2022年人脸识别技术 .pdf

《2022年人脸识别技术 .pdf》由会员分享，可在线阅读，更多相关《2022年人脸识别技术 .pdf（3页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、2010.768 技 术 应 用基于人脸识别技术的研究曹洁葛元上海海事大学信息工程学院上海 200135 摘要：随着计算机技术的迅猛发展，人们期望计算机能具有人的视觉功能，然而除了一些专用的视觉系统外，迄今为止，还没有较为成功的通用视觉系统。人脸识别目前的社会需求巨大，几乎各行各业都迫切需要。本文主要对人脸识别技术进行综述，并展望其未来的发展前景。关键词：人脸识别；特征识别；人工神经网络0 引言人脸识别技术，即是利用计算机技术对输入的静态图像或者视频流序列中的图像提取有效的识别特征，并以此辨明身份的一门技术。它涉及到模式识别、图形图像处理、计算机视觉、生理学、心理学以及认知学等诸多学科的知识，

2、并与基于其它生物特征的身份鉴别方法以及计算机人机感知交互的研究领域都有密切联系。首先需要进行人脸检测与定位，判断其是否存在人脸并明确人脸图像位置。其次依据归一化后人脸图像信息，对每个人脸图像进行特征提取，找出其所蕴涵的个性化特征。最后将其与已知的人脸进行对比，从而识别每个人脸的身份。人脸识别技术在国家重要机关及社会安防领域具有广泛而特殊的用途。例如：证件和各类金融卡持有人的身份验证、公安系统的视觉监控等。同其它人体生物特征(如：指纹、掌纹、虹膜、语音等 )识别技术相比，人脸识别技术的隐蔽性最好， 是当今国际反恐安防最重视的科技手段和攻关目标之一。此外，人脸识别技术还可用于多媒体数据库的视频检索

3、，以及多媒体制作等方面。近几年，随着计算机硬件和软件技术的发展，基于人脸识别技术的表情信息提取也成为可能，它可以用于改进人机交互方式，从而产生更加人性化、智能化的计算机系统。人脸识别技术的发展正是受到商业应用需求的推动，以及相关技术的发展而得到空前的重视，成为图像识别和理解领域中的研究热点。1 研究现状分析视觉是一种复杂的信息处理任务，它的研究涉及计算机技术和心理 /神经生物科学， 早期的理论框架由D.Maar 于 20 世纪 80 年代初期提出，他把视觉信息处理划分为三个不同层次来描述：计算理论；算法；实现机制。近几年的研究表明，人类视觉数据处理是多层次的过程，其中最低层的视觉过程(视网膜功

4、能 )起信息转储作用，即将大量图像数据转换成较为抽象的信息，这一任务由视网膜中的两类细胞完成：低层次的细胞对空间的响应与小波变换作用类似，高层次的细胞则依据低层次细胞的响应，而作出具体的线、面乃至物体模式的响应。这表明在视觉处理过程中，神经元并不是随便地不可靠地把视觉图像的光照强度转手投射到感觉中枢，它们可以检测模式单元，区分物体的深度，排除无关的变化因素，并组成一个使人感兴趣的层次结构。人脸识别不仅有着以上普通视觉过程的特点，而且具有以下独特之处：（1）针对人脸识别，大脑中存在一个专门的处理过程。经过长期的研究，人们发现大脑对人脸形状有着特殊的兴趣。（2）不同的局部特征作用对识别的贡献也不同

5、。研究也表明，头发、人脸轮廓、眼睛以及嘴巴对识别和记忆有着重要影响，鼻子的作用则不是很重要。通常来讲人脸的上部比下部对识别作用更大些。（3）不同空间频率上信息的作用不同。低频信息代表了整体的描述， 高频信息包含了局部的细节。对于性别的判断，仅利用低频信息就足够了，但对身份识别没有高频信息就无法完成。（4）光照对视觉的影响。有实验表明，从人脸底部打光会导致识别困难。（5）动态信息比静态信息更利于识别。研究发现，对熟作者简介：曹洁(1980-)，男，硕士研究生，研究方向：模式识别与智能系统。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - -

6、 - 名师精心整理 - - - - - - - 第 1 页，共 3 页 - - - - - - - - - 2010.7 69技 术 应 用悉的人脸，人类的识别能力在动态场景中要高于静态场景。（6）面部表情的分析与人脸识别并行处理。通过对脑部受损的病人研究表明，表情的分析与识别虽有联系，但是总体来说是分开处理的。2 人脸识别技术的发展早在上世纪六、七十年代，人脸识别技术就引起了研究者的浓厚兴趣；进入九十年代之后，由于高速度高性能的计算机的出现， 人脸识别技术取得了重大进展。而自美国“9.11”事件以后，人脸识别在信息安全领域的作用逐渐显现出来，人脸识别技术得到了前所未有的重视。国内外对于人脸识

7、别的研究发展，技术趋势分别经历了三个阶段：机械式的识别阶段、机器自动识别初级阶段、机器自动识别高级阶段。第一阶段为机械式的识别阶段，是以Betillon ，Allen 和Parke 为代表，主要研究人脸识别所需要的面部特征。该阶段的识别依赖于人的操作，需要利用操作员的某些先验知识来进行。在 Bertillon 的系统中，用一个简单的语句与数据库中某一张脸相联系，同与指纹分析相结合，提供了一个较强的识别系统； 为了提高识别率， Allen 为待识别设计了一种有效和逼真的摹写；Parke 则用计算机实现了这一想法，并产生了较高质量的人脸灰度图模型。这一阶段工作的特点是识别过程全部依赖于操作人员，显

8、然这不是一种可以完成自动识别的系统。第二阶段为人机交互式初级阶段，主要是采用机器自动识别的手段进行识别。代表性工作有：Goldstino，Hannon和 Leks 用几何特征参数来表示人脸正面图像，他们采用21维特征向量表示人脸面部特征，并设计了基于这一特征表示法的识别系统；Kaya 和 Kobayashi 则采用了统计识别方法，用欧氏距离来表征人脸特征，如嘴唇与鼻之间的距离，嘴唇的高度等；更进一步地，.T.Kanad(M.Ngao) 设计了一个高速且有一定知识导引的半自动回溯识别系统，创造性地运用积分投影法从单幅图像上计算出一组脸部特征参数，再利用模式分类技术与标准人脸相匹配，Kanad 的

9、系统实现了快速、实时的处理，是一个很大的进步。这个阶段需要利用操作员的某些先验知识，仍然摆脱不了人的干预。第三阶段为机器自动识别高级阶段，是真正向实用化发展的机器识别阶段，这一阶段识别率和自动化程度得到了提高。随着计算机的大型化、 高速化和人脸识别的方法的发展，人们已提出了许多成熟、高效的方法，很多产品已用于实际应用。目前世界上的商用识别系统主要有Idnetix( 原 Visionics)公司的“FaceIt” 系统，Viisage 公司的“FaceID” 系统，Cognitec公司的“ FaceVACS ”系统以及 HumanScan 公司的“ BioID ”系统等。3 人脸识别方法的研究（

10、1）基于特征脸 (PCA) 的人脸识别方法特征脸方法是基于KL 变换的人脸识别方法，是将整个人脸的图像区域看作随机向量，通过 PCA 获取正交向量基的方法。其中对应较大特征值的特征向量具有与人脸相识的形状，所以被称为特征脸。利用这些向量基的线性组合可以描述、表达和逼近人脸图像， 因此可以进行人脸的识别与合成。识别过程就是将人脸图像映射到由特征脸张成的子空间上，比较其与已知人脸在特征脸空间中的位置，完成分类识别。这种方法需要较多的训练样本，而且完全是基于图像的统计特性。特征脸识别方法有良好的稳定性、位移不变性、特征向量与图像的高度成比例变化以及转置不变性，不足之处是受表情变化、光照角度强度变化和

11、视角变化等严重影响，鲁棒性较差。为了解决上述不足，研究人员在此基础上发展了许多改进方法：如将特征脸与线性判别函数相结合，可以使得对光照及人脸表情不太敏感。PCA 至今仍是传统的人脸特征提取方法。（2）弹性匹配的人脸识别方法弹性匹配方法的思想是将人脸上的一些特征点作为基准点构成弹性图，每个基准点存储一串具有代表性的特征矢量，采用分级结构的弹性图，去除一些冗余节点，形成稀疏的人脸描述结构。通过测试样本和特征样本的弹性匹配来完成识别。弹性匹配方法有很多，例如：在人脸图像上放置一组矩形网格节点，每个节点的特征用该节点处的多尺度Gabor 幅度特征描述，各节点之间的连接关系用几何距离表示，从而构成基于二

12、维拓扑图的人脸描述，根据两个图像中各节点和连接之间的相似性进行人脸识别。还有将人脸图像表示为可变形的3D 网格表面，将人脸匹配问题转换为曲面匹配问题，利用有限元分析的方法进行曲面变形，根据两幅图像之间变形匹配的程度识别人脸等。基于弹性图匹配的识别系统的主要缺点是对每个存储的人脸需要计算其模型图，因此计算复杂，存储量大。（3）神经网络的人脸识别方法人工神经网络 (ANN) 方法是把模式的统计特性隐含在网络结构和参数之中。对于人脸这类复杂的、难以显式描述的模式，基于ANN的方法具有独特的优势。人工神经网络是由多个神经元按照一定的排列顺序构成的，是一个非线性动力学系统，其特色是信息的分布式存储和并行

13、协同处理。虽然单个神经元的结构极其简单，功能有限，但由大量神经元名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 2 页，共 3 页 - - - - - - - - - 2010.770 技 术 应 用所构成的网络系统却能实现复杂丰富的功能。神经网络系统除具有集体运算的能力和自适应的学习能力外，还有很强的鲁棒性和容错性。神经网络模型各种各样，它们是从不同的角度对生物神经系统不同层次的描述和模拟。有代表性的网络模型有感知器、RBF 网络、多层映射BP 网络、 Hopfield模型等。目前

14、，在人工神经网络的实际应用中，绝大部分的神经网络模型采用的都是BP 网络及其变化形式，这也是前向网络的核心部分， 是人工神经网络最精华的部分。BP 网络主要用于模式识别、函数逼近、数据压缩等领域。（4）线段 Hausdorff 距离 (LHD) 的人脸识别方法LHD 是基于从人脸灰度图像中提取出来的线段图，它所定义的是两个线段集之间的距离，与众不同的是， LHD 并不建立不同线段集之间的-对应关系，因此它更能适应线段图之间的微小变化。实验结果表明，此方法在不同光照条件下和不同姿态情况下有较好的表现，但在大表情的情况下识别效果不好。（5）支持向量机 (SVW) 的人脸识别方法近年来，支持向量机是

15、统计模式识别领域的一个新热点，它试图使学习机在经历风险和泛化能力上达到一种妥协，从而提高学习机的性能。支持向量机要主解决的是一个两分类问题，它的基本思想是试图把一个低维的线性不可分的问题转化成一个高维的线性可分的问题。实验结果表明支持向量机有较好的识别率。（6）几何特征的人脸识别方法这类方法首先需要定位面部的主要器官，如眉毛、 眼睛、鼻子、嘴和下巴等，再从中选择一组反映它们之间的距离、角度、区域形状等器官的结构配置特征，这种特征提取方式通常用于侧面和正面的人脸识别中。几何特征方法的优点在于描述人脸图像的特征向量十分简捷，对光照变化不敏感。然而，这种描述方式仅利用了面部的结构信息，完全抛弃了图像

16、中有用的纹理信息，是一种比较粗犷的人脸表达，可能无法保证人脸知识表达的完备性。此外，从人脸图像中自动、精确地检测和提取出这些几何特征相当困难，尤其在多姿态情况下难度更大。而现有的面部器官检测方法在可靠性和速度方面都无法满足实际需要。4 总结人脸识别技术是一项既有科学研究价值，又有广泛应用前景的研究课题。大量研究人员几十年的研究取得了丰硕的研究成果，在某些限定条件下自动人脸识别技术已经得到了成功应用。这些成果进一步加深了我们对自动人脸识别这个问题的理解，尤其是对其挑战性的认识。尽管在海量人脸数据比对速度甚至精度方面，现有的自动人脸识别系统可能已经超过了人类，但对复杂变化条件下的一般人脸识别问题，

17、自动人脸识别系统的鲁棒性和准确度还远不及人类，这种差距产生的本质原因现在还不是很清楚，毕竟对于我们人类自身的视觉系统的认识还十分肤浅。但无论如何，赋予计算设备与人类似的人脸识别能力是众多该领域研究人员的梦想。相信随着研究的继续深入，我们的认识应该能够更加准确地逼近这些问题的正确答案。参考文献1MarrD.VisionM.SanFrancisco:W.H.Freeman.1982. 2Grudin M A.Compact multi-level representation of human face for recognitionD.Liverpool:Liverpool John Moore

18、s University. 1997. 3Ellis H D.Intruduction to Aspect of Face Processing: TenQuestion- sinNeedofAnswersA.EllisH,JeevesM,NewcombeF.AspectsofFaceProcessingC.Dordrecht:Nijhoff.1986. Face Recognition:A SurveyCao Jie,Ge Yuan College of Information Engineering Shanghai Maritime University,Shanghai,200135,

19、China Abstract:With the rapid development of computer technology, people expect the computer can be made with human visual function, but except for some special visual system, so far, there is no common vision systems more successful. Face Recognition current social needs are tremendous, almost all

20、walks of life are urgently needed. This is mainly an overview of the face recognition technology, and prospects for its future development prospects. Keywords:Face Recognition;Feature Recognition;Artificial Neural Network 名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 3 页，共 3 页 - - - - - - - - -