人脸识别首先需要获取识别对象的人脸照片。这些照片在计算机中存储的常见格式是以“.jpg”结尾的jpg格式文件，下面以此文件格式为例进行讲解。一张彩色照片在计算机中通过RGB三原色显示色彩，其中，

R表示红色（Red）；

G表示绿色（Green）；

B表示蓝色（Blue）。

人眼能够分辨的颜色都可以通过这三类颜色生成，这是三原色的名称来源。也就是说，通过调整这三种原色的比例，计算机可以存储和显示世界上千变万化的颜色。

这三种颜色的变化范围一般取为[0，255]。0表示这种原色不存在，而255表示这种原色最强。之所以采用这个范围，是因为255恰好可以用一个字节来表示，也就是可以用8位的二进制数11111111来表示。按照第二章讲的方法可以很方便地使用Python观察这种对应关系。

In[5]：0b11111111

Out[5]：255

还有一些软件用“三原色强度/255”这种“比例”来定义颜色。例如，（166，170，15）表示RGB的强度，这表示了图像上一个点的颜色；如果换作用小数表示的方式，就变成了（0.650 980 392 156 862 8，0.666 666 666 666 666 6，0.058 823 529 411 764 705）。这两种表示方法给出的点的颜色是一样的。

一张彩色图片使用上述表示方式就转换成了三个表格，这些表格叫作图片的通道，分别是R通道、G通道、B通道。如果有一个4×4（长×宽）大小的图片，就一共有16个像素（4×4），每个像素都有三个分量（R，G，B），它们对应的表格如表8-2所示。从表中可以看出，第（1，1）个像素 RGB的强度分别是（187，187，187），第（3，3）个像素RGB 的强度分别是（205，167，187）等。

表8-2 三通道示例

没有彩色信息的黑白图像称为灰度图像。存储这种形式的图片无须RGB通道这样的三个表格，只需要一个表示黑白强度的表（矩阵）就可以把它表示出来。这时候0表示纯黑，而255表示纯白，中间的数值表示该点的灰度介于纯黑和纯白之间。

彩色图片也可以转换成灰度图片，这种转换可以通过一个通用的函数来进行。

Gray（x，y）=f（r（x，y），g（x，y），b（x，y））

这里Gray（x，y）表示坐标为（x，y）的点的灰度；r（x，y）表示坐标为（x，y）的点的R通道强度（比例）；g（x，y）表示坐标为（x，y）的点的G通道强度（比例）；b（x，y）表示坐标为（x，y）的点的B通道强度（比例）。

在Python中有现成的模块可以用来显示或转换图片。本教材使用PIL模块，如果没有安装，需要先在命令行模式下使用pip install进行安装。

pip install PIL

通过以下命令调用PIL的Image组件，其中用到的图片文件可以在教材资源平台下载。

In[6]：from PIL import Image

In[7]：im=Image.open（'Bin.jpg'）

#打开图片

In[8]：im.show（）

#显示图像

In[9]：grayim=im.convert（'L'）

#将图像转化为灰度图

In[10]：grayim.show（）

#显示灰度图

图像数据可以看成是一个数组。所谓数组就是按顺序排列的一组数。在Python中，数组用下列形式表示。

（x1，x2，...，xn）

其中xi（1≤i≤n）可以是数值也可以是一个数组。在Python中可以使用numpy模块查看数组形式的图片数据。

In[11]：import numpy as np

#使用numpy包

In[12]：imarray=np.array（im）

#将图像转化成数组表示

In[13]：imarray

#显示图像的数据

Out[13]：

array（[[[ 28，38，27]，

[ 28，38，27]，

[ 28，38，27]，

...，

...，

[ 82，86，113]，

[ 84，88，115]，

[ 82，86，113]]]，dtype=uint8）

In[14]：imarray.shape

#给出图像数据的形状

Out[14]：（2333，1654，3）

从上述示例可以看到，转化成数组后，图像数据有长、宽、通道三个维度，图片中一共有2 333×1 654个点，其中[28，38，27]表示该点的三个颜色强度分别为28、38、27。

为了提高人脸识别的效率，在获取人脸照片后，一般需要先对照片进行裁剪，只保留脸部的图片信息，如图8-2所示。这个过程叫作脸部检测（Face Detection）。经过脸部检测后，计算机在识别中不必对整张图片进行匹配，只需要考虑脸部信息的匹配即可，所以可以大大减少数据比对的工作量。

图8-2 脸部检测和裁剪

脸部检测可以使用Harr-like特征完成。该特征有以下四类。

①边缘特征（Edge Features）；

②线特征（Line Features）；

③中心环绕特征（Center-Surround Features）；

④对角线特征（Special Diagonal Line Feature Used In）。

这四类特征都是关于图像局部区域像素分布的描述，使用特定算法对图片各个区域进行扫描，获取与人脸具有相似特征的区域，就可以实现人脸检测了（图8-3）。

图8-3 四类像素分布特征

人脸检测其实是一个二分类的问题，即是人脸，非人脸。

可以使用本教材讲过的决策树[1]实现这种分类，按照如下流程训练分类器。

输入图像—图像预处理—提取特征—训练分类器（二分类）—得到训练好的模型（Harr-like+决策树）。

使用训练好的分类器，按照如下流程进行脸部检测。

输入图像—图像预处理—提取特征—导入训练好的模型—二分类（是不是人脸）。

接下来假设脸部检测已经完成，并已经对照片根据检测结果进行了裁剪，即接下来需要处理的照片是只包含脸部的照片。人脸识别将把未知照片与已有照片进行对比，从已有照片中找出与未知照片最相似的那一个，从而实现判定未知照片是谁的照片。例如，经过对比后得到表8-3。

表8-3 脸部相似排序示例

从表中可以看出，输入的新照片与已有的照片数据库中张三的照片相似程度最高，据此可以判定，被识别的这张人脸是张三的。

为了实施这个识别方法，需要解决的一个关键问题是，如何比较人脸的相似程度。

判断两张照片的相似性，可以通过如下三种方式进行。

（1）距离相似性

使用第五章讲过的欧式距离，距离越近，相似程度越高。

以灰度图像为例，假设进行对比的两张照片都有n×m个像素，则像素灰度所对应的矩阵为

它们的距离定义为

（2）余弦相似性

这也是在第五章讲过的一种衡量相似性的方法。为了计算余弦相似性，需要将图片以向量形式描述（一行或者一列数据）。两张灰度图片X和Y，此时写成如下形式。

x=（x1，1，x1，2，···，x1，m，x2，1，···，x2，m，···，xn，1，···，xn，m）

Y=（Y1，1，Y1，2，···，Y1，m，Y2，1，···，Y2，m，···，Yn，1，···，Yn，m）

按照第五章给出的计算公式

进行计算。计算出的余弦值越大，则相似性越高。

（3）结合直方图和上述两种距离计算相似性

直方图是一种可以将图片信息压缩表示的工具，使用直方图，可以提取图像的一些特征。对人脸照片进行直方图统计有细颗粒度和粗颗粒度两种方式，可以根据具体情况选用。下面以灰度图为例。

①细颗粒度。计算不同灰度值的像素数占总像素数的比例。因为灰度值介于[0，255]，所以最终得到包含256个数值的特征。

②粗颗粒度。将[0，255]划分成多个子区间，然后统计直方图。例如，每8个灰度作为一个区间，一共划分成32个区间，进行统计后得到32个特征；如果每16个灰度作为一个区间，则最终会得到16个特征。获取直方图后，就可以使用1或2中的方法比较相似度了。

作为练习，读者可以分别使用这三种方法比较如图8-4所示的两张图片的相似性。

图8-4