基于余弦相似度的人脸识别系统的实现

图像与多媒体技术・Ｉｍａｇｅ＆Ｍｕｌｔｉｍｅｄｉａ　Ｔｅｃｈｎｏｌｏｇｙ　基于余弦相似度的人脸识别系统的实现　文／刘一玮杨韬刘瑾于振泽孙嘉琨　值。通过移位加掩码可以获得２４位真彩色图　使用ＰＨＰ语言并结合ＯｐｅｎＣＶ　｛　￥ｒｇｂ＝ＩｍａｇｅＣｏｌｏｒＡｔ（￥ｒｅｓ，￥ｘ，￥ｙ）；　￥ｔｈｉｓ一＞ａｔｔｒｉｂｕｔｅ［￥ｉ】＝Ｓｒｇｂ＆０ｘＦＦ；／／获取灰　度值　￥ｉ＋＋：　计算机视觉库，利用计算余弦相　似度的方法实现了人脸识别系统。　该方法将每张图片的灰度值转换　为欧式空间中的一个向量，用于　表征人脸，然后计算两个向量的　片的红，绿，蓝分量的值，利用上述公式可将　彩色图片转换为归一化的灰度图片。　３图像的描述　对于一幅分辨率为ＭｘＮ的灰度图像，可　｝　夹角余弦值，用余弦值表征两张　人脸图片的相似度。　将其灰度值转化为ＭｘＮ维欧氏空间中的一个　向量。用ａｉ　表示对应于图像中（ｉｊ）点的灰度　｝　￥ｔｈｉｓ一＞ａｔｔｒｃｏｕｎｔ＝ｃｏｕｎｔ（￥ｔｈｉｓ一＞ａｔｔｒｉｂｕｔｅ）；　值，一幅灰度图像在欧氏空间中可表示为向量　ｘ＝（ｘｏ，ｘ　“，ＸＭＮ一。）。这样，在计算机中就可以　【关键词】ＰＨＰ　ＯｐｅｎＣＶ人脸识别余弦相似度　用一个长度为ＭｘＮ的一维数组来描述一幅灰　度图像。　４计算余弦相似度　人脸识别是将图片中检测出的人脸图像　与数据库中的人脸图像进行对比，然后从数据　余弦相似度是信息检索中常用的计算相　库中找出与之匹配的人脸的过程，它是生物特　似度的方式，本文将其应用于计算人脸图像的　征识别和人工智能领域的一个重要研究课题。　相似度。在计算两张图片的相似度前，按照　目前，人脸识别技术广泛应用于门禁系统、监　之前描述的方法将图片Ａ表示为向量Ａ＝ａ０　ａ　控系统、机器视觉、医学诊断、计算机安全等　…，ａⅡ　图片Ｂ表示为向量Ｂ＝ｂ。，ｂ　”，ｂ　领域。随着技术的进步，人脸识别技术将被应　则两张图片的余弦相似度计算公式为：　用在更多的领域。本文将介绍一种基于余弦相　∑　ｎ：－１０ａｋｂｋ　似度的人脸识别系统的实现方法。　。　【Ａ，Ｂ）　ｎ－　１ａ　２［￣ｎ－　１ｂ　Ｚ　，Ｉ～Ｙ　，Ｉ～Ｙ　１人脸信息的提取　可见，余弦相似度计算的是两向量在高　维度空间中的夹角余弦值。夹角越小，余弦相　借助ＯｐｅｎＣＶ计算机视觉库可以方便、　准确地进行人脸检测。本文使用ＯｐｅｎＣＶ的”　似度越大：角度越大，余弦相似度越小（最小　值为０，最大值为１）。其值与向量的模长（即　ｈａａｒｃａｓｃａｄｅ　ｆｒｏｎｔａｌｆａｃｅ　ｄｅｆａｕｌｔ．ｘｍｌ”检测器进　图片整体的亮度）无关，而取决于各个维度上　行人脸信息的提取　安装ＰＨＰ的ｆａｃｅｄｅｔｅｃｔ模　块后即可在ＰＨＰ中使用ｆａｃｅ　ｄｅｔｅｃｔ函数，该　分量的大小差异（即图片上各点间的灰度值差　异）。因此图片的整体明暗程度对余弦相似度　函数可返回图片中人脸的横坐标（ｘ）、纵坐标　的影响不大，而各点间的明暗变化对余弦相似　（ｙ）、宽度（ｗ）、高度（ｔ１）。利用这些位置信息　度的影响很大，这就很好地屏蔽了拍照时环境　可以将人脸部分从原图中提取出来。　的明暗程度对人脸识别的影响。并且，由于余　２图片的灰度处理　弦相似度的值介于０到ｌ之间，可直接用于表　示两张人脸图片的相似度，无需进一步转化。　由于彩色图片中的人脸信息容易受到环　境背景颜色的影响，而且彩色图片不便于后续　５系统实现　的采样和计算，因此需要将彩色图片转换为灰　５．１图像的描述（关键代码）　度图片并进行归一化处理。　在计算机中，对于２４位真彩色图片，每　／／ｆａｃｅ类　个像素都是由红、绿、蓝（Ｒ、Ｇ、Ｂ）三个分　ｃｌａｓｓｆａｃｅ　量组成，每个分量占８位。而在灰度图片中，　｛　每个像素包含了一个表示亮度的值，该值的范　ｐｕｂｌｉｃ￥ａｔｔｒｉｂｕｔｅ；　围为０到２５５　通过使彩色图片中各个像素的　ｐｕｂｌｉｃ￥ａｔｔｒｃｏｕｎｔ；　红、绿、蓝（Ｒ、Ｇ、Ｂ）分量相等，可将彩色　ｐｕｂｌｉｃ　ｆｕｎｃｔｉｏｎ　ｃｏｎｓｔｒｕｃｔ（￥ｇｒａｙｉｍｇ）　图片转换为灰度图片。彩色图片灰度化的经典　｛　公式如下：　￥ｒｅｓ＝ｉｍａｇｅｃｒｅａｔｅｆｒｏｍｊｐｅｇ（￥ｇｒａｙｉｍｇ）；　ｇｒａｙ（ｘ＇ｙ　０，２９９１Ｒ（ｘ，ｙ）＋０．５８７１Ｇ（ｘ，ｙ）＋ｏ．１１４ｌ　￥ｗｉｄｔｈ＝ｉｍａｇｅｓｘ（￥ｒｅｓ）；　Ｂ（ｘ，ｙ）　￥ｈｅｉｇｈｔ＝ｉｍａｇｅｓｙ（￥ｒｅｓ）；　其中Ｒ（ｘ，ｙ）、Ｇ（ｘ’ｙ）、Ｂ（ｘ’ｙ）分别为图　￥ｔｈｉｓ一＞ａｔｔｒｉｂｕｔｅ　ａｒｒａｙ（）；　片中位于点（ｘ，ｙ）的像素的Ｒ、Ｇ、Ｂ值，　ｆｏｒ（￥ｘ＝Ｏ，￥ｉ＝Ｏ；Ｓｘ＜￥ｗｉｄｔｈ；￥ｘ＋＋）　ｇｒａｙ（ｘ，ｙ）为转换后位于点（ｘ，ｙ）的像素的灰度　｛　ｆｏｒ（￥ｙ＝Ｏ；Ｓｙ＜￥ｈｅｉｇｈｔ；￥　Ｈ）　９０・电子技术与软件工程Ｅｌｅｃｔｒｏｎｉｃ　Ｔｅｃｈｎｏｌｏｇｙ＆Ｓｏｆｔｗａｒｅ　Ｅｎｇｉｎｅｅｒｉｎｇ　ｉｍａｇｅｄｅｓｔｒｏｙ（￥ｒｅｓ）；　）　｝　５．２计算余弦相似度（关键代码）　／／计算余弦相似度　ｆｕｎｃｔｉｏｎ　ｓｉｍｉｌａｒｉｔｙ（￥ｆａｃｅ１，￥ｆａｃｅ２）　ｆ　￥ｔｅｍｐ１＝Ｏ：　￥ｔｅｍｐ２＝Ｏ：　￥ｔｅｍｐ３＝Ｏ：　￥ｔｅｍｐ４＝０：　ｆｏｒ（￥ｉ＝０；￥ｉ＜￥ｆａｃｅｌ－＞ａｔｔｒ＿ｃｏｕｎｔ；￥ｉ＋＋）　｛　Ｓｔｅｍｐ１　＝￥ｆａｃｅｌ一＞ａｔｔｒｉｂｕｔｅ［￥ｉ］　Ｓｆａｃｅ２一　＞ａｔｔｒｉｂｕｔｅ［￥ｉ］；　￥ｔｅｍｐ３＋＝ｐｏｗ（￥ｆａｃｅｌ－＞ａｔｔｒｉｂｕｔｅ［￥ｉ］，２）；　￥ｔｅｍｐ４＋＝ｐｏｗ（￥ｆａｃｅ２一＞ａｔｔｒｉｂｕｔｅ［￥ｉ］，２）；　￥ｔｅｍｐ２＝ｓｑｒｔ（￥ｔｅｍｐ３）　ｓｑｒｔ（￥ｔｅｍｐ４）；　￥ｃｏｓ　ｓｉｍ＝￥ｔｅｍｐｌ／￥ｔｅｍｐ２；　ｒｅｔｕｒｌｌ￥ｃｏｓｓｉｍ；　）　６结论　本文介绍了一种基于余弦相似度的人脸　识别系统的实现方法。该系统使用ＰＨＰ语言　实现，首先借助ＯｐｅｎＣＶ计算机视觉库及ＰＨＰ　的ｆａｃｅｄｅｔｅｃｔ模块进行人脸信息的提取；然后　对彩色的人脸图像进行图灰度处理；再将灰度　图片转化为欧氏空间中的一个向量，用一维数　组进行存储；最后通过计算余弦相似度得到两　张人脸图像的相似程度，实现人脸识别、比对　的功能。　参考文献　［１】胡国靖．人脸识别中图像预处理与匹配方　法研究［Ｏ］．南京：南京理工大学，２０１４．　【２］戴欢，昊小俊．基于图像欧氏距离的人脸　描述和识别方法［Ｊ】．江南大学学报（自　然科学版），２００９，８（１）：２１．　作者单位　大连理工大学辽宁省大连市１１６０００