摘 要：针对两张照片上陌生人脸的认证识别的问题，通过假定约束环境，即指给定的两张照片是在标准位置、标准光线下拍摄，不考虑其他因素的影响，选定安徽省滁州市人头面部指数等为主要的影响因素和观测指标，定义变异率这一概念，作为阐述差异性个体间面部形态特征变化幅度的指标，通过建立合理算法，综合使用SPSS和EXCEL软件筛选出变异率较小的特征量，对照片上的人脸特征进行处理、判断，进而验证是否为同一人。
关键词：约束环境；人脸认证；变异率；SPSS
中图分类号：TB 文献标识码：Adoi：10.19311/j.cnki.1672-3198.2018.01.086
随着社会的发展，人类识别技术的提升是众多领域发展的迫切需要。诸如视觉监控、远程教育、人机交互技术、司法刑侦等方面，需要快速、准确有效地对个人身份进行识别与验证。而人脸特征在众多人类特征中具有自身稳定性与对外差异性的显著特点，因此，人脸的识别成为了人们身份验证和识别的重要手段。
从20世纪90年代后期以来，人脸识别技术以其独特的方便、非接触性及准确性受到世人的关注。目前的人脸识别方法主要包括基于整体的研究方法和基于特征分析的方法。与人脸相关的算法研究是计算机视觉领域的一个重要研究方向，照片人脸认证是其中一个子方向，具备一定的商业意义。
本文需要解决的问题是，当给定两张不同年龄阶段的照片时，通过算法的建立动识别是否为同一个人。为简单起见，我们可以假设两张照片都是标准位置和标准光线下拍摄的，例如都是一寸证件照。
1 数据的假设
为便于解决问题，对现实问题加以简化，提出以下几点假设：（1）研究的照片在约束环境下拍摄，不考虑位置、光线等因素的影响；（2）所给照片上的人的头面部形态大小与实际真人头面部形态大小的缩放比例为常数且照片上特征量数据可以精确获得；（3）安徽滁州地区汉族人群头面部形态特征随年龄的变化规律具有普适性；（4）假设差异性个体之间一定数量的头面部形态特征量存在着显著的差别；（5）已有的数据真实准确。
2 问题的分析
2.1 数据选取
选取了安徽省滁州地区汉族人群头面部形态特征的年龄变化数据为研究资料，按照男女分类，就20～29、30～39、40～49、50～59、60及以上不同年龄阶段进行分组，重点搜集了12种头面部指数和20种头面部测量指标（见附件1）。对已有的数据利用SPSS进行筛选、处理，分析一个“大众化”的人头面部形态特征随年龄的变化规律。以“大众化”的人为一般标准，通过和差异性个体的相关头面部形态特征进行比较分析，并区分性别，分别选取男女的不显著特征作为指标进行研究得出判断结果。
2.2 简要思路
为将问题简化，用不同的特征量符号命名复杂的头面部形态特征。对某一单独的特征量X，定义X的变异率=X的波动幅度/X的均值。其中，X的波动幅度用该特征量数据的最大值与最小值的差来度量，X的均值用该特征量数据的平均数度量。
对某一单独的特征量X，定义X的变异率，并规定η>2.5%的特征为不显著变异特征，η≤2.5%的特征为显著特征。区分性别，分别选取男女的不显著特征作为指标进行研究。假设所给照片上人的头面部大小与实际真人头面部大小的缩放比例λ为常数。通过对两张照片上的指标进行测量计算，进而得出照片本人的特征值的测量值。最后通过本法设计的算法来判断两张照片是否为同一人。
3 模型的建立
3.1 数据处理
（1）利用SPSS软件，计算出不同年龄段，不同男女的特征量数据，并得到极差、均值、标准差，以此分析数据的分布情况和离散程度（如表1、表2所示）。
（2）通过比较η与2.5%的大小，确定出男女各自的特征量为：
（3）人脸的特征点的寻找。
如何测量模型中的7项指标，也是我们需要解决的问题。查询资料可知人脸上有很多特征点，这些特征点的连接就可以得到我们所需的指标。譬如我们根据“三庭五眼”规律可以做出最理想的脸型，在此基础上找到ABCD四个特征点，即AB点测量的是面宽X4，CD点测量的是下颌角间宽X5，同理找出其他特征点，然后测量我们所需要的指标。
（4）照片数据的挖掘。
为简化问题，方便获取照片中的数据，假设所给照片上人的头面部大小与实际真人头面部大小的缩放比例为常数λ，利用Photoshop、Ai等相关软件精确测量出照片中人脸的多项指标。
3.2 建立判断模型
对两张照片进行处理，根据假设2，从照片上获取的数据与常数的乘积可以认为是照片上人的特征量的精确值。两张照片记为p1，p2，从照片上获取的数据对应于特征量Xi分别记为xix*i，故记：
根据假设4和“大众化”的人与差异性个体偏离程度相对较小，若两张照片上不是同一人，则存在至少一个不显著变异特征Xi，μi>ηi。若两张照片是同一人，则对任意不显著变异特征Xi，μi
