單對象人臉識別技術研究

5、 人臉的識別

完成訓練過程并獲得待測樣本的特征后，即可進行人臉識別，本文采用歐氏距離進行分類。

5.1 計算樣本與平均臉的歐氏距離

用m和x表示平均臉和樣本的特征向量，則樣本與平均臉的歐氏距離為：

其中mk表示平均臉的第k個特征向量，xk表示待測樣本的第k個特征向量。身份認證時，計算待測樣本與平均臉的歐氏距離，并與特定對象的自適應閾值進行比較，將小于閾值的樣本判為該對象的人臉，即認證通過。

5.2 自適應閾值的選取

與典型的人臉識別方法不同，單對象人臉認識沒有人臉數據庫，不能用距離最小作為判據，只能用閾值作為判別依據。閾值的選取應兼顧識別率和識別的準確性，實驗中我們取訓練樣本與平均臉的歐氏距離平均值作為分類閾值，即:

其中，N為訓練樣本數，此值不宜太小;di為第i個樣本與平均臉之間的歐氏距離。

6 、實驗結果及分析

本文選用西安交通大學人工智能與機器人研究所東方人臉庫(AIR)的視點子庫進行實驗，該數據庫包括每位被拍攝人在19個不同視點角度下(10°為一個單位)拍攝的中性表情圖像。實驗包括類內測試和類間測試。類內測試用于考查單對象人臉識別的識別率，而類間測試則用于考查誤識率。隨機選取5個人，每人用7幅圖像(-30°～+30°)作為訓練樣本，分別計算平均臉和自適應閾值、類內識別率和類內距離，另外再選取50個人，每人一幅正面圖像作為類間測試樣本，分別對5個對象進行類間測試，實驗結果如表1所示。從實驗數據可以得出如下結果：

(1)類內識別率不高，原因是自適應閾值為訓練樣本與平均臉的歐氏距離平均值，訓練樣本中的部分圖像不能被識別。在實驗室中，我們通過提示被試注視攝像頭、適當調整姿態等措施提高圖像的拍攝質量，使識別率得到了顯著的改善。

(2)在50人的類間測試中，最小距離均大于閾值，即錯誤識別率為0。實驗室的現場測試中也得到了相同的結果。

(3)文中提出的單對象人臉識別方法能夠成功地識別特定對象，并能準確地排除其他對象，可用于軟件保護、計算機安全等系統的身份驗證。

7 、結 語

本文提出的單對象人臉識別方法，針對單對象人臉識別的特點，綜合考慮了識別率和認證的準確性，運用平均臉方法有效地縮小類內距離，同時擴大類間距離，取訓練樣本與平均臉的歐氏距離平均值作為分類閾值。實驗結果表明，該方法具有識別有效性和認證可靠性，在單對象人臉識別的實際應用中是一種可行的方法。