一种基于语义特征的快速人脸检索方法

（东北石油大学a.电子科学学院；b.现代教育技术中心，黑龙江大庆 163318）

（东北石油大学a.电子科学学院；b.现代教育技术中心，黑龙江大庆 163318）

运用数字图像处理技术、人脸模式识别技术与传统的数据库检索技术,融合基于文本的图像检索和基于内容的图像检索两者技术优势为一体,避开了在图像之间进行的繁琐匹配处理过程；以200人为待测样本进行检索实验,正确检索出来的为155人,完全匹配的为125人,系统的识别率为75.55%,平均检索时间小于0.1 s；实验证明,这种方法具有很强的鲁棒性,使用此方法所建立的语义人脸图像检索系统,具有快速、高效、实用的特点。

人脸图像检索；形状特征参数；语义描述；不等距搜索

21世纪是信息技术、网络技术的时代。身份的数字化和隐蔽化是网络信息化时代的一大特征［1］。如何快速准确鉴定一个人的身份、保护信息安全，是当今社会必须解决的关键性问题。研究表明，人体的生物特征如指纹、人脸、虹膜等具有唯一性、稳定性和不易复制性等特点，因而基于这些特征的多种识别身份手段应运而生，如指纹识别、人脸识别和虹膜识别等。在这些手段中，人脸识别由于其主动性、普遍性、非侵犯性、方便性、用户友好、非接触式识别等优点备受人们关注［2］。它可以广泛应用于公安部门的犯人档案管理、犯人辨认查找、刑侦破案；公共安全领域的智能门禁、智能视频监控；经济领域的各类银行卡、信用卡的持卡人身份验证；还可以应用于安全验证系统、医学、档案管理、视频会议、人机交互系统、证件核对、乃至出纳等多种场合，具有重要的实用价值［3，4］。

1 基于肤色的人脸检测

人体肤色在色度空间内分布稳定，聚集在色度平面内的一个狭窄区域。因而，人脸区域的确定可以通过判决YCbCr色彩空间中色度值是否在一个狭窄范围内的像素集合中来实现。YCbCr可以从RGB格式线性变化得到，变换公式如下：

首先将图1中的RGB图像转化为YCbCr色彩空间，然后采用通用阈值方法对肤色区域进行判决。这样处理后将图像转变成一副二值图像，如图2所示。

图1 彩色照片

图2 肤色映射后二值图

图3 梯度二值图

2 人脸对象区域分割

对人脸带状人脸区域求垂直梯度，然后以梯度图中梯度值最大的五分之一作为阈值，使梯度图变为二值图像，如图3所示。对梯度二值图像进行水平积分投影，然后用均值滤波器对积分投影曲线进行均值滤波，去除噪声的影响，滤波后的积分投影如图4所示，然后对其进行归一化处理，使最大值为1，其他点按照比例进行缩放，如图5所示。然后取0.1的阈值对归一化后的投影曲线进行二值化处理，如图6所示。这样可消除小孤立块对分割的影响，剩下的峰值即为五官的边缘所形成。找出二值曲线中值为零的中点，以这些点所在的垂直位置为分界线，这样人脸的五官所在的区域就被分割出来。

图5 归一化后的水平投影

图6 阈值二值化的水平投影

图7 眼睛的几何模型

3 模型建立及特征提取技术

通过进一步分析和处理，得到了眼睛的形状和边缘轮廓等关键特征后，就能找到眼睛所对应的几何位置，并由此定义一些眼睛形状特征参数，将眼睛形状的分类用参数值的不同范围来表示。眼睛的几何模型如图7所示。图7中标示了眼睛的一些几何位置参数。虽然当人脸图像尺寸发生变化时，图7中的每一个参数值也会随之变化，但是它们都是同比例缩放，并不会影响后面的形状参数计算。根据这些几何参数，为眼睛定义以下3个形状特征参数：

根据实验中的计算结果，对这3个眼睛形状特征参数的值域做了分段处理，并且针对这些分段范围都分别定义了相应的语义描述，具体的分类对应如表1所示。同理，眉毛、鼻子、嘴巴、下巴的分类如表2-表5所示。

表1 眼睛形状特征参数的语义描述

表2 眉毛形状特征参数的语义描述

表3 鼻子形状特征参数的语义描述

表4 嘴巴形状特征参数的语义描述

表5 下巴形状特征参数的语义描述

4 基于语义的人脸图像检索系统实现

在检索过程中，先对输入的待检索人脸图像做灰度投影、分割、语义特征提取等一系列处理，得到它的语义描述，再根据语义相似性匹配算法到预先建立的语义人脸数据库中去搜索，得到一定数量的与输入人脸图像最为接近的人脸图像序号，最后输出序号在人脸图像库中所对应的人脸图像，具体如下：

（1）按照经验知识，为各个面部器官的形状特征参数的系数因子设定初值W。眼睛：；眉毛：

（2）按照检索流程，对输入的人脸图像进行灰度投影、分割、特征提取、编码等一系列处理，得到一组语义编码P。

（3）分别求出待检索人脸图像的语义编码P和语义数据库中每个人脸图像的语义编码Pi（i=1，2，…，N）的分类差值，即Qi=l Pi-P l。

（4）将各分类差值与其对应的系数因子相乘之后求和，得到差值

（5）在D中进行搜索，找到数值最小的一些项和所对应的序号。根据搜索结果修改W，然后再进行搜索，如此反复，直到得到理想的结果为止。

经过所拍摄的200幅人脸照片所做的实验，确定了相对较为合适的系数因子并对其做了归一化，具体数值如表6所示。

表6 搜索算法的系数因子

5 实验验证

（1）照片库的建立。实验对象为文科学学院本科学生和2009级硕士研究生共200人，在实验室条件下，尽量保证单一背景的情况下统一拍照，每人拍了3张，共计600张，照片大小为640×480像素。其中200张作为待检索照片样本。

（2）特征参数库的建立。对人脸图像库中的每张照片，提取出特征参数，转化为语义描述，并进行特征编码，将所有特征编码存入数据库形成特征参数库，特征参数库的每个特征编码都与照片库的某一照片相对应。特征参数库的建立流程图如图8所示。

（3）检索实例。主程序界面如图8（b）所示，首先要建立语义人脸库。处理结束后，在主程序界面中选择“匹配查询”，然后再待检索人脸图像库中选择一张照片，经过一系列处理得到检索结果如图8（c）所示。

（4）实验结果分析。对200张照片进行了依次检索，输出最符合条件的6张照片，能够正确检索出来的有155张，占待测样本库样本的77.5%，其中完全匹配的83张，占待测样本的41.5%，有72张照片出现在检索结果的第2张或者第3张甚至是第4张中，占待测样本的36.0%，如表7所示。把这些照片与照片库里的相应照片对比，发现大部分差别在于眼睛的张开和闭合程度。因此，不考虑这个参数，重新做实验，结果如表8所示。完全匹配的照片为125张，占待测样本库样本的62.5%，与前面的实验结果相比，检索效果有了一定提高。系统的识别率由正确检索出来的出现在不同位置的照片分量构成，由表8得系统的识别率如式（1）所示。

图8 实验验证图

表7 检索实验结果统计表

表8 去除参数后的检索结果统计表

6 结 论

为了满足当前各种安全的需要，利用生物特征来进行身份确认将是今后研究的重点，而人脸识别与其他身份确认方法相比具有获取简单和非接触式的优点。传统的人脸模式识别和图像检索技术，由于其自身的局限性，并不能用来进行快速准确的人脸图像的检索。语义图像检索将传统的人脸识别技术和数据库检索技术有机的结合，先为人脸图像附加上各种语义信息，然后进行图像检索，这使得检索过程变得更加高效。

［1］段萍，杨龙，刘祥楼.人眼特征提取技术研究综述［J］.重庆工商大学学报：自然科学版，2013（2）：38-40

［2］姚青，吴飞.基于语义人脸的视频新闻标注［J］.计算机科学，2012，21（1）：49-51

［3］肖小玲.基于概率支持向量机方法的人脸识别［J］.武汉理工大学学报，2009，33（2）：12-14

［4］曾阳艳.基于PCA方法的人脸特征提取和检测［J］.电脑知识与技术，2008（4）：742-744

一种基于语义特征的快速人脸检索方法

张 明a，王 燕b，卢 清b

A Kind of Fast Human Face Retrieval Method Based on Semantic Features

ZHANG M ing1，WANG Yan2，LU Qing2

（1.School of Electronic Science，Northeast Petroleum University，Heilongjiang Daqing 163318，China；
2.Modern Education Technology Center，Northeast Petroleum University，Heilongjiang Daqing 163318，China）

This paper uses digital image processing technology，human face model recognition technology，traditional database retrieval technology and the integration of the advantages of text-based image retrieval technology and content-based image retrieval technology to avoid tedious matching process between images.By taking 200 people as testing examples to conduct retrieval experiment，155 people were correctly retrieved，125 people were exactlymatched，the recognition rate of the system is 75.55 percent and average retrieval time is less than 0.1s.The experiment verifies that this method has strong robustness，and the semantic human face image retrieval system based on thismethod has the features such as rapidness，high-efficiency and practicability.

human face image retrieval；shape feature parameter；semantic description；unequal distance search

代小红

TP391.4

A

1672-058X(2014)02-0056-05

2013-08-08;

2013-09-10.

张明（1982-），男，讲师，从事网络信息安全及模式识别研究.