山东科技大学 山东泰安 271000
【摘要】 随着科学技术的发展，人工智能已成为国务院及教育部大力推进的产业。其中人脸识别因其应用广泛，故在人工智能中占尤为重要的地位。本文从模型识别的角度，通过建立肤色法概率模型判断出人脸在照片中的大致位置；通过建立面部特征点位置模型，利用主成分分析法、K-L变换实现人脸的精确识别；在获取图像及建立数据库的基础上，通过欧式距离法，达到人脸识别及其检核的目的。本文采用基于面部特征点的PCA人脸识别模型，该模型能够有效地对人脸进行识别，其算法具有广泛的参考价值，并在其他图像识别中有推广价值。
【关键词】 肤色法概率 主成分分析法 K-L变换 欧式距离法
2017年7月，国务院印发了《新一代人工智能发展规划》，欲创建规模达1万亿元的国内人工智能产业，到2030年使中国成为世界主要人工智能创新中心。人工智能就是让机器人能够学习并模仿人类行为，甚至能够像人一样思考。人工智能机器人认识和接触这个世界最主要的途径是“看”和“听”，而第一步就是要让人工智能机器人能够“看”。特别地，人脸识别在人工智能中显得特别重要，机器人通过人脸识别技术认识周围的人，判断他们的心情，和人们面对面打交道。
1 人脸位置判断（肤色法概率建模）
取一张照片将其数字化，设数字化后格式为RGB格式，m、n、h分别为照片在A点（m，n）处的R、G、B的值。之后计算肤色相似度并将其归一化处理，输出二值图像,确定人脸位置：
根据“截断”法产生x的估值，使均方误差最小的正交变换矩阵是其相关矩阵Rx的前m个特征值对应的特征向量构成的,这m个特征向量化为p行q列矩阵，得到m幅图像，成为“特征脸”。由这些“特征脸”可以构成一个降维的特征子空间。因为变换后的各特征向量不相关，且自相关矩阵和协方差矩阵为：
表1 图1与数据库中图片的欧氏距离
结语
在本文的基于综合距离匹配的PCA人脸识别模型得到优化后，精度得到提高，运行速度变快，对人脸年龄变化适应性增强，因此可以推广用于对于同一个人不同年龄阶段、不同姿态、不同发型等复杂情况的人脸识别，具有很强的适应性和通用性。此外，这种人脸识别模型还可以推广运用到视频中的人脸识别，尤其是监视器中的人脸识别，这对于警方破案等情况有着重要意义。
参考文献
[1]徐奔，基于DWT和BP神经网络的人脸识别方法，电脑知识与技术，2009。
[2]彭辉，张长水等基于KL 变换的人脸自动识别方法，清华大学学报.1997。37(3): 67-70.1997。
[3]张乃尧，阎平凡.神经网络与模糊控制.北京: 清华大学出版社.1998。
[4]孙文荣，周先春，嵇亚婷.基于直方图均衡化、PCA 和SVM 算法的人脸识别[J].软件，2014，35(8):11-15。
[5]姜贺，基于几何特征的人脸识别算法的研究[D].大连理工大学，2008。
论文作者:王敬茹，张靖林，王旭
论文发表刊物:《科技新时代》2018年5期
论文发表时间:2018/7/20
标签：的人论文; 人工智能论文; 特征论文; 模型论文; 矩阵论文; 肤色论文; 向量论文; 《科技新时代》2018年5期论文;