基于動態視頻的人臉識別技術探討

段崇禧

重慶市通信產業服務有限公司中冉信息分公司 重慶 401121

1 動態人臉識別概述

人臉識別是指能夠識別或驗證圖像或視頻中的主體的身份的技術。讓人臉識別比其它生物識別方法更受歡迎的一大不同之處是人臉識別本質上是非侵入性的。比如，指紋識別需要用戶將手指按在傳感器上，虹膜識別需要用戶與相機靠得很近，語音識別則需要用戶大聲說話。相對而言，現代人臉識別系統僅需要用戶處于相機的視野內（假設他們與相機的距離也合理）。這使得人臉識別成為了對用戶最友好的生物識別方法。這也意味著人臉識別的潛在應用范圍更廣，因為它也可被部署在用戶不期望與系統合作的環境中，比如監控系統中。人臉識別的其它常見應用還包括訪問控制、欺詐檢測、身份認證和社交媒體[1]。

與基于靜止圖像的傳統人臉識別方法不同，基于視頻的動態人臉識別方法以視頻流和視頻圖像序列為目標，并且關注每個圖像幀的獨特信息。它還會顯示您需要的上一幀和下一幀之間的相關信息。因此，基于視頻的動態人臉識別具有與靜態人臉識別不同的特征：主要研究結果如下：（1）視頻圖像序列中存在大量冗余信息，這種信息的有效篩選和融合可以在一定程度上提高靜態識別的效果。（2）視頻中的動態信息提供除靜止圖像以外的線索以進行人臉識別。面部模型也可以隨著時間的變化而動態變化。（3）可以通過臉部等的超分辨率技術生成高分辨率的臉部圖像。因此，可以從運動圖像的有序臉部獲得更準確的臉部表情。但與此同時，由于視頻采集過程，這是不可能的。避免引入各種不可控因素的干擾，例如環境照明的變化，人和相機的相對位置的變化，以及通過運動的圖像模糊。在面向視頻的動態人臉識別中，存在許多未解決的困難和挑戰。特別是，它可以總結如下：

1.1 光照問題

照明是影響人臉識別的主要因素之一。不同照明環境中同一人的成像差異可能大于同一照明環境中不同人的成像差異。在實際的監視環境中，缺少輔助光源和室外不均勻光線的干擾可能會影響人臉識別的效果。

1.2 人臉姿勢問題

隨著人臉識別技術的隱蔽，人臉識別過程不需要用戶積極配合，因此人臉在一定范圍內變化引起的人臉表情差異是動態的是人臉識別的重要問題之一，需要解決。

1.3 低質量圖像問題

監控視頻中的人臉圖像質量遠低于傳統靜止圖像，具有相對較低的分辨率和較低的特征，具有顯著的圖像噪聲和運動模糊。結果表明，當人臉分辨率小于32×32時，人臉識別系統的性能會顯著下降。因此，整理低分辨率監視圖像和高清晰度原件之間的內在關聯有助于消除動態人臉識別技術的實際戰斗過程中的障礙。

2 動態視頻的人臉識別技術的主流方法

2.1 關鍵幀方法

已完成的關鍵幀參考，主要用于視頻序列，確定的規則和作為原始輸入的關鍵幀，視頻中的面部實際上是關鍵幀面部圖像和但是，這種方法的標準是非常主觀的，沒有客觀的標準，所以從視頻序列進行質量篩選和質量比較，可以對靜態圖像進行實時比對。您需要選擇一個圖像。該方法的優點是比較頻率低，處理速度快。但是，由于沒有固定的標準，人們很難接受它。除了選擇用于比較的關鍵幀的方法之外，還比較同一對象的多個關鍵幀。最簡單的方法是通過設備跟蹤的幾個關鍵幀來面對視頻，比較每個幀，最后根據關鍵幀識別結果的融合得出結論。這種方法的缺點是識別結果的質量取決于融合規則，但沒有統一的規則。

2.2 圖像集方法

（1）圖像超分辨技術。隨著圖像分辨率的降低，人臉識別技術的質量下降，運動圖像超分辨率技術應用于運動圖像識別技術。圖像超分辨率技術通過集成多個分辨率來重建圖像，并且由于圖像的低分辨率而實現識別技術的偏差。然而，圖像超分辨率技術對圖像集的對齊敏感，并且圖像集的對齊是難以克服的問題[2]。

（2）統計模型的方法。視頻面部圖像是人類階段的表達描述。如果每個被監視人員的圖像被用作觀察樣本，則圖案樣本可以滿足某些統計特性。在這種情況下，PCA可用于為任何人渲染子空間信息，或者模型可用于表示任何人的面部。集合之間的相關性用于確定集合之間的相似性，以確定不同面部之間的相似性，并確定分類的特征。

（3）3D重構的方法。使用動態視頻面部識別技術，面部姿勢問題既困難又難以克服。3D重建方法是根據面部結構合成面部的方法。通過應用該方法，可以有效地減小由于面部角度引起的偏移。根據重建對象之間的差異，可以使用重建來實現面部的3D重建，并且可以執行要監視的面部的3D建模。通過預測面部姿勢的照明問題，可以使用不同數據庫人員的3D面部模型來比較和識別不同數據庫人員的2D面部圖像。該方法由于姿勢的不同而降低了識別難度。然而，由于操作成本高，它沒有被廣泛使用。

（4）流行的方法。通過集合之間主成分的角度相似性度量，線性子空間與線性子空間之間的距離來測量互子空間的方法。因此，流行度可被視為不同線性結構的快速組合。流行度和流行度之間的距離定義為兩個線性結構之間的距離，但是常見的線性近似稱為最大線性結構[3]。

3 結語

經過多年的發展，動態人臉識別技術取得了一些成果，但在仍然失控的復雜情況下難以獲得良好的識別效果。例如，在車站或鑰匙監控場所，由于姿勢和面部照明的影響，不能獲得良好的識別效果，并且增加了動態視頻面部識別技術的難度。