應(yīng)用

技術(shù)

物聯(lián)網(wǎng)世界 >> 解決方案 >> 物聯(lián)網(wǎng)方案
企業(yè)注冊個(gè)人注冊登錄

基于Mallat算法的人臉識別的應(yīng)用研究

   1.引言

  人臉識別是一個(gè)研究熱點(diǎn),容易被用戶所接受,在生物特征識別技術(shù)中有直接、友好、方便的特點(diǎn)。利用原始圖像在小波分解中不同分辨率能量分布不均勻的特點(diǎn),應(yīng)用小波變換可以提高識別效率和質(zhì)量。Mallat算法可以有效地進(jìn)行圖像的分解和重構(gòu),不需要知道小波函數(shù)的具體結(jié)構(gòu),由一組濾波器的系統(tǒng)即可對信號進(jìn)行分解和重構(gòu)。

  2.傳統(tǒng)的人臉識別

  傳統(tǒng)人臉識別特征通常分為4類:視覺特征、象素統(tǒng)計(jì)特征、變化系數(shù)特征、代數(shù)特征。通過幾何特征或通過統(tǒng)計(jì)特征來識別。在識別過程有兩個(gè)重要的步驟,如圖1: 



  圖1:人臉識別系統(tǒng)的步驟

  ①實(shí)行人臉的檢測和定位,在輸入中找出人臉及存在位置,將人臉從背景中分辨出來;
  ②對歸一化的人臉圖像進(jìn)行提取與識別。

  3.基于Mallat算法的人臉識別

  Mallatt算法是S.Mallat提出的,是一種求解小波系數(shù)的塔形算法思想,對一幅圖像完成一次一維小波變換,需要對圖像的行和列分別進(jìn)行一次Mallat算法處理,也就是水平和垂直濾波。小波變換 將原始圖像C(m,n)分成4個(gè)子帶,即1個(gè)低頻子帶(LL)與3個(gè)高頻子帶(LH,HL,HH)。對低頻子帶進(jìn)一步實(shí)施小波變換,分解成下一級4個(gè)子帶。 



  圖2:三級小波變換示意圖構(gòu)


  Mallat算法針對小波分解后,其低頻、水平、垂直及對角線分量的顯著特點(diǎn),根據(jù)人的視覺生理、心理特點(diǎn),對小波分解參數(shù)作不同量化處理,來達(dá)到目的。

  對圖像進(jìn)行二維的小波多尺度分解,得到一個(gè)圖像的多分辨率表示,即不同分辨率的子圖;不同分辨率級的子圖像對應(yīng)的頻率是不同的。圖像的能量基本集中在低頻部分,這就可通過多重小波分解,在Mallat算法中(多重濾波)逐步從低頻子圖中分離出高頻部分,得到一個(gè)集中了圖像大部分信息的幾乎完全低頻的部分。高頻部分,所含的信息很少,處理起來較容易,且噪聲大多集中于高頻部分,通過小波分解可有效的去除噪聲。

  特征提取中,根據(jù)人的視覺敏感程度對低頻亮度子圖像和高頻細(xì)節(jié)子圖像分別采用不同的量化、編碼方法,從而確保得到更高人臉特征提取。識別過程中,人臉的檢測與定位和人臉圖像特征提取與識別步驟中間增加Mallat算法對人臉圖像進(jìn)行小波變換處理過程,如圖3。 



  圖3:加進(jìn)Mallat算法后的人臉識別系統(tǒng)的步驟


  Mallat算法處理按三個(gè)步驟進(jìn)行小波變換:①利用二維離散小波變換將圖像分解為低頻近似分量和高頻水平、高頻垂直、高頻對角細(xì)節(jié)分量;②根據(jù)人的視覺特性對低頻及高頻分量分別作不同的量化;③利用逆小波變換重構(gòu)圖像。

  通過三級小波分解圖像再恢復(fù)后的效果比原始圖有更好的清晰度,這是因?yàn)樾〔ㄗ儞Q在對高頻部分進(jìn)行量化時(shí)濾掉了很多高頻噪音。

  4.試驗(yàn)結(jié)果及分析

  樣本集采用MIT CBCL的單人臉測試,以隨機(jī)抽取的多人臉圖像。環(huán)境為P4 3.00Hz 、1 GB 內(nèi)存,Windows XP操作系統(tǒng)。在訓(xùn)練開始前,將樣本圖像進(jìn)行歸一化為24*24象素大小,每幅圖像提取162336個(gè)Haar-Like特征。使用其中的2000幅人臉圖像和3000幅非人臉圖像進(jìn)行人臉分類器的訓(xùn)練。

  從圖4可看出,基于Mallat算法的人臉識別明顯優(yōu)于傳統(tǒng)的人臉識別,并且隨著圖像噪聲的增加,這種優(yōu)勢越來越明顯。也就是說在傳統(tǒng)的人臉識別中增加步驟Mallat算法對人臉圖像進(jìn)行處理,然后再進(jìn)行特征提取與選擇,在提高檢測率的同時(shí)降低誤檢率。 



  圖4:檢測率與圖像噪聲數(shù)目的關(guān)系圖

  對清晰圖像和經(jīng)2.0高斯模糊后的圖像進(jìn)行檢測,檢測率和誤檢率的比較如表1所示。

  表1:傳統(tǒng)的人臉識別與基于Mallatt算法人臉識別檢測性能的比較 


  從表中數(shù)據(jù)可以看出,基于Mallat算法的人臉識別比傳統(tǒng)的人臉識別算法在人臉圖像噪聲較多的情況下識別性能要好,這說明采用基于Mallat算法的人臉識別可以有效地抑制圖像噪聲,提高檢測率,并降低誤檢率。圖5為使用本文提出的基于Mallat算法人臉識別的程序,分別在單人臉圖像和多人臉上的部分檢測結(jié)果。

  5.結(jié)論

  本文提出了一種基于Mallat算法的改進(jìn)人臉識別的檢測方法,進(jìn)行了實(shí)驗(yàn)并對實(shí)驗(yàn)數(shù)據(jù)進(jìn)行了統(tǒng)計(jì)分析,表明在一定條件下這種算法可以增強(qiáng)人臉識別中特征臉的檢測效果,提高檢測正確率,有效降低錯誤率。但是從結(jié)果分析上也可看出基于Mallat算法的DWT對圖像進(jìn)行分解時(shí),只能提取水平或垂直方向上的細(xì)節(jié)信息,并不是所有情況下都適用。