基于SIFT算法的ATM视频人脸识别系统研究

摘要

近几年来，模式识别技术在计算机技术充分发展的作用下得到了广泛的应用。其中人脸识别技术作为模式识别的关键技术已经应用在方方面面。人脸识别技术多指人身份确认等信息，人脸图像获取最佳途径就是通过视频监控获取以及通过身份证照片获取。ATM取款机的应用也越来越广，与此同时一些不法分子利用ATM取款机犯罪的频率也越来越高，具体表现在非法取钱、非法盗取他人银行卡密码等行为。如何有效的对人们取款过程进行监控，有效的对取款人进行保护，这一问题成为当代研究的热点问题。
　　 由于ATM取款机的视频提取结构特征比较明显，它是由一系列图像的以取款顺序的条列组合而成的。视频条目在结构时间序列上较为固定，通常取款人单个出现，取款时每帧图像内容变化不大，运动较小，且取款人到ATM取款机前插入银行卡往往就是一个人取款的开始，从银行卡中取卡就是取款结束。本文视频人脸识别过程共分为以下过程：
　　 首先将获取到的视频统一格式压缩，把压缩后的视频分解成单帧图像，去除背景图像帧，将剩余的每帧图像按时间先后顺序排列储存。然后对图像组中的每帧图像进行预处理，储存为待处理图像组。
　　 然后将处理过的图像组中每帧图像按照基于肤色的算法利用预先训练出的肤色阈值进行人脸检测，然后去除图像少部分连同区域，最后将检测后的图像进行膨胀以便扩大肤色区域，储存为待处理图像组，将其中的图像二值化处理，水平累加投影，大致绘制出直方图曲线，按此曲线将所有视频图像分为正脸图像类、左侧脸图像类和右侧脸图像类；经过大量视频训练，ATM取款视频一般时间长度为20秒左右，按照最低avi压缩格式15帧/秒压缩，大概有300帧图像左右，选择10帧正脸关键帧方能代表此视频。计算正脸图像类中检测出肤色区域与整幅图像的比值，求出所有图像的比例值均值，按照比值顺序将每类中的图像序列重新排列，取出前五帧图像作为前五帧关键帧，然后将以五帧图像为一组进行分组(不够五帧的最后一组按噪声图像处理)，分别计算每组中图像序列号与比值的方差和比例值均值，如果每组图像的比例值均值大于所有图像的比例值均值则保留此组图像，然后将两个方差相加，求出最小的一组作为另外五帧关键帧。如果正脸匹配识别不满足要求，则对于左、右侧脸图像类各选取投影直方图曲线峰值最明显的五帧图像作为辅助关键帧待识别匹配。
　　 最后运用SIFT局部特征匹配算法将提取的10帧正脸关键帧与人脸库图像进行特征匹配存储匹配结果，然后利用RANSAC算法将匹配后的图像做去除误匹配处理。