人臉識別算法綜述

[摘 要] 本文通過工業界世界級人臉測試，說明人臉識別發展現狀，分別從二維、三維角度，闡述了人臉識別算法現狀，并對人臉識別算法發展趨勢予以說明。

[關鍵詞] 人臉識別 二維識別算法 三維識別算法

一、引言

1.人臉識別概述。人臉識別由于可接受性好，在生物識別領域得到較快的發展。人臉識別的研究范圍廣義上來講大致包括以下五個方面的內容：人臉定位和檢測、人臉表征（人臉特征抽取）、人臉鑒別、表情/姿態分析、生理分類五方面內容。

2.人臉識別現狀。目前有世界級的人臉檢測算法測試項目，它的結論完全可以揭示人臉識別現狀。最早是1993年，美國國防部高級研究項目署和美國陸軍研究實驗室FERET項目組，建立了FERET人臉數據庫，用于評價人臉識別算法的性能。針對工業界的是在2002年，FRVT2O02對成熟的全自動人臉識別系統進行獨立的技術評價，提供評價人臉識別系統滿足大規模、真實世界應用能力的性能度量。FRVT2006是第一次將靜態人臉識別、虹膜識別與3D人臉識別放在一起進行測試；與FRVT2002相比，靜態人臉識別與3D人臉識別算法結合的錯誤率下降了一個數量級；FRVT2006是第一次將機器識別效果與人的識別能力進行比較，結果發現，在不同的光照環境下，給定一個低的虛警率，七個自動人臉識別算法的性能相當于或優于人的識別能力，若不指定虛警率，則七個算法中的三個算法的性能相當于或優于人的識別能力。

二、二維人臉識別算法綜述

目前的人臉識別方法主要集中在二維圖像方面，二維人臉識別主要利用分布在人臉上從低到高80個節點或標點，通過測量眼睛、顴骨、下巴等之間的間距來進行身份認證。人臉識別算法主要有：

1.基于模板匹配的方法:模板分為二維模板和三維模板，核心思想:利用人的臉部特征規律建立一個立體可調的模型框架，在定位出人的臉部位置后用模型框架定位和調整人的臉部特征部位，解決人臉識別過程中的觀察角度、遮擋和表情變化等因素影響。

2.基于奇異值特征方法：人臉圖像矩陣的奇異值特征反映了圖像的本質屬性，可以利用它來進行分類識別。

3.子空間分析法：因其具有描述性強、計算代價小、易實現及可分性好等特點，被廣泛地應用于人臉特征提取，成為了當前人臉識別的主流方法之一。

4.局部保持投影(Locality Preserving Projections，LPP)是一種新的子空間分析方法，它是非線性方法Laplacian Eigen map的線性近似，既解決了PCA等傳統線性方法難以保持原始數據非線性流形的缺點，又解決了非線性方法難以獲得新樣本點低維投影的缺點。

5.主成分分析(PCA)

PCA模式識別領域一種重要的方法，現在已被廣泛地應用于人臉識別算法中，基于PCA人臉識別系統在應用中面臨著一個重要障礙：增量學習問題。增量PCA算法由新增樣本重構最為重要 PCS，但該方法隨著樣本的增加， 需要不斷舍棄一些不重要PC，以維持子空間維數不變， 因而該方法精度稍差。

6.其他方法：彈性匹配方法、特征臉法(基于KL變換)、人工神經網絡法、支持向量機法、基于積分圖像特征法(adaboost學習)、基于概率模型法。

三、三維人臉識別算法綜

二維人臉識別方法的最大不足是在面臨姿態、光照條件不同、表情變化以及臉部化妝等方面較為脆弱，識別的準確度受到很大限制，而這些都是人臉在自然狀態下會隨時表現出來的。三維人臉識別可以極大的提高識別精度，真正的三維人臉識別是利用深度圖像進行研究，自90年代初期開始，已經有了一定的進展。三維人臉識別方法有：

1.基于圖像特征的方法：采取了從3D結構中分離出姿態的算法。首先匹配人臉整體的尺寸輪廓和三維空間方向；然后，在保持姿態固定的情況下，去作臉部不同特征點(這些特征點是人工的鑒別出來)的局部匹配。

2.基于模型可變參數的方法：使用將通用人臉模型的3D變形和基于距離映射的矩陣迭代最小相結合，去恢復頭部姿態和3D人臉。隨著模型形變的關聯關系的改變不斷更新姿態參數，重復此過程直到最小化尺度達到要求。基于模型可變參數的方法與基于圖像特征的方法的最大區別在于：后者在人臉姿態每變化一次后，需要重新搜索特征點的坐標，而前者只需調整3D變形模型的參數。

四、人臉識別算法發展趨勢

二維與三維人臉識別相結合，多種模式的識別使用，可以有效地提高人臉識別精確度；二維識別算法逐步應用于三維人臉識別；人臉識別算法要能克服：姿勢、表情的變化，佩戴眼睛、珠寶和其它一些因素及光線等因素影響；識別算法應該需要更少的計算量。

參考文獻：

[1]段 錦 周春光 劉小華:三維人臉識別研究進展[J].小型微型計算機系統，2004，25(5):886～890

[2]邢書寶:電子商務環境下生物特征識別技術綜述[J].《商場現代化》，2008年第9期，P146

[3]PATRA A K.Influence of Wind Sspeed Profile and Roughness Parameters on the Downwind Extension of Vulnerable Zones During Dispersion of Toxic Dense Gases[J].Journal of LossPrevention in the Process Industries，2006(19):495～497