《人脸识别背景及其方法》由会员分享，可在线阅读，更多相关《人脸识别背景及其方法（12页珍藏版）》请在金锄头文库上搜索。
1、浅谈人脸辨认技术的现状与发展宋磊 卞迪 白杰文 范益彪 李主南摘要人脸辨认技术以其独特性、直接性、以便性等特点，在波及身份特性辨认的领域里被广为应用。本文重要简介人脸辨认技术（FRT）的研究内容、研究背景价值及研究现状。通过度析目前人脸辨认技术的现状，总结了人脸辨认的应用前景，提出了人脸辨认技术的将来发展规定。核心词：人脸辨认，研究现状，发展趋势 AbstractFace Recognition Technology, characterized by its uniqueness,direct and convenience,is widely used in the identificat
2、ion of identity.This paper mainly introduces the research content,study background value,and research status of the Face Recognition Technology.Through the analysis of the present situation of Face Recognition Technology,the application prospect of Face Recognition is summarized and the future devel
3、opment of Face Recognition Technology is proposed.Key words: Face Recognition，Research status，Developing trend 引言 随着现代信息技术的迅速发展，进行身份认证的技术转到了生物特性层面。现代生物辨认技术重要是通过计算机与高科技手段密切结合，运用人体固有的生理特性和行为特性来进行个人身份的鉴定。其中人脸辨认是指人的面部五官以及轮廓的分布，这些分布特性因人而异，与生俱来。 人脸是一种涉及着丰富信息的模式的集合，是人类互相辩证和辨认的重要标志之一，也是图像和视频中视觉感爱好的对象之一。与指纹、
4、虹膜、语音等其她人体生物特性相比，人脸辨认更加直接、和谐，无需干扰人们的正常行为就能较好地达到辨认效果。在身份辨认、访问控制、视频会议、档案管理、电子相册、基于对象的图像和视频检索等方面有着广泛的应用，是目前模式辨认和人工智能领域的一种研究热点。由于采用人脸辨认技术的设备可以随意安放，设备的安放隐蔽性非常好，能远距离非接触迅速锁定目的记别对象，因此人脸辨认技术被国外广泛应用到公众安防系统中，应用规模庞大。人脸辨认技术的研究肇始于20世纪60年代末期。20世纪90年代后期以来，某些商业性的人脸辨认系统逐渐进入市场，广泛应用于身份鉴定、电子商务、视频监控、人机交互、公司安全与管理、信息安全、刑事侦
5、破、出入口控制等领域。 人脸辨认技术融合了数字图像解决、计算机图形学、模式辨认、计算机视觉、人工神经网络、生物特性技术以及生理学、心理学等多种学科的理论和措施。人脸辨认技术波及的图像逐渐复杂，虽然人脸辨认研究已有了很大的进展，但目前的技术仍然不能对诸如复杂背景中的人脸等进行有效地解决和自动跟踪。因此，人脸辨认技术在目前及将来很长一段时间内仍然是富有挑战性的课题。1、 人脸辨认技术1.1人脸辨认技术的研究背景和应用价值随着社会的不断进步以及各方面对于迅速有效的自动身份验证的迫切规定，生物特性辨认技术在近几十年中得到了飞速的发展。作为人的一种内在属性，并且具有很强的自身稳定性及个体差别性，生物特性
6、成为了自动身份验证的最抱负根据。目前的生物特性辨认技术重要涉及有：指纹辨认，视网膜辨认，虹膜辨认，步态辨认，静脉辨认，人脸辨认等。与其她辨认措施相比，人脸辨认由于具有直接，和谐，以便的特点，使用者无任何心理障碍，易于为顾客所接受，从而得到了广泛的研究与应用。除此之外，我们还可以对人脸辨认的成果作进一步的分析，得到有关人的性别，表情，年龄等诸多额外的丰富信息，扩展了人脸辨认的应用前景。目前的人脸辨认技术重要被应用到了如下几种方面：（1）刑侦破案（2）证件验证（3）视频监控（4）入口控制（5）表情分析（6）人脸辨认也具有某些有趣有益的应用,例如可以辨认主人身份的智能玩具、家政机器人、具有真实面像的
7、虚拟游戏玩家等。1.2人脸辨认的措施和研究内容人脸辨认：是基于人的面部特性信息进行的一种技术。用摄像机或摄像头采集具有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，然后再运用已有的人脸数据库，拟定场景里的一种人或者多种人。 目前人脸辨认研究范畴重要涉及如下几种方面：（1）人脸检测与定位：即从某一场景中检测出某人并对其定位。（2）人脸特性表达：即采用不同的方式来表达人脸的特性。（3）人脸辨认：即将获取的人脸与数据库已知的人脸进行比对，得出有关信息，辨认出人脸。（4）表情与姿态分析：看待辨认的人脸表情与姿态进行分析，并加以归类。（5）生理分析与分类：分析人脸的生理特性，得出其生理的有关信息。人
8、脸辨认的研究措施：1.基于几何特性的措施人脸由眼睛、鼻子、嘴巴、下巴等部件构成，正由于这些部件的形状、大小和构造上的多种差别才使得世界上每个人脸千差万别，因此对这些部件的形状和构造关系的几何描述，可以作为人脸辨认的重要特性。几何特性最早是用于人脸侧面轮廓的描述与辨认，一方面根据侧面轮廓曲线3拟定若干明显点，并由这些明显点导出一组用于辨认的特性度量如距离、角度、等由正面灰度图中线附近的积分投影模拟侧面轮廓图是一种很有新意的措施。采用几何特性进行正面人脸辨认一般是通过提取人眼、口、鼻等重要特性点的位置和眼睛等重要器官的几何形状作为分类特性,但Roder对几何特性提取的精确性进行了实验性的研究，成果
9、不容乐观。可变形模板法可以视为几何特性措施的一种改善，其基本思想是:设计一种参数可调的器官模型(即可变形模板),定义一种能量函数，通过调节模型参数使能量函数最小化，此时的模型参数即作为该器官的几何特性。这种措施思想较好，但是存在两个问题，一是能量函数中多种代价的加权系数只能由经验拟定，难以推广，二是能量函数优化过程十分耗时，难以实际应用。2.局部特性分析措施（Local Face Analysis）主元子空间的表达是紧凑的，特性维数大大减少，但它是非局部化的，其核函数的支集扩展在整个坐标空间中，同步它是非拓扑的，某个轴投影后临近的点与原图像空间中点的临近性没有任何关系，而局部性和拓扑性对模式分
10、析和分割是抱负的特性，似乎这更符合神经信息解决的机制，因此寻找具有这种特性的体现十分重要。基于这种考虑，Atick提出基于局部特性的人脸特性提取与辨认措施。这种措施在实际应用获得了较好的效果，它构成了FaceIt人脸辨认软件的基本。3.神经网络措施（Neural Networks）人工神经网络是一种非线性动力学系统6，具有良好的自组织、自适应能力。目前神经网络措施在人脸辨认中的研究方兴未艾。Valentin提出一种措施，一方面提取人脸的50个主元，然后用自有关神经网络将它映射到5维空间中，再用一种一般的多层感知器进行鉴别，对某些简朴的测试图像效果较好；Intrator等提出了一种混合型神经网络
11、来进行人脸辨认，其中非监督神经网络用于特性提取，而监督神经网络用于分类。Lee等将人脸的特点用六条规则描述，然后根据这六条规则进行五官的定位，将五官之间的几何距离输入模糊神经网络进行辨认，效果较一般的基于欧氏距离的措施有较大改善，Laurence等采用卷积神经网络措施进行人脸辨认，由于卷积神经网络中集成了相邻像素之间的有关性知识，从而在一定限度上获得了对图像平移、旋转和局部变形的不变性，因此得到非常抱负的辨认成果，Lin等提出了基于概率决策的神经网络措施(PDBNN),其重要思想是采用虚拟(正反例)样本进行强化和反强化学习，从而得到较为抱负的概率估计成果，并采用模块化的网络构造(OCON)加快
12、网络的学习。这种措施在人脸检测、人脸定位和人脸辨认的各个环节上都得到了较好的应用，其他研究尚有:Dai等提出用Hopfield网络进行低辨别率人脸联想与辨认，Gutta等提出将RBF与树型分类器结合起来进行人脸辨认的混合分类器模型，Phillips等人将MatchingPursuit滤波器用于人脸辨认，国内则采用记录学习理论中的支撑向量机进行人脸分类。神经网络措施在人脸辨认上的应用比起前述几类措施来有一定的优势，由于对人脸辨认的许多规律或规则进行显性的描述是相称困难的，而神经网络措施则可以通过学习的过程获得对这些规律和规则的隐性体现，它的适应性更强，一般也比较容易实现。因此人工神经网络辨认速度
13、快，但辨认率低。而神经网络措施一般需要将人脸作为一种一维向量输入，因此输入节点庞大，其辨认重要的一种目的就是降维解决。 4、特性脸法特性脸措施运用主分量分析进行降维和提取特性。主分量分析是一种应用十分广泛的数据降维技术，该措施选择与原数据协方差矩阵前几种最大特性值相应的特性向量构成一组基，以达到最佳表征原数据的目的。由于由主分量分析提取的特性向量返回成图像时，看上去仍像人脸，因此这些特性向量被称为“特性脸”。在人脸辨认中，由一组特性脸基图象张成一种特性脸子空间，任何一幅人脸图象（减去平均人脸后）都可投影到该子空间，得到一种权值向量。计算此向量和训练集中每个人的权值向量之间的欧式距离，取最小距离
14、所相应的人脸图像的身份作为测试人脸图像的身份。下图给出了主分量分析的应用例子。图中最左边的为平均脸，其他为相应7个最大特性值的特性向量。5.其他措施：除了以上几种措施，人脸辨认尚有其他若干思路和措施，涉及如下某些：1）隐马尔可夫模型措施9（Hidden Markov Model）2）Gabor小波变换+图形匹配3）人脸等密度线分析匹配措施4）基于弹性模型的措施5）特性脸措施（Eigenface或PCA）2、 人脸辨认技术的研究现状2.1国内研究现状国内有关人脸自动辨认的研究始于二十世纪80年代，自九十年代在国家自然科学基金“863”筹划等资助下，国内许多研究机构在人脸辨认领域进行了卓有成效的研
15、究。研究工作重要是集中在四大类措施的研究：基于几何特性的人脸正面自动辨认措施、基于代数特性的人脸正面自动辨认措施、基于连接机制的人脸正面自动辨认措施以及基于深度学习的人脸辨认措施。四川大学周激流专家实现了具有反馈机制的人脸正面辨认系统11，运用积分投影法提取面部特性的核心点并用于辨认，获得了比较满意的效果。她同步也尝试了“稳定视点”特性提取措施，即为使辨认系统中涉及3D信息，她对人脸侧面剪影辨认做了一定的研究，并实现了正，侧面互相参照的辨认系统。中国科技大学杨光正专家等提出一种基于镶嵌图的人脸自动辨认措施，采用基于知识的三级金字塔构造对人脸进行基本定位，前两级建立在不同辨别率的镶嵌图基本上，第
16、三级用一种改善的边沿检测措施进一步检测眼睛和嘴巴。清华大学彭辉、张长水等专家对特性脸的措施做了进一步的发展，提出采用类间散布矩阵12作为产生矩阵，进一步减少了产生矩阵的维数，在保持辨认率的状况下，大大减少了运算量。南京理工大学杨静宇等重要是采用奇异值分解措施进行人脸辨认研究，如用Daubechies正交小波变换对人脸图像作预解决，等到不同频带上的四个子图像，对它们分别提取奇异值，然后用近来邻措施进行分类，同步设计一种合用于多分类成果融合的群体决策算法，并且对分类成果有选择的进行融合。程永清，庄永明等对同类图像的平均灰度图进行SVD分解得到特性脸空间，每一幅图像在特性脸空间上的投影作为其代数特性，然后运用层次鉴别进行分类。张辉，周宏祥，何振亚采用对称主元分析神经网络
