- 相關(guān)推薦
有關(guān)人臉識(shí)別技術(shù)論文
摘要：人臉識(shí)別技術(shù)(Face Recognition Technology，F(xiàn)RT)是近年來模式識(shí)別、圖像處理以及計(jì)算機(jī)視覺等領(lǐng)域的熟點(diǎn)研究課題之一。本文重點(diǎn)對(duì)現(xiàn)有的人臉檢測(cè)與識(shí)別方法及研究進(jìn)行總結(jié)，分析和比較各種識(shí)別方法優(yōu)缺點(diǎn)，討論了其中的關(guān)鍵技術(shù)及發(fā)展前景。
關(guān)鍵詞;人臉識(shí)別 人臉檢測(cè) 特征提取
中圖分類號(hào)：TP391.4 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-098X(2008)ll(a)-0004-02
1引言
隨著計(jì)算機(jī)的普及和應(yīng)用，對(duì)個(gè)人身份的自動(dòng)鑒定提出了越來越多的要求。雖然，已經(jīng)存在一些相當(dāng)可靠的身份驗(yàn)證方法如指紋，虹膜識(shí)別等，但是這些方法都需要參與者的某種程度的合作，而人臉識(shí)別則無須參與者太多的合作，而且具有直接、友好、方便的特點(diǎn)，是進(jìn)行身份確認(rèn)最自然直接的手段。人臉識(shí)別技術(shù)(Face Recognition Technology，F(xiàn)RT)就是用計(jì)算機(jī)對(duì)人臉圖象進(jìn)行特征提取和識(shí)別的模式識(shí)別技術(shù)。同時(shí)，它融合計(jì)算機(jī)圖形學(xué)、模式識(shí)別、圖象處理、計(jì)算機(jī)視覺和人工智能等多個(gè)學(xué)科的理論和方法。
2技術(shù)發(fā)展和研究現(xiàn)狀
人臉識(shí)別研究發(fā)展大致可分為三個(gè)階段：第一階段主要研究人臉識(shí)別所需要的面部特征，這一階段工作的特點(diǎn)是識(shí)別過程全部依賴于操作人員。第二階段是人機(jī)交互識(shí)別階段。用幾何特征參數(shù)來表示人臉正面圖像：Goldstion.Harmon和Lesk用21維特征矢量表示了人臉面部特征，并設(shè)計(jì)了基于這一特征表示法的識(shí)別系統(tǒng);也有采用統(tǒng)計(jì)識(shí)別的方法的研究者：用歐式距離來表征人臉特征，如嘴唇和鼻之間的距離，嘴唇的高度等。這類方法需要利用操作員的先驗(yàn)知識(shí)，需要人的干預(yù)。第三階段才是真正的機(jī)器自動(dòng)識(shí)別階段。隨著高速度性能計(jì)算機(jī)的發(fā)展，人臉識(shí)別方法有了較大的突破，提出了多種機(jī)器全自動(dòng)識(shí)別系統(tǒng)。我國人臉識(shí)別技術(shù)的研究雖然起步較晚，但發(fā)展較快。中國科學(xué)院計(jì)算技術(shù)研究所，清華大學(xué)，東南大學(xué)，上海交通大學(xué)，復(fù)旦大學(xué)等，都已取得了一定成果。
3廣泛應(yīng)用的人臉檢測(cè)與識(shí)別算法
3.1基于可視特征的方法
基于可視特征的方法主要是利用從人臉的表觀特征總結(jié)出來的先驗(yàn)知識(shí)，使用規(guī)則來描述人臉的幾何分布、顏色、紋理等可見特征，從而作為人臉檢測(cè)和識(shí)別的依據(jù)。
3.1.1幾何特征
人臉的幾何特征包括臉型特征以及五官在臉上分布的幾何特征。提取特征時(shí)往往要用到人臉結(jié)構(gòu)的一些先驗(yàn)知識(shí)。識(shí)別所采用的幾何特征是以人臉器官的形狀和幾何關(guān)系為基礎(chǔ)的特征矢量，本質(zhì)上是特征矢量之間的匹配，其分量通常包括人瞼指定兩點(diǎn)間的歐式距離、曲率、角度等。基于幾何特征的識(shí)別方法比較簡(jiǎn)單、容易理解，但沒有形成統(tǒng)一的特征提取標(biāo)準(zhǔn);從圖像中抽取穩(wěn)定的特征較困難，特別是特征受到遮擋時(shí);對(duì)較大的表情變化或姿態(tài)變化的魯棒性較差。幾何特征還可能由于光照、表情、遮擋等原因而被破壞，另外由人臉陰影所形成的邊緣可能對(duì)幾何特征的邊緣帶來不良影響。
3.1.2紋理特征
和指紋相似，每張人臉都有其特殊紋理特性，可以基于SGLD(空間灰度依賴矩陣)建立由一組不等式組成的人臉紋理模型，實(shí)現(xiàn)人臉檢測(cè)與定位。
3.1.3顏色特征
目前已有RGB，HSV(HSI)，YCrCb，YIQ，YES，CIE等顏色空間被用于標(biāo)記人臉的膚色。膚色算法有如下的優(yōu)點(diǎn)：(1)可以在普通工作站上以幀速率來實(shí)現(xiàn)人臉區(qū)域分割,(2)膚色分割算法沒有使用特殊的臉部特征，因此頭部方向和姿態(tài)的變化不會(huì)影響對(duì)于膚色區(qū)域的確定;(3)允許被跟蹤對(duì)象自由活動(dòng)，減少對(duì)環(huán)境的限制。但是由于光源的顏色以及光照的角度不同所造成的高亮和陰影等諸多因素的影響，利用顏色分割人臉仍然一個(gè)非常困難的問題。
3.2基于模板的方法
很多人臉檢測(cè)系統(tǒng)是基于模板的，模板匹配的方法主要是通過計(jì)算模板和圖像之間的相關(guān)性來實(shí)現(xiàn)識(shí)別功能。
3.2.1通用模板匹配
在模板匹配中，人臉標(biāo)準(zhǔn)模板由人工來定義。對(duì)于輸入圖像，分別計(jì)算標(biāo)準(zhǔn)模板中的臉部輪廓，眼睛，鼻子等的相關(guān)值，由相關(guān)程度來決定人臉的存在。這種方法的特點(diǎn)是實(shí)現(xiàn)起來比較簡(jiǎn)單，但是模板匹配方法在很多場(chǎng)合并不適用，因?yàn)楹?jiǎn)單的模板不能適應(yīng)尺寸、姿態(tài)和形狀的變化。因而實(shí)際應(yīng)用中多數(shù)采用多分辨率、多尺度、多子模板和可變形模板實(shí)現(xiàn)模板匹配，以增加適應(yīng)性和準(zhǔn)確性。
3.2.2可變形模板匹配
可變形模板法可以說是幾何特征方法的改進(jìn)，其基本思想是：設(shè)計(jì)參數(shù)可調(diào)的器官模型，即可變形模板，定義一個(gè)能量函數(shù)，通過調(diào)整模型參數(shù)使得能量函數(shù)最小化，此時(shí)的模型參數(shù)即為對(duì)象的幾何特征�？勺冃文０宸椒ù嬖趦蓚�(gè)問題，一是能量函數(shù)中各種代價(jià)的加權(quán)系數(shù)只能由經(jīng)驗(yàn)確定，難以推廣，二是能量函數(shù)的優(yōu)化過程十分耗時(shí)，難以實(shí)際應(yīng)用。
3.3基于子空間方法
常用的線性子空間方法有：本征子空間、區(qū)別子空間、獨(dú)立分量子空間等。此外，還有局部特征分析法、因子分析法等。這些方法也分別被擴(kuò)展到混合線性子空間和非線性子空間。
3.4基于機(jī)器學(xué)習(xí)的方法
在基于幾何特征的方法和基于模板的方法中，人臉的特征都是由專家預(yù)先定義好的.而在基于機(jī)器學(xué)習(xí)的方法中，人臉的特征或類別是利用統(tǒng)計(jì)分析和機(jī)器學(xué)習(xí)的技術(shù)從樣本中學(xué)習(xí)來的。學(xué)習(xí)所得的人臉特征或類別存在于由各種算法所保證的分布規(guī)律、模型和判別函數(shù)中，并被用于人臉的檢測(cè)和識(shí)別中。
3.4.1神經(jīng)網(wǎng)絡(luò)方法(ANN)
神經(jīng)網(wǎng)絡(luò)技術(shù)(ANN，Artificial Neural Networks)作為一類模式識(shí)別方法近年來發(fā)展迅速。神經(jīng)網(wǎng)絡(luò)可視為大量相聯(lián)的簡(jiǎn)單處理器(神經(jīng)元)構(gòu)成的大規(guī)模并行計(jì)算系統(tǒng)。神經(jīng)網(wǎng)絡(luò)具有學(xué)習(xí)復(fù)雜的非線性輸入輸出關(guān)系的能力，對(duì)于模型和規(guī)則的依賴性較低，可以利用訓(xùn)練過程來適應(yīng)數(shù)據(jù)。神經(jīng)網(wǎng)絡(luò)識(shí)別法是將人臉直接用灰度圖(二維矩陣)表征，利用了神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力及分類能力。這種方法的優(yōu)勢(shì)在于保存了人臉圖像中的材質(zhì)信息及細(xì)微的形狀信息，同時(shí)避免了較為復(fù)雜的特征提取工作。而且，由于圖像被整體輸入，符合格氏塔(Gestalt)心理學(xué)中對(duì)人類識(shí)別能力的解釋�；谏窠�(jīng)網(wǎng)絡(luò)的方法的特點(diǎn)是信息處理方式是并行而非串行，并且信息編碼的存儲(chǔ)方式是分布式。
3.4.2支持向量機(jī)(SVM)
支持向量機(jī)(SVM，Support Vector Machines)是一類新型的基于統(tǒng)計(jì)的機(jī)器學(xué)習(xí)方法。由于其出色的學(xué)習(xí)性能，該技術(shù)已經(jīng)成為機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)。SVM分類器是一種線性分類器，它選擇可分離的超平面，以使不可見的測(cè)試模式的預(yù)知分類錯(cuò)誤最小，目的是使期望總體誤差的上邊界最小。它是基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理的方法，較之于基于經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化的人工神經(jīng)網(wǎng)絡(luò)，一些難以逾越的問題，如模型的選擇和過學(xué)習(xí)問題、非線性和維數(shù)災(zāi)難問題、局部極小點(diǎn)問題等都得到了很大程度的解決。
3.4.3貝葉斯方法(Bayes)
貝葉斯決策方法是統(tǒng)計(jì)模式識(shí)別中的一個(gè)基本方法。將兩幅圖像灰度差4 =Ij-Ik作為模式矢量，當(dāng)其中的人臉屬于同一個(gè)人時(shí)?
4為類內(nèi)模式婦，，屬于不同人時(shí)為類間模式以。。采用最大后驗(yàn)概率準(zhǔn)則能夠較好的解決此類模式分類問題。不過，人臉識(shí)別不同于一般的模式分類，不僅要判斷待檢測(cè)圖像x與數(shù)據(jù)庫中的圖像Y是屬于類內(nèi)模式還是屬于類間模式，還要判斷圖像x與圖像Y是否屬于同一個(gè)人。如果判斷出X與數(shù)據(jù)庫中的多個(gè)lr都屬于同一個(gè)人，則還需要進(jìn)一步判斷哪一對(duì)匹配最好。因此，該問題具有較高的復(fù)雜性。
3.4.4隱馬爾科夫模型(HMM)
隱馬爾可夫模型是用于描述信號(hào)統(tǒng)計(jì)特性的統(tǒng)計(jì)模型。HMM使用馬爾可夫鏈來模擬信號(hào)統(tǒng)計(jì)特征的變化，而這種變化是間接的通過觀察序列來描述的，因此，隱馬爾可夫過程是一個(gè)雙重的隨機(jī)過程。其中之一是馬爾可夫鏈，這是基本隨機(jī)過程，它描述狀態(tài)的轉(zhuǎn)移。另一個(gè)隨機(jī)過程描述狀態(tài)和觀測(cè)值之聞的統(tǒng)計(jì)對(duì)應(yīng)關(guān)系。在HMM中，節(jié)點(diǎn)表示狀態(tài)，有向邊表示狀態(tài)之間的轉(zhuǎn)移，一個(gè)狀態(tài)可以有特征空間中的任意特征，對(duì)同一個(gè)特征，不同狀態(tài)表現(xiàn)出這一特征的概率不同。由于HMM是一個(gè)統(tǒng)計(jì)模型，對(duì)于同一特征序列，可能會(huì)對(duì)應(yīng)許多狀態(tài)序列，特征序列與狀態(tài)序列之間的對(duì)應(yīng)關(guān)系是非常正確的。
4展望
目前的各種人臉識(shí)別技術(shù)方法都有各自優(yōu)缺點(diǎn)，因此，許多人傾向于將多種方法綜合起來運(yùn)用。并且，人臉識(shí)別是人臉視覺的獨(dú)特過程，因此必須結(jié)合生理學(xué)和心理學(xué)的研究成果。同時(shí)，如何與其他生物特征識(shí)別結(jié)合以提高識(shí)別率也是今后研究的方向。我們相信隨著計(jì)算機(jī)技術(shù)和生物識(shí)別技術(shù)的發(fā)展，以及人臉的檢測(cè)與識(shí)別技術(shù)的不斷完善，在不遠(yuǎn)的將來，一套準(zhǔn)確而高效的人臉檢測(cè)與識(shí)別系統(tǒng)就會(huì)呈現(xiàn)在我們的面前。
參考文獻(xiàn)
[l]周德龍，張曉華，劉博等.JDL大規(guī)模人臉圖像數(shù)據(jù)庫介紹[A].生物識(shí)別研究新進(jìn)展(2)[C].北京：清華大學(xué)出版社，2003:118-120.
[2]肖冰，王映輝，人臉識(shí)別研究綜述[J].計(jì)算機(jī)應(yīng)用研究，2005，8(1):1-5.
[3]陳鍛生，劉政凱.膚色檢測(cè)技術(shù)綜述[J].計(jì)算機(jī)學(xué)報(bào)，2006，29(2):194-203.
[4]邊肇祺，張學(xué)工.模式識(shí)別(第2版)[M].北京：清華大學(xué)出版社，2000:1-50.
[5]趙慧琳，王林泉，葛元.人臉圖像定位與標(biāo)準(zhǔn)化算法[J].計(jì)算機(jī)工程，2003，29(22):158-160.
[6]樊振萍.人臉檢測(cè)與識(shí)別技術(shù)綜述[J].電腦知識(shí)與技術(shù)，2008，07(5):1292-1295.
【人臉識(shí)別技術(shù)論文】相關(guān)文章：
人臉識(shí)別技術(shù)新突破：復(fù)雜場(chǎng)景識(shí)別率遠(yuǎn)超人眼-識(shí)別-人臉05-01
超聲波人臉識(shí)別方法研究04-29
廣東高考生忘帶準(zhǔn)考證快找“人臉識(shí)別機(jī)”04-26
甘薯莖線蟲病的識(shí)別與防治技術(shù)論文05-07
空間物資管理系統(tǒng)無線射頻識(shí)別技術(shù)論文05-02