在檢測(cè)到人臉并定位面部關(guān)鍵特征點(diǎn)之后，主要的人臉區(qū)域就可以被裁剪出來，經(jīng)過預(yù)處理之后，饋入后端的識(shí)別算法。識(shí)別算法要完成人臉特征的提取，并與庫存的已知人臉進(jìn)行比對(duì)，完成最終的分類。

背景

    傳統(tǒng)的個(gè)人身份驗(yàn)證手段如口令、證件、IC 卡等方式，由于與身份人的可分離性，致 使偽造、盜用、破譯等現(xiàn)象時(shí)有發(fā)生，已經(jīng)不能滿足現(xiàn)代社會(huì)經(jīng)濟(jì)活動(dòng)和社會(huì)安全防范的需要。生物特征識(shí)別包括指紋、掌紋、語音、人臉、虹膜、步態(tài)、掌靜脈等。生物特征識(shí)別技術(shù)先投入廣泛應(yīng)用的是指紋、掌紋掃描識(shí)別技術(shù)，但是卻常常因?yàn)槭艿狡つw紋理及干燥程度等條件制約出現(xiàn)誤判，引發(fā)不必要的麻煩，已遠(yuǎn)遠(yuǎn)不能滿足人們的需求。隨著科學(xué)技術(shù)的不斷發(fā)展，以及社會(huì)對(duì)于身份識(shí)別越來越高的要求，生物特征識(shí)別技術(shù)逐漸呈多樣化發(fā)展，例如虹膜識(shí)別、聲音識(shí)別、筆跡識(shí)別、簽名識(shí)別、人臉識(shí)別等各項(xiàng)生物特征識(shí)別技術(shù)。

    作為模式識(shí)別和圖像處理領(lǐng)域成功的應(yīng)用之一，人臉識(shí)別在過去 20 年里一直都是研究熱點(diǎn)。相比之下，人臉識(shí)別的普遍性、可采集性與被采集者的可接受性較高，這就具有 了方便友好、易于接受、不易偽造等一系列優(yōu)點(diǎn)。機(jī)器自動(dòng)人臉識(shí)別研究開始于 1966 年 PRI 的 Bledsoe 的工作。1990 年日本研制的人像識(shí)別機(jī)，可在 1s 內(nèi)中從 3 500 人中識(shí)別到 你要找的人。1993 年，美國(guó)國(guó)防部高級(jí)研究項(xiàng)目署(Advanced Research Projects Agency)和 美國(guó)陸軍研究實(shí)驗(yàn)室(Army Research Laboratory)成立了 Feret(Face RecognitionTechnology) 項(xiàng)目組，建立了 Feret 人臉數(shù)據(jù)庫，用于評(píng)價(jià)人臉識(shí)別算法的性能。2007 年，上海市質(zhì)量 技術(shù)監(jiān)督局公布了城市軌道交通和旅館商務(wù)辦公樓兩項(xiàng)安全防范系統(tǒng)地方標(biāo)準(zhǔn)，為 2010 年 上海世博會(huì)應(yīng)用人臉識(shí)別技術(shù)提供技術(shù)規(guī)范。2008 年人臉識(shí)別應(yīng)用于奧運(yùn)會(huì)的安防。人臉 識(shí)別技術(shù)已經(jīng)開始走入普通生活。國(guó)內(nèi)外人臉識(shí)別技術(shù)還在進(jìn)一步發(fā)展和完善之中，市場(chǎng)機(jī)會(huì)處于起步階段，可廣泛應(yīng)用于安全、考勤、網(wǎng)絡(luò)安全、銀行、海關(guān)邊檢、物業(yè)管理、 智能身份證、門禁、計(jì)算機(jī)登錄系統(tǒng)、國(guó)家安全、公共安全、軍事安全等領(lǐng)域。

簡(jiǎn)介

    人臉識(shí)別(Facial Recognition)，就是通過視頻采集設(shè)備獲取用戶的面部圖像，再利用核心的算法對(duì)其臉部的五官位置、臉型和角度進(jìn)行計(jì)算分析，進(jìn)而和自身數(shù)據(jù)庫里已有的范本進(jìn)行比對(duì)，后判斷出用戶的真實(shí)身份。人臉識(shí)別技術(shù)基于局部特征區(qū)域的單訓(xùn)練樣本人臉識(shí)別方法。第一步，需要對(duì)局部區(qū)域進(jìn)行定義;第二步，人臉局部區(qū)域特征的提取，依據(jù)經(jīng)過樣本訓(xùn)練后得到的變換矩陣將人臉圖像向量映射為人臉特征向量;第三步，局部特征選擇(可選);后一步是進(jìn)行分類。分類器多采用組合分類器的形式，每個(gè)局部特征 對(duì)應(yīng)一個(gè)分類器，后可用投票或線性加權(quán)等方式得到終識(shí)別結(jié)果。 人臉識(shí)別綜合運(yùn)用了數(shù)字圖像/視頻處理、模式識(shí)別、計(jì)算機(jī)視覺等多種技術(shù)，核心技 術(shù)是人臉識(shí)別算法。目前人臉識(shí)別的算法有 4 種:基于人臉特征點(diǎn)的識(shí)別算法、基于整幅 人臉圖像的識(shí)別算法、基于模板的識(shí)別算法、利用神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別的算法。

    作為人臉識(shí)別的第一步，人臉檢測(cè)所進(jìn)行的工作是將人臉從圖像背景中檢測(cè)出來，由于受圖像背景、亮度變化以及人的頭部姿勢(shì)等因素影響使人臉檢測(cè)成為一項(xiàng)復(fù)雜研究?jī)?nèi)容。檢測(cè)定位:檢測(cè)是判別一幅圖像中是否存在人臉，定位則是給出人臉在圖像中的位置。定位后得到的臉部圖像信息是測(cè)量空間的模式，要進(jìn)行識(shí)別工作，首先要將測(cè)量空間中的數(shù)據(jù)映射到特征空間中。采用主分量分析方法，原理是將一高維向量，通過一個(gè)特殊的特征向量矩陣，投影到一個(gè)低維的向量空間中，表征為一個(gè)低維向量，并且僅僅損失一些次要信息。通過對(duì)經(jīng)過檢測(cè)和定位過的人臉圖像進(jìn)行特征提取操作可以達(dá)到降低圖像維數(shù)，從而可以減小識(shí)別計(jì)算量，提高識(shí)別精度的作用。人臉識(shí)別系統(tǒng)采用基于特征臉的主 成分分析法(PCA)，根據(jù)一組人臉訓(xùn)練樣本構(gòu)造主元子空間，檢測(cè)時(shí)，將測(cè)試圖像投影到 主元空間上，得到一組投影系數(shù)，再和各已知的人臉圖像模式比較，從而得到檢測(cè)結(jié)果。

原理

    人臉識(shí)別算法的原理:系統(tǒng)輸入一般是一張或者一系列含有未確定身份的人臉圖像，以及人臉數(shù)據(jù)庫中的若干已知身份的人臉圖象或者相應(yīng)的編碼，而其輸出則是一系列相似度得分，表明待識(shí)別的人臉的身份。

分類

折疊二維

    人臉識(shí)別法主要集中在二維圖像方面，二維人臉識(shí)別主要利用分布在人臉上從低到高80個(gè)節(jié)點(diǎn)或標(biāo)點(diǎn)，通過測(cè)量眼睛、顴骨、下巴等之間的間距來進(jìn)行身份認(rèn)證。人臉識(shí)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(guī)律建立一個(gè)立體可調(diào)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(diào)整人的臉部特征部位,解決人臉識(shí)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(zhì)屬性，可以利用它來進(jìn)行分類識(shí)別。

3.子空間分析法:因其具有描述性強(qiáng)、計(jì)算代價(jià)小、易實(shí)現(xiàn)及可分性好等特點(diǎn)，被廣泛地應(yīng)用于人臉特征提取，成為了當(dāng)前人臉識(shí)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(tǒng)線性方法難以保持原始數(shù)據(jù)非線性流形的缺點(diǎn)，又解決了非線性方法難以獲得新樣本點(diǎn)低維投影的缺點(diǎn)。

5.主成分分析(PCA)

   PCA模式識(shí)別領(lǐng)域一種重要的方法，已被廣泛地應(yīng)用于人臉識(shí)別算法中，基于PCA人臉識(shí)別系統(tǒng)在應(yīng)用中面臨著一個(gè)重要障礙:增量學(xué)習(xí)問題。增量PCA算法由新增樣本重構(gòu)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(shù)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(jīng)網(wǎng)絡(luò)法、支持向量機(jī)法、基于積分圖像特征法(adaboost學(xué)習(xí))、基于概率模型法。

折疊三維

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

1.基于圖像特征的方法:采取了從3D結(jié)構(gòu)中分離出姿態(tài)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(tài)固定的情況下，去作臉部不同特征點(diǎn)(這些特征點(diǎn)是人工的鑒別出來)的局部匹配。

2.基于模型可變參數(shù)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(jié)合，去恢復(fù)頭部姿態(tài)和3D人臉。隨著模型形變的關(guān)聯(lián)關(guān)系的改變不斷更新姿態(tài)參數(shù)，重復(fù)此過程直到最小化尺度達(dá)到要求?；谀Ｐ涂勺儏?shù)的方法與基于圖像特征的方法的最大區(qū)別在于:后者在人臉姿態(tài)每變化一次后，需要重新搜索特征點(diǎn)的坐標(biāo)，而前者只需調(diào)整3D變形模型的參數(shù)。

難點(diǎn)

    人臉識(shí)別算法研究已久，在背景簡(jiǎn)單的情形下，大部分算法都能很好的處理。但是，人臉識(shí)別的應(yīng)用范圍頗廣，僅是簡(jiǎn)單圖像測(cè)試，是遠(yuǎn)遠(yuǎn)不能滿足現(xiàn)實(shí)需求的。所以人臉識(shí)別算法還是存在很多的難點(diǎn)。

光照

    光照問題是機(jī)器視覺中的老問題，在人臉識(shí)別中的表現(xiàn)尤為明顯，算法未能達(dá)到完美使用的程度。

姿態(tài)

    與光照問題類似，姿態(tài)問題也是人臉識(shí)別研究中需要解決的一個(gè)技術(shù)難點(diǎn)。針對(duì)姿態(tài)的研究相對(duì)比較少，多數(shù)的人臉識(shí)別算法主要是針對(duì)正面，或接近正面的人臉圖像，當(dāng)發(fā)生俯仰或者左右側(cè)而比較厲害的情況下，人臉識(shí)別算法的識(shí)別率也將會(huì)急劇下降。

遮擋

    對(duì)于非配合情況下的人臉圖像采集，遮擋問題是一個(gè)非常嚴(yán)重的問題，特別是在監(jiān)控環(huán)境下，往往被監(jiān)控對(duì)象都會(huì)帶著眼鏡﹑帽子等飾物，使得被采集出來的人臉圖像有可能不完整，從而影響了后面的特征提取與識(shí)別，甚至?xí)?dǎo)致人臉識(shí)別算法的失效。

年齡變化

    隨著年齡的變化，面部外觀也在變化，特別是對(duì)于青少年，這種變化更加的明顯。對(duì)于不同的年齡段，人臉識(shí)別算法的識(shí)別率也不同。

圖像質(zhì)量

    人臉圖像的來源可能多種多樣，由于采集設(shè)備的不同，得到的人臉圖像質(zhì)量也不同，特別是對(duì)于那些低分辨率﹑噪聲大﹑質(zhì)量差的人臉圖像如何進(jìn)行有效的人臉識(shí)別是個(gè)需要關(guān)注的問題。同樣的，對(duì)于高分辨圖像，對(duì)人臉識(shí)別算法的影響也需要進(jìn)一步研究。

樣本缺乏

    基于統(tǒng)計(jì)學(xué)習(xí)的人臉識(shí)別算法是人臉識(shí)別領(lǐng)域中的主流算法，但是統(tǒng)計(jì)學(xué)習(xí)方法需要大量的培訓(xùn)。由于人臉圖像在高維空間中的分布是一個(gè)不規(guī)則的流行分布，能得到的樣本只是對(duì)人臉圖像空間中的一個(gè)極小部分的采樣，如何解決小樣本下的統(tǒng)計(jì)學(xué)習(xí)問題有待進(jìn)一步的研究。

海量數(shù)據(jù)

    傳統(tǒng)人臉識(shí)別算法如PCA、LDA等在小規(guī)模數(shù)據(jù)中可以很容易進(jìn)行訓(xùn)練學(xué)習(xí)。但是對(duì)于海量數(shù)據(jù)，這些方法其訓(xùn)練過程難以進(jìn)行，甚至有可能崩潰。

大規(guī)模人臉識(shí)別

    隨著人臉數(shù)據(jù)庫規(guī)模的增長(zhǎng)，人臉?biāo)惴ǖ男阅軐⒊尸F(xiàn)下降。

應(yīng)用領(lǐng)域

監(jiān)控布控

    實(shí)時(shí)實(shí)現(xiàn)多路攝像機(jī)對(duì)數(shù)十萬布控對(duì)象的現(xiàn)場(chǎng)識(shí)別和報(bào)警提示，廣泛用于機(jī)場(chǎng)、火車站、銀行等場(chǎng)所，實(shí)現(xiàn)對(duì)特定人群的布控。

公安照片搜索系統(tǒng)

    公安系統(tǒng)面臨的一個(gè)難題是無法充分利用手頭上現(xiàn)成的(身份證、暫住證等)數(shù)以百萬計(jì)的照片資源，在查案過程中拿到一張照片卻無法有效的定位其身份，人工的逐張進(jìn)行照片對(duì)比幾乎是不可能完成的工作，只能花費(fèi)大量的警力和時(shí)間進(jìn)行排查。采用人臉識(shí)別算法實(shí)現(xiàn)快速人臉檢索查找，充分體現(xiàn)科技強(qiáng)警的威力。

門禁出入

    人臉識(shí)別算法的另一主流應(yīng)用方向，其優(yōu)勢(shì)在于非接觸操作而且直觀方便便于事后查驗(yàn)。

身份識(shí)別

    應(yīng)用有考場(chǎng)考生身份識(shí)別系統(tǒng)，公安局罪犯積分系統(tǒng)等。

發(fā)展趨勢(shì)

    二維與三維人臉識(shí)別相結(jié)合，多種模式的識(shí)別使用，可以有效地提高人臉識(shí)別精確度;二維識(shí)別算法逐步應(yīng)用于三維人臉識(shí)別;人臉識(shí)別算法要能克服:姿勢(shì)、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(shí)別算法應(yīng)該需要更少的計(jì)算量。