图像重构和特征融合下的人脸识别方法分析

林志健 周设营

摘 要：计算机人脸识别技术在具体应用过程中就是利用计算技术完成对人脸图像的合理分析，提取有效识别信息内容，完成该项操作后，辨别个人身份的一项技术，有着一定应用空间。因此，在近几年人们加强了对该项技术内容的研究，并且取得了一定研究效果。下面，针对图像重构和特征融合下的人脸识别方法进行深入分析，希望文中内容对于人脸识别技术的发展，以及相关工作人员都可以有所帮助。

关键词：图像重构;特征融合;人脸识别;计算机技术

中图分类号：TP391 文献标识码：A 文章编号：1671-2064（2020）01-0032-02

人类识别技术就是对特定技术和手段进行适当应用，对个人身份进行适当标识，识别人的身份，进而完成相应监督、管理、控制等各项工作内容的一种先进技术，其在具体应用期间也取得了不错应用效果。随着科技的快速发展，用于个人和身份识别的信息管理技术和手段不断增多，常见的手段有个人密码、智能卡等。这些技术在具体应用过程中具有快速、方便等多项优点，但是，在应用过程中也存在缺点，常见问题有容易伪造、安全性差、容易被盗取等多项缺点。

1 人脸识别技术的特点

人脸识别是现阶段所有生物特征识别方法中一项重要分支，也是计算机视觉与模式识别领域的一个关键研究方向，其已近被合理应用在金融、司法等不同领域中，作用就是实现身份鉴别，并且，从目前的应用情况来看，也取得了不错的应用效果[1]。同时，因为人脸识别具有非侵犯性，与指纹、掌形等识别方法等生物特征识别方法相比，其具有优化、直接、便捷等特点，这也是现代人们容易接受一种鉴别身份方式。人脸识别技术在实际应用期间具有如下特点：

（1）不需要人采取特定动作配合，这也就使该项技术在应用时，各项操作相对比较简单，能够合理的在隐蔽实场合中应用，应用效果良好。

（2）人脸具有很高普遍性，并且可以通过非接触方式对重要生物特征内容进行采集，通过人脸可以更加直观，方便完成对一个人身份的核查，可以对一个人的身份加以明确[2]。

2 识别人脸过程中面临的难度

人脸识别技术在许多领域都有着广泛应用，从目前的情况来看，该项技术在应用过程中涵盖了模式识别、数字图像处理、计算机视觉、生理学等多个学科中的各项内容。目前，人脸识别技术经过一段时间研究已经取得了一定成绩，但是，仍然存在一些问题有待解决。人脸五官在具体分布上较为相似，同时，人脸表情千变万化，这对于人脸正确识别来说面临着较大难度。从实际情况来看，人脸识别面临的难度主要体现在以下几个方面：

（1）光照变化。人脸检测和识别是一项复杂工作，该项工作在实际进行应用过程中会受到不同因素影响，光照就是一个重要问题。从现阶段情况来看，不同人脸识别方法在应用过程中都会受到光照条件影响，光照不合理都会造成识别率发生快速降低现象[3]。现阶段，人们对于光照的多数研究都停留在试验条件下，还无法在实践中应用，因此，对于光照问题的解决方案还要进一步分析与研究。

（2）姿态变化。人脸姿态多变，人脸在俯仰后偏转都会导致人脸面部信息内容发生丢失，这也就对加大了人脸特征精准提取的困难性，这会对人脸识别性能影响[4]。随着人脸识别技术得到了飞速发展，该项技术的应用领域随着技术不断成熟，应用范围不断扩大，因此，人身份认证经常要通过单幅人脸图像实现，这对人脸识别实用化的实现也造成了一定影响。

（3）遮挡问题。一些场合不能要求人员进行配合，遮挡问题低于人脸识别技术的实现造成严重影响，尤其是一些监控场所，被监控对象通常都会佩戴帽子、眼镜等装饰物对脸部进行遮挡，这会导致被采集的人脸图像信息缺失，这也会对后续特征识别与提取造成不良影响，情况严重时会使人脸识别算法的作用无法得到发挥，遮挡问题也是人们在对人脸识别技术分析过程中需要重点探讨的一项问题[5]。

（4）表情改变。从现代计算机技术的实际发展情况来看，采用计算机识别人脸表情面临着较大困难，这主要因为构建人脸部表情模型，以及对人的情绪进行分类，并且将人脸部表情特征变化进行联系面临着较大困难[6]。同时，人脸本身是一个柔性体，要想构建精准表情模型也面临一定困难;人脸部表情丰富，同时，受各项因素影响，经常会发生一些细微改变，对于表情的变化特点进行抽象概况也面临着较大难度，可见，精准描述人脸表情也是日后人们研究的一项关键问题。

为了更好发挥人脸识别技术，应对图像重构技术和独立特征融合技术进行合理应用，从而最大程度减小光照变化、姿态变化、遮挡问题、年龄增长、表情改变等各项因素对人脸识别技术应用造成的不良影响。

3 以图像重构为基础的人脸识别技术

考虑到每个人脸都具有个人特征，对子空间分析算法进行合理应用，从而获取单个人脸特征子空间，完成该项操作后，让识图像映射提取每个特征子空间特征，通过对该特征值进行应用，完成图像重构，最终将获取图像最小重构误差作为对人脸识别的判断依据。以图像重构为基础的人脸识别技术在应用期间，主要能够解决姿态变化和表情改变带来的误差问题。

3.1 预处理图像

通过科学方式提取特征前，要对数据库中图像进行科学处理，使其都变为行向量，方便人们应用，其中像素个数就是向量维数。在对问题进行分析时，将该向量进行预处理，这种预处理对与人脸识别工作的开展来说意义重大。

3.2 以特征子空间为基础的图像重构

通过对哦PCA、ICA的应用，能由人脸库训练样本产生由人脸基础图像构成的特征字空间，在问题分析期间，以该子空间为基础，能够实现人脸图投影，采用该投影得到坐标系数，获取到该组数据后，说明图像存在于空间位置处，进而为人脸识别进行提供相应依据，确保后续作业的顺利进行。

3.3 人脸识别的实现

PCA的目的就是利用线形变化，进而找到最优单位正交向量基，通过对线性组合方式，对原样本进行重建，并且能够使重建后的样本和原样本误差控制在最小范围内，变化后的低维空间具有不错的人脸表达能力，从而达到最优重建目的。ICA是PCA的一种推广，基本思想就是对线性变化进行应用，进而从训练样本中找到一组相对独立的單元，以此完成对样本数据的合理描述，PCA只对训练样本进行考虑的二阶段统计信息对于高阶统计信息不同，其是在全部阶统计意义下的下相关内容，可以高效利用信号二阶段统计以及高阶段统计，并且可以通过有效方式，完成对人脸图像的重构[7]。NMF在实际应用过程中，就是以基于图像像素点，同时，采取非负性约束重建系数内容，通过该处理方式，在图像非减叠加基础上，完成对图像的重新构成，在人脸图像重建期间对各项技术进行应用，从整体应用情况来看，获取了不错应用效果，因此，可以在日后作业中对其加以应用。

4 以独立特征融合技术为基础的人脸识别技术

应用图像矩阵单一特征值，在合理分析基础上，完成相应分类工作难以获取到精准可靠结果，因此，在分析过程中，可以适当引进信息融合技术，在图像全局特征和局部特征融合期间对信息技术进行应用，进而使人脸识别准确率得到进一步提高。以独立特征融合技术为基础的人脸识别技术在具体应用期间，主要可以解决光照问题和遮挡问题对人脸识别造成的影响。

4.1 预处理图像

预处理图像与以图像重构为基础的人脸识别技术在应用过程中采取的预处理方式相同。

4.2 提取特征

图像识别是一项复杂工作，提取特征图像是其中十分重要的一项内容，可以通过对DCT的应用，提取图像全局特征内容，采用Gabor小波提取图像中局部特征，在上述操作全部完成后，通过对ICA方法的合理应用，完成相应分类作业，进而为后续各项工作内容的开展提供相应支持。

4.3 人脸识别

提取相应特征后，就是进行分类器设计。支持向量机在结构风险化最小原则，可以兼顾训练误差能力和泛化能力，针对小样本非线性和高纬模式识别问题过程中出现的各项进行处理，在实际应用过程中优势十分明显。支持向量机就是以统计学理论为基础的一种先进学习方法，该方法在具体应用期间，就是采用构造最优超平面，从而控制未知样本分类误差，使其能够被控制在一个合理范围内，满足作业需求[8]。其在实际应用过程中第一项关键内容就是应用满足Mercer条件的核函数，从而实现对代替两向量间的内积预算，使非线形变换能够得到试下，在具体问题分析时，并不需要非线性变化形式。同时，对核函数方法机进行应用，这可以实现向高纬度空间的合理映射，在该过程中不会导致计算变得更加复杂，并且可以使维数灾难问题得到处理。由此可见，在采用支持向量机时，分类识别在具体应用期间效率较高，科学应用融合后的独立特征，能够实现分别识别，从而达到人脸识别目的。

5 结语

人脸识别技术不仅是一项具有较强科学研究价值的项目，而且该项技术也具有不错的应用空间和前景，现代人们加强了对该项内容的研究，这也使人脸识别技术在具体应用期间取得了不错效果。从人脸识别技术使应用情况来看，其在应用期间，受光照变化、姿态变化、遮挡问题、年龄增长、表情改变等各项因素各项因素影响，会对人脸识别造成不良影响，因此，要对图像重构和特种融合技术进行合理应用，做好人脸识别。图像重构技术在应用期间，主要考虑到每个人脸都具有个人特征，对子空间分析算法进行合理应用，从而获取单个人脸特征子空间，完成人脸识别，而独立特征融合技术在应用期间就是对图像矩阵的单一特特征值进行应用，进而完成人脸识别。可见，在日后的发展过程中，人们还应对加强对人脸识别系统的研究，最终研制出一个先进系统，满足人们应用需求，促进整个社会健康发展。

参考文献

[1] 胡静，陶洋，郭坦，等.基于低秩矩阵恢复的群稀疏表示人脸识别方法[J].计算机工程与设计，2019，40（12）：3588-3593.

[2] 陈超，黄佳.基于深度学习的树莓派人脸与表情识别系统研究与设计[J].网络安全技术与应用，2019（12）：50-52.

[3] 张良杰.基于人脸识别的智慧教室签到管理子系统[J].软件，2019，40（12）：133-139.

[4] 盛妍，徐强，张全，等.基于人脸识别的电网用户身份自动认证系统设计[J].自动化与仪器仪表，2019（11）：127-130.

[5] 汤双霞.基于改进神经算法在课堂人脸识别学情分析应用研究[J].信息系统工程，2019（11）：122-123.

[6] 刘婷.基于局部特征分析的人脸识别方法[J].信息与电脑（理论版），2019，31（21）：114-115+118.

[7] 吳松伟.基于人脸识别技术的智能视频监控系统设计与实现[J].计算机时代，2019（11）：62-66.

[8] 刘思佳，陈至坤，王福斌，等.基于卷积神经网络的多角度人脸识别[J].华北理工大学学报（自然科学版），2019，41（04）：103-108.