PDF《人脸检测建模源照片筛选方法》

4 3 ・ 应用科技第42 卷 人眼评定二者之间的平衡. 这里给出经验的照片评 价权重公式. p = f(q,?) 在评价系统获取到照片的清晰度 q 及对比度 ? 结 果后,利用权重公式给出综合评价结果,排序后对输入 数据进行优选. 实际使用中由于不同系统的安装条 件、光照条件以及人为因素不同,按照各自的经验系数 进行调节,本文按照本实际安装系统进行配置.

3 评价的测试结果 针对本文所提出的建模及评价方法做软件工程 化实现与验证. 从实际使用中的安防系统区域随机 选取

100 组安防系统采集的数字高清照片作为测试 数据. 先对数据源不进行挑选建模并识别得出一组 识别结果,然后利用质量评价方法挑选数据源后再 建模识别给出另外一组识别结果,最后对本系统的 运行结果进行统计,如图

3 所示. 图3100 组测试例识别结果 如图

3 所示,横坐标为测试组序号,纵坐标为每 组测试样本与自身匹配结果,1 为完全相似. 从这 组数据统计结果可以看出,经过质量评价后的源数 据识别的结果绝大部分相对未挑选的数值要高,识 别过程被适量优化. 当然,图中也存在少量识别结 果低于未挑选的数值,其原因在于实际质量评价存 在一定误差,如同人肉眼选择的结果一样,则挑选的 误差数据也影响到了系统识别的结果,但此部分数 据为可接受误差,并未影响整体结果. 为克服实际评价中存在一定比率的错误数据, 收集测试中所有错误数据对建模的过程数据进行分 析,发现部分背景区域融合至人脸边缘从而降低了 边缘识别[9] 的准确性,造成部分清晰度评价较差图 片其对比度评价较高,其入选后并不能优化输入数 据的作用. 后续调整评价参数的权重数据,再次用 同样的数据再次进行测试,分析结果发现,在满足绝 大部分数据正确的情况下,总存在少量错误数据,即 在无法避免错误数据的情况下,只能将权重数据调 整至系统准确率最高.

4 结束语 提出通过用人脸部纹理、轮廓边缘等特征将照 片的清晰度量化,采用照片中灰度区域分析将照片 的对比度量化的思路及具体实现方法. 给出了一种 量化评价采集数据源的方法. 从评价测试的结果可 以看出,照片的清晰度及对比度是可以具体量化的 指标,验证了利用质量因素评价数据源并筛选是可 行的. 选择角度分别从适合计算机量化以及人眼观 察的角度进行评价,数据表明采用这

2 个指标为照 片评价过程的主要因素具有一定客观性、误差性. 对本次测试中的清晰度和对比度数据进行分 析,选择对建模过程中影响较大的评价因素清晰度 为高权重比,可以提高识别模型的准确率并优化输 入端数据,从而降低系统的误报率. 当识别结果处 于临界状态时,需要人为干预后确认结果,此时质量 的另一个评价要素对比度就起到了增强人眼视觉识 别的作用. 由于选择了高对比度照片提供操作人员 进行处理,使人工确认更直观准确,运行结果大部分 符合预期,但仍存在小概率的误差不可避免. 如何 在本文基础上降低误差比率,优化评价环节,是今后 工作中需要进一步解决的问题和研究的方向,误差 的修正将更好地提升安防系统识别的精度. 该方法实用性较强,由于本次测试中所涉及的 数据源来自于实际安防系统中,则测试结果亦可体 现本方法在实际应用中起到降低误报率,优化系统 性能的作用. 参考文献: [1]唐勇. 人脸识别技术综述[J]. 硅谷, 2011(9): 16?17. [2]李丹. 人脸检测在机场离港旅客识别系统中的应用研究 [D]. 成都: 四川大学, 2005: 10?12. [3]胡大涛. 人脸识别系统在机场安检中的应用[J]. 科技信 息, 2010, 20: 8?12. [4]高原. 门禁考勤系统中人脸识别的研究[D]. 武汉: 武汉 理工大学, 2012: 7?10. [5]刘欢喜. 人体生物特征的综合分析与应用[D]. 上海: 上 海交通大学, 2010: 15?17. [6]田源, 于凤芹. 人脸检测方法综述[ J]. 计算机安全, 2009(5): 14?15. [7]江昊,何明一. 基于特征约束点的纹理映射算法[J]. 计 算机仿真, 2009(1): 25?29. [8]陈柯, 杜利民, 赵向阳. 基于三角剖分的人脸纹理映射 [J]. 微计算机应用, 2007(1): 39?44. [9]方昱春, 王蕴红, ........