基于二维图像表示的人脸识别算法研究

刘 琴

（青海民族大学，青海 西宁 810007）

基于二维图像表示的人脸识别算法研究

刘 琴

（青海民族大学，青海 西宁 810007）

尽管传统的人脸识别技术已经有了非常大的进步，在很多方面仍然存在一定的缺陷。文章对二维图像进行了深层次的分析，从二维图像的特征、研究意义以及应用范围进行讨论，再结合人脸识别技术和算法从4个不同的角度切入，对二维图形表示的人脸识别算法进行了详细阐述。

二维图像表示；人脸识别算法；模板匹配

人脸识别技术是最重要的生物特征技术之一，根据人脸的独特性，其对不同的个体进行身份识别。但是当前的人脸识别技术还存在一定的缺陷，有许多学者研究员开展各项研究，在技术和理论上不断进步。本文所阐述的基于二维图像表示的人脸识别算法，是在人脸识别技术的大背景下，对二维线性特征子空间特征提取方法主成分分析（2DPCA）、线性判别分析算法（2DLDA）、局部保距投影（2DLPP）等技术深入了解的基础上，研究了多项人脸识别技术。文章指出了经典传统人脸识别方面技术的特点和缺陷，包括人脸识别算法及人脸图像特征提取等，并对基于二维图像表示的人脸识别算法进行了讨论，提出了一些关于提高识别效率的意见。

1 二维图像的概述

二维图像指的是在同一个平面中用点和线拼画出的一幅图像，其具有平面性，比如三角形、长方形等图形。二维图像与三维图像相比少了立体感，但是可以更直观地表示出图像的表面特征。本章节对二维图像的特征进行了详细的介绍，接着又对二维图像的研究意义方面进行分析，最后对二维图像的应用范围进行了描述[1]。

1.1 二维图像的特征

现在大众的观点认为二维图像中物体的亮度、角点、梯度、边缘和轮廓线等是最为基础的特征信息；还包括一些经过特殊处理的特征信息，例如像对称性、旋转不变性、经过多种变换后产生的新特征；由于这些特征信息的数量和种类过于大量化，研究者常常要根据不同的情况来选择不同的特征[2]。研究工作中使用的二维图像就是图像中最具有特征性的部分，这些具有特征性的部位就可以用来作为识别点。就像世界上没有两张完全相同的叶子，也没有完全相同的二维图像，正是因为每张二维图像都有自己的特征，所以就可以根据这些特征来识别不同的事物。

1.2 二维图像研究的发展历程

人类认识世界的方式就是用自己的方式去理解这个世界，当人类用自己的视觉观察世界，就会有意或无意地用自己的方式来记录自己观察到的世界，这样最原始的图像就出现了。最开始的记录内容可能有非常浓厚的艺术目的，常常用带有浓重的原始宗教或图腾崇拜色彩来表示一件事物。随着科学知识的不断进步，人们对世界的认识越来越深刻，其记录方式往往会越来越简单，简简单单的几笔，就能勾画出一幅完整的画面，这样的画面具有线条简洁、突出重点等特征。对现在的二维图像的研究而言，研究学者追求的就是用最简单的结构来突出事物的独有特征，以达到后期的识别目的。

1.3 二维图像的意义和应用范围

二维图像具有特征性是二维图像拥有相关高级应用的基础，对于二维图像的研究有着非常广泛的应用。

提高机器的识别能力要根据二维图像的表示方法来改进，可以对机器进行设置让其“看到”相应的二维图像。

在现代化农业生产中，对农作物和动物进行编号和拍照可以用于对农作物的生产和畜牧动物养殖的高科技管理。拍到的图像就是一个二维图像，代表着植株或动物的特征表达，这样就可以对作物和动物的生长过程进行管理。

二维图像在医学中的应用相当频繁。医学的二维图像的数据量非常大，比如CT或MIR等，医生借助二维图像在计算机的帮助下完成初步的分析和诊断，以获得有效的可靠信息。

在军事安全中，二维图像在嫌疑犯的识别、出入管理、摄像头等方面都有使用。另外在娱乐行业、通讯业这些行业，二维图像的特征表示也都有非常好的应用。

2 人脸识别算法

最早的人脸识别技术出现在20世纪60年代末，Capon教授[3]在Nature上发表了两篇论文，其中就对最初的人脸识别技术进行了阐述。当今人脸二维图像库还未完全成型，不利于人脸特性识别研究成果的共享和评价。本小节内容主要就当前的人脸识别技术作出了讨论分析，讨论了几个主要人脸识别方法，最后探讨了人脸识别技术的应用范围。

2.1 人脸识别概述

近几年来，人脸识别技术在各种应用的推动下已经有非常大的发展了，现在各个研究机构针对人脸识别技术已经有比较可观的成果了。人脸识别技术与指纹、虹膜、语音等其他人体生物特征相比更加直接、方便。人脸识别在访问控制、身份识别、档案管理、基于二维图像的识别和视频检索等方面有着非常广泛的应用，现在国内很多机构都已经研制出一套比较好的人脸识别系统和技术方法，一些成熟的商家机构也将人脸识别技术投入到实际应用。最早期的人脸识别技术就是应用最简单的集合特征识别，例如像眉毛的弧度、眼中心到眉毛的位置、嘴的厚度、脸宽等特征；发展到现在是基于模板的整体匹配思想，最近在这些新方法下人脸识别技术有了很大的进步。

2.2 当前的人脸识别技术

本章节主要介绍了现在世界上常用的3种人脸识别方法：基于几何特征的人脸识别方法、基于模板匹配的人脸识别方法和基于弹性图匹配的人脸识别方法[4]。

2.3 基于几何特征的人脸识别算法

基于几何特征下的人脸识别方法是最早的研究方法之一，现在很多新的技术方法就是在此为基础上发展而来的。对于每个人来说，人脸的轮廓、大小和各个器官的几何分布位置是不一样的，几何特征就是提取人脸部特征区域的形状和对应的几何关系为基础来进行人脸识别的。这个方法就是提取眉毛、眼睛、鼻子和嘴巴这些特征点，计算出这几个特征点的大小以及它们之间的几何关系来进行人脸识别。

2.4 基于模板匹配的识别算法

模板匹配识别方法属于模式识别中的一种较为传统的方法，这个方法首先是用积分投影的方法确定出面部特征位置，提取局部的特征的模板，然后进行模板匹配，利用计算机计算相应的关系系数，并进行分类。有研究人员进行了模板匹配识别方法与几何特征识别方法两者的稳定性和优越性的比较试验，结果显示模板匹配识别方法明显要优于几何特征识别方法。

2.5 基于弹性图匹配的识别算法

弹性图匹配是一种考虑到识别目标局部特点之间拓扑结构的，具有适应性的局部特征的匹配方法，基于弹性图匹配下的人脸识别方法的基本思想是动态链接结构。弹性图匹配的理论基础是图匹配，它用图来描述人的脸部特征，用图的顶点来表示人脸的局部特征点，边表示面部特征之间的拓扑连接关系，测匹配度时要同时考虑顶点和边的距离。

3 二维图像表示的人脸识别算法研究

在本小节中主要介绍了基于二维图像下表示的人脸识别算法的研究。

3.1 二维线性特征子空间特征提取方法主成分分析

Turk在发表的论文中首次提出了将主成分分析法（2D Principal Component Analysis，2DPCA）作为人脸特征提取算法并应用，并在人脸识别领域取得了较大成功。此后有人将这个算法与二维人脸图像结合来表示一个较长的一维向量形式后来计算协方差矩阵，由于转换后协方差矩阵的维数过高，容易超过样本数目，出现奇异矩阵、运算复杂度高和对计算机硬件要求过高的缺陷，从而导致人脸图像特征抽取困难。所以，之后有学者提出了一种直接利用二维图像矩阵计算协方差矩阵的方法，优点就是能够很好地保持人脸的结构关系，并可以有效减少计算复杂度；将二维人脸图像矩阵直接映射到子空间，称之为二维主成分分析法解决以上问题。

3.2 线性判别分析算法

线性判别分析算法（2D Linear Discriminant Analysis, LDA，2DLDA）是人脸识别中重要的特征提取方法，从一维加权LDA算法发展到二维形式技术，完善了一维形式的不足之处。线性判别分析算法就是利用平衡子空间的类间距的方法，提出一种新的能够克服当前不足之处的算法，这样的算法理解起来更加直观，应用起来更加简便；线性判别分析算法还具有收敛性，在类间距差别较大时应用有很好的效果。有学者对线性判别分析算法的结果进行了检测，结果表明此算法是可行的、有效的。

3.3 局部保距投影

局部保距投影（2D Locality Preserving Projections，2DLPP）能够在子空间很好地保持人脸基本流行结构，经常应用于人脸识别技术中，随着科技的发展，二维局部保距投影已经成为一种新的人脸识别技术中重要的特征提取方法[2]。局部保距投影方法可以很好地消除二维图像的部分冗余信息和噪音；在特征提取方面可以有很好的表现；并且它具有降维功能，在一定程度上减少了很大一部分工作量，显著地降低了计算的复杂程度。在多个人脸数据库中的人脸识别实验结果显示在频域中使用二维局部保距投影的识别率要明显高于其他的技术的识别率。

4 结语

本文主要对传统人脸识别算法的不足进行了分析，然后指出基于二维图像表示的人脸识别算法的进步之处，弥补了传统算法的不足，但仍然指出二维算法仍有需要改进的地方。比如提高准确性以达到局部与整体的有效结合、满足实时要求等，这些都是有待解决的问题。

[1]路翀.基于二维图像表示的人脸识别算法研究[D].大连：大连理工大学，2012.

[2]张正.直接基于二维图像表示的人脸识别技术研究[D].哈尔滨：哈尔滨工业大学，2006.

[3]刘党辉，沈兰荪.人脸识别研究进展[J].电路与系统学报，2004（1）：85-94.

[4]闫常浩，丁先锋，韦鑫余.人脸识别算法[J].四川兵工学报，2014（4）：65-67.

Research on face recognition algorithm based on 2D image representation

Liu Qin
（Qinghai Nationalities University, Xining 810007, China）

Although the traditional face recognition technology has made great progress, there are still some defects in many aspects. This paper made a deep analysis on the 2D image features from 2D images, and discussed from characteristics of 2D image, research significance and application scope, combined with the human face recognition technology and algorithm starting from 4 different angles, discussing in detail of face recognition algorithm of 2D graphics.

2D image representation; face recognition algorithm; template matching

北京工业大学—青海民族大学合作基础研究基金项目；项目编号：312000514315008。

刘琴（1976— ），女，青海西宁，本科，讲师；研究方向：软件工程，计算机应用。