西藏高校藏族大学生人脸识别数学模型

摘要：紧紧围绕年轻和年老的一照片的相似度来研究，影响两张照片人脸相似度的因素有很多，我们选择了眼睛、鼻子、嘴巴、下巴这几个因素。首先，我们通过MFA進行判别人脸特征点，再根据LBP人脸识别算法求得相似度，通过几何结构分析对多组图像分析求得相似门限为80%。则对以后的相似度对比时，大于等于80%可认定为同一人。

关键词 藏族 MFA 人脸相似

对于同一个人来说，如果没有过改变容貌的疾病、面部外伤或外科手术等经历，年轻和年老时的面容总有很大的相似性。人们在生活中也往往能够分辨出来两张不同年龄段的照片是不是同一个人。当然，年龄段相差越大 ，识别起来也就越困难。

我们通过MFA对人脸整体轮廓进行分析，再根据LBP人脸识别算法求得相似度，通过几何结构分析对多组图像分析求得相似门限为95%。则对以后的相似度对比时，大于等于80%可认定为同一人。

如果求得相似度数值小于相似门限，我们则可认为同一人，否则不是同一人。

岁月匆匆，容颜易变，当我们看到两张不同年龄段的面部照片时，我们通过仔细观察，很大可能可以辨别出是否为同一人，但是随着年龄差的增大，我们辨别起来就会相应的困难起来。

本文研究的就是给出两张不同年龄段的照片，是否可以通过算法来自动识别是不是同一个人。因此重点步骤是：文字图像数字化、建立数据分析模型和设计解决图片匹配把算法。设样本集，

由于在同一年龄段各个人脸图像中的器官分布大致相同，所以我们从收集到照片中选取了大量人脸（以下只选择一组展示）特征点来求取平均，获取各器官的分布特点，然后通过特征点变形技术对输入人脸图像进行变形，生成相应的各个年龄段的人脸图像。人脸图像上的特征点是用来表述人脸的重要信息，不同的人脸图像可以根据不同的特征点来确定。在人脸图像当中，比较主要的特征点部位有：眼睛、瞳孔、鼻子、鼻尖、嘴、上下嘴唇、下巴、额头等位置。尽管对于人脸的器官定位己取得了一定的研究成果，但是其定位的准确性远远不能满足图像变形对特征点的要求，因此我们选择了手工标定特征点，如图所示，图中红色的点即为相应的特征点。

对于得到的特征，有多种方法可以判别其相似性。从纹理分析的角度来看，图像上某个像素点的纹理特征，大多数情况下是指这个点和周围像素点的关系，即这个点和它的邻域内点的关系。从哪个角度对这种关系提取特征，就形成了不同种类的特征。有了特征，就能根据纹理进行分类。LBP构造了一种衡量一个像素点和它周围像素点的关系。

对LBP特征向量进行提取的步骤：

然后便可利用SVM或者其他机器学习算法进行人脸的相似度了。

我们采用提取几何特征点进行人脸识别，对于被强干扰、变形以及由于底片影像退化所产生的测试图像仍能达到很好的识别效果，故该方法对于有尺寸、旋转和位移变化的人脸图像也具有很高的适应性。

结果表明，我们所采集的图像不如标准人脸库中的图像识别效果好，是由于我们假设图片的大小规格相同，以及假设的图片是在标准光线和标准位置下拍摄的，这样就会增加相似度的识别率，相似门限的确切之就会更高。

又结合收集到的数据，因此，我们可取数据的一个相近最小相似值来作为识别门限，则此门限为80%。

结论

我们是通过对人脸的整体轮廓特征进行判别两张不同年龄段的照片是否为同个人。假如我们建立的假设全部成立，各项算法都做的完美，则当相似门限达到80%以上是，我们就可以判定为同一个人。

基金项目：2018年西藏自治区西藏大学大学生创新训练项目《西藏高校藏族大学生人脸识别数学模型研究》成果（项目编号：2018QCX008）。

作者简介：初敬淇（1998年03月）男，汉族，山东烟台人，本科，西藏大学，数学与应用数学。

参考文献

[1] 张翠平，苏光大.人脸识别技术综述[J].中国图像图形学报，2000，5（11）：57-58.

[2] 张毓晋.图像处理[M].北京：清华大学出版社，2007.

[3] 王映辉.人脸识别：原理、方法与技术[M].北京：科学出版社，2010.

[4] 汪成为，高文，王行仁.灵境（虚拟现实）技术的理论、实现及应用[M].北京：清华大学出版社，1996：285-311.