基于MATLAB辅助的人像识别方法及应用

张　铭　　包　清

（上海市公安局物证鉴定中心　上海　200083）

基于MATLAB辅助的人像识别方法及应用

张铭包清

（上海市公安局物证鉴定中心上海200083）

利用MATLAB编程计算人工提取出的特征点之间的距离，并自动匹配计算两张人像图片的综合相似程度，提出计算机辅助计算可在人工比对的基础上提供依据。

人像识别MATLAB编程计算机比对

1　传统人像鉴定方法及特点

传统人像鉴定方法主要有特征点比对法和拼接法。特征点比对法是先对人像的总体轮廓进行比对，然后在检材与样本之间人工寻找特征点，明确各特征点是符合点还是差异点，并评价各个特征点的价值，综合评断后作出鉴定结论。拼接法主要是针对五官反映较为充分的正面人像，将检材与样本各取半张侧脸拼接，通过对拼接线两边五官轮廓线条是否连贯，以及两边五官比例是否一致作为依据。

传统人工比对人像采用的主要特征有：①五官形态特征，包括眼、眉、耳、口、鼻、额的各种形态学上的细节特征；五官间的搭配关系；胡须、皱纹的长短、走向、粗细等特征。②体态特征，主要是指对象身材的肥胖、瘦削、匀称等。③人体特殊标记特征，是指病理或损伤造成的解剖学异常和功能异常，包括痣、班、驼背、跛脚等。④着装佩饰特征，包括着装、手表、手链、项链等。

2　计算机辅助人像识别的现状

目前，计算机辅助识别人像的相关文献繁多，但并没有真正通过实战检验应用于公安系统的成熟模型与算法。经查阅相关文献，目前，计算机辅助人像识别的算法主要有两类：一类是基于特征点，另一类是直接基于图像［1］。基于特征点的算法是模仿人工选取特征点比对的方法，从人像中提取出各个特征点的信息并对该信息进行分类，将检材与样本的特征点信息比对综合评判后得出结果，比较有代表性的有PCA、 ICA、Fisher鉴别、基于BP神经网络算法等［2］。直接基于图像的识别方法是直接利用图像本身的灰度信息，利用傅里叶变换、小波变换、位数抽取等方法直接从图像灰度信息中获得可供比对的特征向量，利用特征向量间的比对来得出结论。

两种计算机辅助识别方法的共同点在于识别思路是从海量的样本库中快速筛选出一定数量的相似样本，其算法都包含着降维和简化的算法，在特征函数的高维空间内找出一个合适的投影方向，使得类间距尽可能大、类内距尽可能小［3］。不同之处在于基于特征点的识别方法的实际效果对于特征定义的依赖性很大，特征定义不当会严重影响算法甚至导致算法完全失效；直接基于图像的算法对于整幅图像的信息利用更充分，算法模型相对稳定，但是对条件变化如光照等因素相对敏感。

3　利用多特征点相对距离识别人像的原理与算法

人的相貌具有自身稳定性和个体特殊性，是能够通过人像检验明确对象身份的基础与依据。在实际检验中，由于检材的图片质量较差，人工比对的过程中可能出现检材与样本整体比对无明显差异化，检材上无法提取到可靠的特征点的细节形态与样本进行比对，无法得出明确的结论。

本文利用多个可靠特征点之间的距离作为特征来评判两张人像图片之间的相似程度。查阅相关的文献和参照实际检验中的经验，本次实验共选取双眼的内眼点、外眼点、鼻末端中点、左嘴角、右嘴角共计7个特征点。利用MATLAB编程自动计算出所提取出的各个特征点的相对距离组成一个特征矩阵C。由于检材和样本在分辨率上的不同，对特征矩阵C无法直接进行比较，必须通过构建函数衡量检材与样本之间的差异与匹配比例系数k之间的关系，对该函数求k的导数求出驻点即可解出自动匹配计算得出检材与样本之间的最佳比例关系k，以此比例关系k调整检材与样本的特征矩阵C，计算函数C平=（ΣC（i，j）-1）/21作为评判两张人像图片差异程度的指标。利用同一人二代身份证和驾照自身比较与相互比较作为实验样本检验该指标的性能，将40人共计80次实验结果经由SPSS统计后得出，该参数在同一人自身比对和不同人之间的比对的结果上存在着显著性差异，取阈值为0.03的情况下识别的正确率为93%。

4　案例分析

4.1案例

2015年卢某因出国需要开具无犯罪记录证明时，发现被他人冒名（嫌疑冒用人卢某某2007年因犯盗窃罪被上海市区人民法院判处有期徒刑5年），遂向当地人民法院提出申诉。检材为3张人像照片（见图1、图2、图3），检材A为卢某本人照片1张，检材B为采集自卢某某服刑档案中的头像照片1张，检材C为嫌疑冒用人的照片1张。

图1　检材A人像

图2　检材B人像

图3　检材C人像

对检材A、B进行整体检验发现两者在脸型轮廓上存在较大差异。两者的眉形在浓淡和走向上存在显著差异，在胡须浓淡与分布上也存在差异。由于检材A、B之间差异点较多且无法被合理解释，故对检材A、B的结论为否定同一结论。对检材B、C进行整体检验发现两者脸型轮廓基本一致。两者在眉形的走向、浓淡，以及在胡须的分布与浓淡上均符合。由于检材B、C之间种类特征吻合不排斥并且存在一定数量较高特征的符合点，故对检材B、C的结论为同一人的结论。

对检材A、B之间和检材B、C之间分别应用多特征点相对距离识别的方法，利用人工提取出的特征点输入MATLAB中构造成相应的比对矩阵，计算得到检材A与检材B之间的C平为0.0485，检材B与检材C之间的C平为0.0327。

4.2结果分析与讨论

对检材A、B进行检验发现两者在比较稳定的种类特征上和在细节特征上存在着不合理解释的差异点，故对检材A、B之间给出的结论为明确的否定同一。利用MATLAB对提取出的特征点进行距离矩阵的比对得到的C平为0.0485，运算所得到的结果C平远超过排除阈值0.03。通过应用多特征点相对距离识别的方法对检材A与检材B之间的检验有着本质性差异否定同一，与人工比对的结论相一致。

对检材B、C进行检验发现两者之间未见明显不符的种类特征。由于检材B的图片质量较差放大后斑块明显损失了很多细节，比较检验中只找到一些排他性不强的符合点，故对检材B、C之间给出的结论倾向为同一人像。利用MATLAB对提取出的特征点进行距离矩阵的比对得到的C平为0.0327。鉴于检材B图片质量差，无法保证所有的特征点均能被准确地选取，距离矩阵的比对结果略大于阈值，认为检材B与检材C存在一定的相似性，与人工比对的结果符合。

目前，人像识别软件多强调自动化程度减少人工干预，从实践中看，该类软件对图片质量要求较高，实用性不强。本文利用多特征点相对距离计算机辅助人像识别，能够把模式识别中专家优势和计算机的运算优势相结合。利用多特征点相对距离计算机辅助的算法能够充分挖掘并利用低质量图片中的特征点距离信息，并将上述距离信息编制成矩阵并自动匹配，经实际案例检验确实能够提供有效的辅助作用。

［1］琚生根，周激流，王朝斌.基于统计特征融合的人脸识别［J］.四川大学学报（自然科学版），2009（3）：618-622.

［2］谢永林.LDA算法及其在人脸识别中的应用［J］.计算机工程与应用，2010（19）：189-192.

［3］史骏，陈才扣.基于马氏距离的半监督鉴别分析和人脸识别［J］.北京航空航天大学学报，2011（12）：1589-1593.

（责任编辑：于萍）

TP391.4

A

2095-7939（2016）03-0064-02

10.3969/j.issn.2095-7939.2016.03.014

2016-03-23

张铭（1982-），男，上海人，上海市公安局物证鉴定中心工程师，主要从事声像资料检验研究。