人臉識(shí)別技術(shù)綜述及分析

摘 要 人臉識(shí)別是計(jì)算機(jī)視覺(jué)研究中的主要方向，其中包括人臉檢測(cè)識(shí)別、人臉驗(yàn)證等，人臉識(shí)別是將待識(shí)別的圖像與數(shù)據(jù)庫(kù)中已存儲(chǔ)的圖像進(jìn)行匹配驗(yàn)證的過(guò)程，從而進(jìn)行身份的識(shí)別和認(rèn)定，本文將主要?dú)w納并介紹一些常用的人臉識(shí)別技術(shù)以及目前存在的問(wèn)題難點(diǎn)。

【關(guān)鍵詞】人臉 檢測(cè)與識(shí)別

1 引言

隨著計(jì)算機(jī)技術(shù)迅速發(fā)展，需要一種能夠?qū)⑷伺c其信息建立一一對(duì)應(yīng)的安保認(rèn)證技術(shù)，建立完整的映射網(wǎng)絡(luò)體系，確保每個(gè)人人身、財(cái)產(chǎn)、隱私等各個(gè)方面的安全，與指紋、基因等其他人體生物特征識(shí)別系統(tǒng)相比，人臉識(shí)別更加友好，不需要得到人的參與配合，能夠不打擾正常生活情況下解決問(wèn)題，同時(shí)對(duì)表情、姿態(tài)等分析可獲得更多的有用信息。因此，人臉識(shí)別技術(shù)得到廣泛的研究與應(yīng)用，可用于公安系統(tǒng)、駕駛核對(duì)系統(tǒng)、監(jiān)控系統(tǒng)、銀行信用卡驗(yàn)證等多個(gè)方面。

2 綜述

人臉識(shí)別需要有人臉檢測(cè)和人臉識(shí)別兩部分。人臉檢測(cè)是對(duì)于輸入的圖像數(shù)據(jù)， 通過(guò)相應(yīng)的算法以確定圖像中是否含有人臉。

人臉識(shí)別將給定圖像中的人臉部分與已有數(shù)據(jù)庫(kù)中的進(jìn)行匹配和比較，利用已知的人臉身份數(shù)據(jù)庫(kù)來(lái)鑒別認(rèn)定被測(cè)圖像中人臉的身份。如圖1所示。

3 人臉檢測(cè)的方法

3.1 知識(shí)檢測(cè)法

利用經(jīng)典臉部的構(gòu)成，例如人臉的局部特征、空間位置以及幾何關(guān)系來(lái)判斷圖像中是否包含人臉。

3.2 模板匹配法

存儲(chǔ)大量的標(biāo)準(zhǔn)人臉圖像樣本作為模板，分別表示和描述人臉特征，再在待檢測(cè)圖像上根據(jù)計(jì)算輸入圖像和存儲(chǔ)的模式間的相似性進(jìn)行匹配檢測(cè)。

3.3 統(tǒng)計(jì)檢測(cè)法

通過(guò)單個(gè)或大量的圖像數(shù)據(jù)獲得統(tǒng)計(jì)特征（如自相關(guān)、概率分布特征等），得到一組模型參數(shù)來(lái)檢測(cè)人臉。

3.4 特征不變法

抽取一些不變的特征來(lái)定位人臉，通過(guò)邊緣檢測(cè)方法獲取如紋理、膚色以及一些組合特征，將這些特征構(gòu)造出統(tǒng)計(jì)模型來(lái)計(jì)算出人臉的存在概率。

3.5 外觀信息法

從不同表情外觀的圖像中進(jìn)行訓(xùn)練并計(jì)算出平均圖，將平均圖對(duì)待檢測(cè)圖像進(jìn)行粗粒度的匹配檢測(cè)，再用特定姿勢(shì)表情圖對(duì)該區(qū)域進(jìn)行精確檢測(cè)。

4 人臉識(shí)別方法

4.1 幾何特征法

用一個(gè)幾何特征矢量表示人臉，然后設(shè)計(jì)相關(guān)分類器，其中選取的幾何特征需要具有唯一性，能夠體現(xiàn)出反應(yīng)不同人臉間的差別，同時(shí)也要有彈性，避免光線等因素的影響。

4.2 子空間分析法

將從圖像中獲取的較多高維特征經(jīng)過(guò)空間變換等技術(shù)，壓縮成較低維的子空間進(jìn)行識(shí)別。表達(dá)性特征提取法和鑒別性特征提取法都是常規(guī)的線性子空間方法。

4.3 統(tǒng)計(jì)特征法

把獲取到的人臉圖像看作多維空間中的一點(diǎn)，然后通過(guò)在特定的空間建立決策邊界的方法，讓不同類的樣本最大可能的分開(kāi)。

4.4 模板匹配法

首先把灰度圖像或者經(jīng)過(guò)一些特定變換的圖像作為模板存儲(chǔ)在數(shù)據(jù)庫(kù)中，再將待識(shí)別圖像經(jīng)過(guò)相同變換并歸一化處理，得到與數(shù)據(jù)庫(kù)中光照、取向等條件完全相同的圖像，進(jìn)而計(jì)算出它們的匹配度。

4.5 神經(jīng)網(wǎng)絡(luò)法

通過(guò)建立一種模仿生物神經(jīng)網(wǎng)絡(luò)行為特征的分布式并行信息處理模型，從而利用相關(guān)的容錯(cuò)、學(xué)習(xí)、計(jì)算、自適應(yīng)等規(guī)則，學(xué)會(huì)各類的非線性輸入及輸出關(guān)系，再進(jìn)行有序的訓(xùn)練，讓這些關(guān)系可以適應(yīng)于輸入圖像。

4.6 隱馬爾可夫模型法

將識(shí)別的對(duì)象包含人臉各個(gè)器官的數(shù)值特征及各個(gè)器官聯(lián)系特征信息。

5 人臉識(shí)別方法存在的主要問(wèn)題和對(duì)策

5.1 存在問(wèn)題

（1）由外界的環(huán)境、設(shè)備、光照等因素導(dǎo)致的采集圖像中包含較多噪聲現(xiàn)象，會(huì)極大降低識(shí)別的準(zhǔn)確性。

（2）對(duì)于人臉多姿態(tài)識(shí)別問(wèn)題依然存在著泛化能力較弱、速度不高、結(jié)果穩(wěn)定性較差等問(wèn)題。

（3）對(duì)于人臉表情的變化，也會(huì)影響圖像數(shù)據(jù)的采集和提取結(jié)果。

（4）人的老化，會(huì)導(dǎo)致與原有圖像識(shí)別的準(zhǔn)確度下降。

（5）如果有飾物及其他部位等遮擋了人臉的局部區(qū)域，會(huì)導(dǎo)致無(wú)法獲取全部信息，從而造成信號(hào)數(shù)據(jù)缺失和識(shí)別困難。

（6）面部化妝和整容技術(shù)的成熟和使用，給人臉帶來(lái)更大的可變性。

（7）目前沒(méi)有有效的針對(duì)膚色分割識(shí)別的方法，存在性能不穩(wěn)定、適應(yīng)性較差等問(wèn)題。

5.2 解決方案及研究前景

通過(guò)建立3D和形變模型可以較好的解決人臉多姿態(tài)問(wèn)題，因?yàn)?D模型可以通過(guò)變換轉(zhuǎn)化成任意姿態(tài)的圖像。采用圖像或視頻序列的方式，也可以有效處理表情、姿態(tài)等現(xiàn)有變化問(wèn)題。

熵圖像是處理光照變化的有效。然而目前對(duì)于光照子空間的方法研究較多，對(duì)如何消除光照的影響， 從而恢復(fù)出均勻光照的圖像的研究仍然較少。

采用同一個(gè)體和不同個(gè)體的圖像進(jìn)行彈性變形的概率模型方法可獲得對(duì)表情變化較好的識(shí)別效果。對(duì)表情變化魯棒的分形編碼也是一個(gè)全新的有效嘗試。

對(duì)于人老化問(wèn)題，可以建立模擬年齡變化的模型，從而轉(zhuǎn)化人不同時(shí)期的圖像。

針對(duì)存在遮擋的識(shí)別問(wèn)題，如何精確地分割出圖像的可見(jiàn)部分并與樣本對(duì)應(yīng)區(qū)域進(jìn)行匹配是研究的重點(diǎn)。

參考文獻(xiàn)

[1]Sun Y，Wang X，Tang X.Deep Learning Face Representation from Predicting 10，000 Classes[C].Computer Vision and Pattern Recognition. IEEE， 2014：1891-1898.

[2]Moghaddam B，Jebara T，Pentland A. Bayesian face recognition[J].Pattern Recognition，2000，33（11）：1771-1782.

[3]Chen D，Cao X，Wang L，et al. Bayesian Face Revisited：A Joint Formulation[M].Computer Vision–ECCV 2012.Springer Berlin Heidelberg， 2012：566-579.

作者簡(jiǎn)介

黨永成（1994-），男，山東省人。東南大學(xué)碩士。研究方向?yàn)榇髷?shù)據(jù)與圖計(jì)算。

作者單位

東南大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系 江蘇省南京市 211189