人脸识别系统在机场安检中的应用

论文导读：人脸识别(FaceRecognition)一直是计算机视觉与模式识别领域的研究热点。机场安检工作量加大。安检，人脸识别系统在机场安检中的应用。
关键词：人脸识别，安检

 

人脸识别(Face Recognition)一直是计算机视觉与模式识别领域的研究热点，在身份鉴别、自动监控、人机交互系统等方面有着广泛应用。论文检测，安检。随着我国民航事业的发展，客流量增多，机场安检工作量加大，传统的低效率人工安检手段已不能满足大型国际机场的需要。如何将人脸识别这种计算机自动验证技术应用于安检系统，并使其成为一种安全、稳定、高效的检测技术，已是当务之急。

人脸识别技术是一种依据人的面部特征（如统计或几何特征等），自动进行身份鉴别[1]的技术。论文检测，安检。它综合运用了数字图像、视频处理、模式识别等多种技术。本文针对机场安检的工作要求，提出了一个自动人脸识别仿真系统，并就其主要技术作了详细介绍。

1 系统实现

1．1 基本架构及应用环境

本系统结构框图如图1所示。系统主要由脸部图像预处理，特征提取和人脸识别三个部分组成。论文检测，安检。

图1 人脸识别系统结构框图

考虑到安检的工作环境及高检测率需求性等特征，本系统的用户检测环境处于室内正常光照条件下，并以墙壁为背景对人脸进行检测，检测过程中要求人脸与相机的距离变化及相机的方向不宜太大，拍摄角度须接近正面，表情保持自然状态。这样可以很好的解决光照不均、表情差异大等常见的检测问题，降低误测度[2]。

1.2 脸部图像预处理

自动人脸识别系统的首要任务是检测和定位人脸，这一步检测效率的高低将直接影响后续模块的执行效果。本系统采用肤色检测算法中基于彩色信息相似度的人脸定位方法提取面部图像。利用平时常用的色度空间RGB[3]，可以很容易排除掉检测结果中在灰度图像中很像人脸,而对应到彩色图像根本不是肤色的区域。

首先将三维RGB（红绿蓝三基色）色度空间降为二维，使肤色区域相对集中。再采用训练方法计算得到人脸分布中心，根据像素离该中心的远近得到相似度分布图，对该分布图二值化以确定人脸区域。

再采用Gamma变换算法将脸部图像进行预处理，提高图像清晰度，使特征明显化。Gamma变换是一种非线性的灰度变换，用式（1）来表示。

即原来的灰度值I用（r>0）或代替。论文检测，安检。其中[4]。Gamma变换的光照补偿因图像像素灰度值不同而异，图2给出了不同参数的Gamma变换曲线。论文检测，安检。对于图像较暗的地方，光照补偿大，而对于高光部分则较小。论文检测，安检。表情图像预处理结果如图3所示。

图2 Gamma变换曲线

图3 预处理图像

1.3 特征提取

对预处理后的图像网格化，再对每一个网格进行Gabor小波变换，取变换后的小波系数作为该网格点的特征矢量，使所有网格的特征矢量构成特征弹性图[5-6]。Gabor小波函数的选择对特征提取的好坏有直接关系，文中选择基频带宽固定，具有3个较高核频率的小波族，其中每种频率的小波族又由均匀分布在半平面中6个方向上的小波组成。较高的核频率使得小波函数能够更好地提取人脸图像的细节部分，而不同方向使得小波函数能够全面地考虑人脸特征。

二维Gabor小波核函数定义为

式中i为复数算子，定义了小波滤波器的带宽，表示小波的不同方向，每种核频率的小波在半带宽平面上可进一步衍生出6个方向的小波，即，为小波的波矢量，表示小波的不同核频率，考虑到人脸表现为高频特征，取v=0，1，2，用以提取高频信息并屏蔽低频信息。这样便定义了18个Gabor小波组成的小波族用于提取人脸特征。

图4下显示了原始人脸图像、网格化图像及由特征矢量的模构成的Gabor小波变换的特征图像。

图4 原始图像及变换后图像

1.4 人脸识别

在人脸识别过程中，我们采用V.Vapnik教授[7]等人提出的支持向量机法。人脸识别在本质上是一个多类判别过程，我们采用一个分类器分类两类问题，通过若干分类器的组合完成多类识别。从而达到对人脸的正确识别。

2 结果与分析

在系统检验过程中，我们利用人脸研究领域两个常用的人脸数据库ORL和Yale进行了实验。选取了数据库中旋转角度、表情与安检环境相似的50人共500幅图像进行测试，结果如下：

表1 人脸识别系统图像识别结果

参考文献：
[1]董火明,高隽,汪荣贵.多分类器融合的人脸识别与身份认证.系统仿真学报,2004;16(8):1849―1853
[2]Zhao Sanqiang,Gao Yongsheng, Zhang Baochang.Gabor feature constrained statistical model for efficient landmark localizationand face recognition[J].Pattern Recognition Letters, 2009, 30(10): 922-930.
[3]赵慧琳,王林泉,葛元.人脸图像定位与标准化算法[J].计算机工程, 2003, 29(22): 158-160.
[4]Tan Xiaoyang，Triggs B. Enhanced localtexture feature sets for face recognition under difficult lightingconditions[C]//Proceedings of the 2007 IEEE International Workshop on Analysisand Modeling of Faces and Gestures，Rio de Janeiro，Brazil，2007：168-182.