作为生物特征识别技术的一个重要分支, 人脸识别技术拥有着很多优势, 与其它生物特征识别技术, 例如指纹, 虹膜, DNA等, 人脸图像的获取更加方便, 人们的接受程度更高, 可靠性、安全性的优势也是其它传统证件无法比拟的, 人脸识别具有生物特征的无法伪造, 可信度高, 随身携带等天然的特点, 因此它的应用非常广泛。随着计算机技术的飞速发展及物联网的发展, 人脸识别技术已经广泛应用于智能门禁系统、计算机安全领域、机器视觉系统、智能监控系统、医学诊断系统。总之, 只要涉及到身份识别, 身份验证, 视频监控, 视频搜索等方面, 都会或多或少的使用到人脸识别系统。但是对于光线强弱明显, 物品遮挡等因素的影响, 需要对人脸图像的预处理做出更高的要求。
图1为整个人脸识别的整体流程, 首先需要对人脸样本做小波变换, 提取人脸图像的主要信息, 然后使用PCA主成分分析法, 提取人脸图像的主要特征, 于是样本库就做成了, 在对未知脸图像做小波变换, 然后计算与样本空间的欧式距离, 从而获取了, 未知人脸与库中人脸的相似度, 从而确认了未知图像是人脸图像, 于是可以确定眼睛和鼻子等特征器官的位置, 将特征器官的位置汇总, 作为hash函数的输入计算消息摘要。
小波的多分辨率分析具有良好的空间域和频率域的局部化特性, haar小波是最简单的小波基, 它具有构造简单, 计算方便的特点。图像通过高低频率的分离, 使得获取的图像的特征更加明显。去除了光照强度等外界噪声的干扰, 增强了图像的质量。
PCA算法将人脸图像看作随机向量, 采用K-L变换得到所有人脸空间样本的正交变换基, 这些基向量具有与人脸相似的形状, 表征了人脸区别于其他物体的特征, 因此被称为特征脸向量。对应特征值的绝对值越大, 其特征向量对构造人脸的作用越大。
PCA方法的步骤: (1) 选取样本空间。 (2) 计算平均脸。 (3) 计算差值脸。 (4) 构建协方差矩阵。 (5) 求特征值和特征向量构建特征脸空间。 (6) 求每个人脸与平均脸的差值脸矢量投影到特征量空间。 (7) 确定阈值并计算人脸到样本脸的欧式距离。
Hash消息摘要就是把任意长度数据串作为输入信息, 通过散列算法, 迭代压缩函数, 变换成固定长度的输出消息摘要, 该输出就是散列值。这种转换是一种压缩映射, 也就是散列值的空间通常远小于输入的空间, 简单的说就是一种将任意长度的消息压缩到某一固定长度的消息摘要的函数。该函数对于任意给定的输出, 要找到其对应的输入, 在计算上是不可行的, 对于任意给定的输入, 要找到输出相同的另一个输入, 在计算上是不可行的。因此可以确认其唯一性的特性。本文使用了SHA1的消息摘要算法将PCA获取的人脸特征进行消息摘要计算, 获取每个人的唯一标识。
人脸识别所涉及的内涵十分广泛, 已有的方法一般都是针对某一类问题提出的。由于人脸检测问题的复杂性, 实现通用的人脸检测方法还是不现实的, 因此解决特定约束条件下或某种应用背景下的人脸检测问题仍将是该领域研究的主要课题。特别是新技术, 在此领域的使用必然会使得人脸检测识别的更加准确, 尤其是使用多种多因素决定, 会提高最终的检查率。目前很多地方都开始使用人脸识别系统, 例如公安部使用在出入境人脸识别系统及奥运会期间入场退场的人脸识别系统, 随着技术壁垒的攻克, 及相关市场的进一步规范, 人脸识别系统将在各个领域发挥更加重要的作用。
摘要：本文通过小波变换对人脸进行预处理, 然后使用PCA方法进行人脸检测, 从而提取各器官特征信息, 将特征信息作HASH运算的输入, 获取消息摘要作为每个人脸的唯一ID信息输出, 通过小波变换处理和PCA方法的融合, 提高人脸识别技术在特殊场合的准确性及可靠性, 同时使用消息摘要作为人脸特征的信息的转化, 提高身份验证的速度。
关键词：小波变换,PCA算法,HASH消息摘要
