔｉｏｎ

ｏｆ