2017 年第 11 期信息与电脑 China Computer PCA algorithm; image preprocessing; MATLAB; login system1 前言传统的登录系统是通过“ID+ 密码”的方式来进行身份认证，将非法用户拒之门外，从而保障计算机信息的安全性。但密码易被他人窃取，同时也存在合法用户难以记忆密码甚至遗忘等缺陷。随着计算机信息技术的发展和信息安全要求的不断提高，这种“ID+ 密码”的登录方式已不适合现代计算机，并且操作上也给用户带来额外的负担。基于此，研究一种更加安全可靠的登录方式是必要的。针对传统登录方式安全性不足、操作不方便的问题，将人脸识别这种生物特征识别技术引入登录系统当中，开发了基于人脸识别的登录系统，增强了系统的安全性，同时免去了用户重复输入密码的负担。人脸识别作为一种新兴的生物特征识别技术，具有唯一、稳定、高效、非接触等优点，可以作为新一代的身份认证方式为人类所采用。2 登录系统设计框架和流程图图 1 是基于人脸识别的登录系统的设计框架，本设计主要有四个大部分：人脸图像读入、人脸图像预处理、人脸识别、输出结果。因为采集人脸图像的环境不同等因素，会造成人脸图像与系统所存储的图像不一致，不利于识别，因此，必须对图像进行预处理，得到一个统一的标准，便于人脸识别。图像预处理是识别过程中的一个重要步骤。图像预处理的方法一般包括几何归一化、灰度归一化、图像增强、去噪、滤波、几何校正等，都是为了使图像有一个统一的比较基准。人脸识别主要包括特征提取和识别两部分，本设计中主要采用 PCA 算法进行识别。3 基于人脸识别的登录系统在本设计中，人脸识别的算法采用的是 PCA 算法。PCA（Principal Component Analysis）即主成分分析法，是基于Karhunen-Loeve 变换（即 K-L 变换）的一种掌握事物主要矛盾的统计分析方法，它主要从多元事物中解析出主要影响因素，突出事物的本质，简化复杂的问题。PCA 算法的基本原理是：利用 K-L 变换提取人脸的主要成分构成“特征脸”空间，进行识别时，将测试人脸图像投影到此“特征脸”空间，得到一组投影系数，通过与原有人作者简介：张诚（1989-），女，四川德阳人，硕士研究生，助教。研究方向：电气控制。 125 2017 年第 11 期信息与电脑 China Computer&Communication软件开发与应用脸图像数据库中的人脸图像比较进行识别，相似度达到要求的人脸被识别出来，反之则识别不出来。当完成了基于 PCA 算法的人脸识别之后，就可以利用人脸识别的结果来进行登录系统的设计。登录系统的结果只有两个：一是输入人脸能够在库中识别出，允许用户登录系统；二是输入的人脸无法在库中找到相应的人脸图像，无法识别出该人脸，禁止用户登录系统。3.1 人脸图像特征提取图 2 中显示的是人脸图像训练集中部分人脸图像样本，每一个样本都由灰度图组成，大小都是 180*200。图 2 训练集中部分人脸图像假设将第 i 个样本表示为 Xi，可以得到训练样本的矩阵为：()T pXXXX,.,21= （1）这就将矩阵向量化了。其中向量 Xi是第 i 个样本的每一个列向量堆叠成的一列 MN 维列向量。将人脸图像样本矩阵向量化之后，就要计算训练图像的平均脸，用 m 表示平均脸，有：=piiiXpm11（2）其中 p 是人脸图像训练集的张数，Xi表示每幅人脸图像样本的信息。计算出训练图像的平均脸之后就要计算每一张人脸图像与平均脸的差值，本设计将差值保存在矩阵 A 中。每张人脸与平均脸的差值可以由如下公式表示：pmmXdii, 2 , 1,= （3）其中 di表示第 i 张人脸与平均脸之间的差值，p 表示训练集中人脸图像的张数。构建特征脸空间时，需要借助协方差矩阵来进行计算。协方差可以由公式（4）表示：()()112 = = nbbaaniiiA BAB（4）将 A、B 写成行向量的形式：,21naaaA=，,21nbbbB= （5）则协方差可以等价表示为：21 1T ABABn=（6）对于一个 PQ 的矩阵，最大的非 0 特征值是 (p-1,q-1)中的最小值，又由于训练集中的人脸图像张数通常小于M*N 的值，所以找到的大部分特征值都是 p-1，因此，可以计算 AT*A（一个 PP 矩阵）的特征值来代替 A*AT（一个M*NM*N 的矩阵）的特征值。因为 A*AT比 AT*A 的值大，因此，也就达到了降维的目的。定义协方差矩阵为 C：()12 111,p TT iip iCd dAAAd ddpp= （7）根据构建的协方差矩阵，采用奇异值分解定理（SVD 定理）通过求解 AT*A 的特征值和特征向量来获得 A*AT的特征值和特征向量。求出的 AT*A 的特征值记为 i，计算出的特征向量要先经过正交归一化再记为 vi。再根据特征值的贡献率选择前 l 个最大特征值及其对应的特征向量。贡献率是选取的特征值的和与所有特征值的和的比率，可以表示为：apiiiliii = =11 （8） 其中 a 取 0.99，表示训练样本在前 l 个特征向量集上的投影有 99% 的能量。再利用下面公式求出远协方差矩阵的特征向量：), 2 , 1(1liAui ii=（9）根据所求的特征值和特征向量，就可以构建出“特征脸”图 1 基于人脸识别的登录系统总体设计框图 126 2017 年第 11 期信息与电脑 China Computer&Communication软件开发与应用空间为：w=(u1,u2,ul) （10）求出“特征脸”空间之后，就要将每一幅人脸图像与平均脸的差值脸矢量投影到 “特征脸” 空间， 可以根据公式投影：()pidwiT i, 2 , 1= （11）完成上述步骤之后就提取出人脸图像的特征， 构建出 “特征脸”空间，便于以后测试图像进行识别计算。3.2 人脸识别完成人脸特征提取构建“特征脸”空间之后，就可以进入识别阶段了，可以将识别阶段分为两步来进行，第一步是先得到待识别人脸图像即测试图像的信息，第二步是计算出阈值进行比较。首先读入待识别人脸图像即测试图像，之后提取人脸图像特征，得到测试图像的特征向量。特征向量可以用下面公式表示：()mwT= （12）其中表示待识别人脸图像的特征向量，表示测试 人脸图像，m 就是前面计算出的训练集人脸图像的平均脸。定义欧拉距离为 Euc_dist，则欧拉距离可以用公式表示为：,1_max,1,2,2iji jEucdisti jp= =（13） 另外，又因为人脸数据库中或许会存在非人脸，但是非人脸图像的阈值可能又满足识别条件，因此为了区分人脸与非人脸，还需要计算原始图像与由特征脸空间重建的人脸图像f之间的距离 ，有：22 f= （14）其中mwf+=，是根据特征空间重建起来的人脸 图像。根据以下三条规则对人脸图像进行分类识别：（1）若 ，则输入的图像不是人脸图像；（2）若 ，且满足ii,，则可判定输入图像是未知人脸，不在训练集中；（3）若 ，且满足ii,，则可判定输入的人脸图像是库中的第 k 个人脸。根据以上的规则就可以判断出输入的人脸图像是否为库中的图像，从而完成人脸识别的过程，得到结果。4 MATLAB 仿真结果采用 MATLAB 编写程序，根据上面的人脸识别结果来判断是否允许登录系统，若允许则显示“Hello consumer，Welcome!”；若识别不出，不允许登录则显示“Sorry，You can not be allow to enter.”，从而完成登录系统的设计。在 MATLAB 中插入程序之后，点击程序界面上的图标运行程序。首先会出现一个人脸图像训练集选择框，如图 3 所示。选择出人脸图像训练集 TrainDatabase 之后，会接着出现让我们选择人脸图像测试集的命令框，如图 4 所示。选择人脸图像测试集 TestDatabase，接着进行下一步，会跳出选择测试人脸图像的命令选择框，就可以选择想要测试的人脸图像了，如图 5 所示。图 3 人脸图像训练集选择框图 4 人脸图像测试集选择框图图 5 选择测试图像命令框选择出需要识别的测试人脸图像之后，就会得出人脸识别的结果，假如选择 11 号测试图像，则得到的结果是如图 6 所示的图像，其中 Figure1 是测试图像与和测试图像相匹配的训练集中的图像，Figure2 是从训练集中识别出来的与测试集相似度最高的人脸图像，并且有登录系统的结果， 满足登录条件， 欢迎用户登录系统。 从结果可以看出，本设计可以实现基于人脸识别的登录系统，并且结果也是正确的。（下转第 130 页） 127 2017 年第 11 期信息与电脑 China Computer&Communication软件开发与应用4 结 语本文通过需求调研与分析，基于 Skyline 平台设计并开发了三维地质灾害信息管理系统。系统基于三维场景管理与展示地质灾害信息数据，用户可以直观清晰地看到地质灾害隐患点情况以及历史灾害发生之后的场景。系统提供的三维分析功能能够为应急救援方案制订、实施提供科学的分析结果，辅助救援、实现科学救援。系统的开发与上线运行提升了用户体验，提高了工作效率。但是，在地质灾害的预警和灾害评估方面，还需要进一步研究。参考文献1 张坤 , 邹峥嵘 . 基于 VRMap 的惠州市地质灾害信息三维可视化管理系统 J. 测绘科学 ,2009(3).2 王雪琴 . 在地质灾害中如何应用地理信息系统 J. 企业研究 ,2013(17).3 李海峰 , 高德政 . 基于 GIS 的地质灾害信息管理系统的设计与开发 J. 四川地质学报 ,2006(3).4 李海峰 . 基于 WebGIS 的地质灾害信息管理系统研究J. 测绘与空间地理信息 ,2009(2).5熊金安.地质灾害防治信息管理系统的研究与实现J.地质灾害与环境保护 ,2013(1).图 6 基于人脸识别的登录系统仿真结果根据 MATLAB 仿真结果可以看出本设计对于人脸识别的识别率达到 90%，基本达到了识别的预期要求。5 结 语通过仿真结果可以看出，经过图像处理、PCA 算法识别之后，可以实时识别出人脸图像，达到登录系统的目的。不足之处在于识别率该比较低，识别率还可以通过对人脸图像的处理，和识别方法的改进，将在这些方面进行后续研究。参考文献1Phillips P J, Flynn P J, Scruggs T, et al. Overview of the Face Recognition Grand ChallengeC/ IEEE Computer Society Conference on Computer Vision & Pattern Recognition. 2013:947-954.2 贾云芳 , 杨铁梅 , 马壮 . 基于 MATLAB 的人脸图像预处理研究 J. 科技信息 ,2009(2):66-67.3 谢永林 .PCA 算法及其在人脸识别中的应用 J. 计算机与现代化 ,2009(6):88-90,101.4 鲁鹏 , 鲁秀青 . 人脸图像识别方法的研究 J. 中国科技信息 ,2009(15):117-118.5 米晨 , 唐秀芬 , 魏秀兰 . 基于 haar 小波变换的图像分解与重构 J. 实验室研究与探索 ,2003(2):79-81.6 王敏 , 段黎明 , 朱国涛 , 李文辉 . 基于 MATLAB 7.0的人脸识别仿真系统研究J.科学技术与工程,2009(20):6224-6226,6242.（上接第 127 页） 130