未来智讯 > 人脸语音识别论文 > 人脸识别技能探究

人脸识别技能探究

发布时间:2018-12-02 01:06:04 文章来源:未来智讯    
    人脸识别技能探究作者:未知   摘要: 对人脸识别的传统方法进行综合性描述,并介绍近年来出现的新技能新应用,最初介绍人脸识别的观念及其发展历史,指出人脸识别的主要困难;随后对人脸识别技能方法发展过程中一些经典的流行的方法进行阐述,对新近发展的新技能进行探讨;最终,介绍人脸识别技能在国内外的应用现状。
  关键词: 人脸识别;主成份分析;三维
  中图分类号:TP391.41 文献标识码:A 文章编号:1671-7597(2011)1110112-01
  人脸识别主要研讨从数码影像或视频源的帧中自动识别人脸的技能,随着图像技能的发展与视频监控的快速普及,迫切需要快速身份识别技能,以求远距离快速确认人员身份,实现智能识别预警。目前,已广泛应用于多种领域。
  最早的人脸识别研讨是Bledsoe等在1964到1966年使用计算机对人脸自动识别进行研讨,传统的人脸识别方法主要依靠的是可见光图像的识别。但这种方式有着难以克服的缺陷,尤其在环境光照发生变化时,识别效果会急剧降落,在实际应用中的应用尚存在很多局限性。为了提高人脸识别的效率、鲁棒性和识别率等,更好地为社会生活服务,研讨人员逐渐发展出了三维图像人脸识别、基于皮肤特征的人脸识别、热成像人脸识别、高清图像人脸识别等技能。[1]
  1 传统的人脸识别算法
  传统的人脸识别方法主要有以下几类:基于几何特征的方法、基于模板的方法、基于模型的方法等,较为典型的方法主要有:基于主成分分析(Principal Component Analysis,PCA)的人脸识别方法、神经神经网络的人脸识别方法、基于奇异值分解(SVD)的人脸识别方法和基于隐马尔可夫模型的人脸识别方法等。
  1.1 基于主成分分析的人脸识别方法
  该方法是最早、研讨最广泛的人脸检测和识别的方法,在各类期刊中可见其大量的变形或改进算法。在基于该方法的识别系统中,最初检测出面部典型特征的形状、位置及之间距离等主要参数,构造出能够识别人脸的特征向量,常常包括两特征点间的距离、曲率和角度等。[2]
  该方法取得了较为良好的效果,可以初步解决人脸识别问题,但其对于需识别的人脸图像相关要求较高,识别的本能也容易受到光照、姿态等因素变化的影响。
  1.2 神经网络的人脸识别方法
  人工神经网络(ANN)方法是把模式的相关特性隐含在网络结构及参数中,对于人脸这类难以描述与表示的模式,使用人工神经网络的方法具有一定的优势。[3]研讨者们发现,使用人工神经网络不但具有集体运算与自适应的学习能力,而且还有较强的鲁棒性,神经网络的输入数据能够是降低分别率的人脸图像、部分区域的自相关函数、部分纹理的二阶矩等。该方法的主要局限性还在于其也需要较多的样本来训练。
  1.3 基于奇异值分解的人脸识别方法
  奇异值分解是线性代数中一种重要的矩阵分解,是矩阵分析中正规矩阵酉对角化的推广。洪子泉和杨静宇首次提出基于奇异值分解的人脸识别方法,并建立了基于Sammon最佳判别平面的Bayes分类模型。他们指出了奇异值的三个特性以用于人脸识别:1)图像的奇异值具有良好的稳定性;2)图像的奇异值反映了图像的一种代数性子,这种性子不是直观的,而是一种内在属性;3)图像的奇异值具备代数和几何上的不变性。[4]
  1.4 基于隐马尔可夫模型的人脸识别方法
  隐马尔可夫模型(HMM)的基本理论倡议于20世纪60、70年代,Samaria等人最早建提出关于人脸的隐马尔可夫模型,使用人脸图像中的额头、眼睛、鼻子、嘴巴和下巴五个特征参数,隐含五个形态,并将人脸图像用矩形从上至下分成若干区域,再将窗口内的像素点数据排成列向量,用每个区块的像素值作为观察序列来进行人脸识别。[5]
  该方法具有取得了一定的效果,但需占用较大的存储空间,并还存在以下像素值作为特征不够强健、其对图像噪声、光照改变等因素相当敏感,以及高维的观察序列导致训练和识别系统的高计算复杂度,增加了识别时间等缺陷。
  2 新近发展起来的人脸识别方法
  2.1 基于三维(3D)的人脸识别
  3D人脸识别方法最早出如今20世纪80年代后期,以其远超2D人脸识别精度、媲美指纹识别的优势,而引起研讨者的广泛关注。与2D人脸识别使用单个传感器获得影像不同,3D人脸识别方法就需要一个更为复杂的传感器系统――三维扫描仪。因为获得了更多人脸信息,3D方法比2D方法在先天上就具有一定的优势,从而避免了2D人脸识别算法的先天缺陷(灯光、面部表情等)。[6]
  在3D人脸识别技能中,所用到具体的算法仍是多种多样的,其多数算法也是从2D识别算法中演化而来,主要分为三类:[7]基于几何特征的方法、模板匹配算法、基于统计模型的方法。
  3D形变模型利用人脸检测出的3D参数,并选取统计的建模方法,实现了忽略姿势、光照影响的人脸识别技能。然而该方法需求解一个参数量较为庞大的复杂连续优化问题,而且在处理光照问题时选取的成像模型也过于复杂,算法效率受到了很大的限制,其识别率也并不理想。
  2.2 基于主动近红外图像的多光源人脸识别技能[8]
  基于近红外图像的人脸识别方法是近年来人脸识别技能的一个创新,其目的同样是消除环境因素对人脸识别的影响,包括主动红外人脸图像采集硬件和人脸识别算法软件两局部。其硬件由CCD或COMS摄像机、红外发光二极管和外壳等构成;人脸以50~100cm距离正对摄像机,利用安装在摄像机周围的近红外主动光源提供正面方向照明;同时,通过在摄像机前端安装的滤镜,阻止可见光波段的光线通过,以消除可见光对识别的影响,再将过滤后的人脸图像采集并输入到计算机中。近红外图像在任意环境光照下都是清晰、正面光照的,这为构建不受环境光影响且高正确度的人脸识别系统,提供了良好的图像数据。人脸识别算法则进一步对图像进行相应处理,以消除距离及头部姿态等因素带来的不利影响。通过照片、视频、3D模型等手段来欺骗人脸识别系统,一直是人脸识别系统的弱点。而基于近红外的技能可有效地检测人脸的活体性,从而实现防伪的功能。
  2.3 基于皮肤特征的人脸识别
  与传统方法相比,联合人脸皮肤特征的识别方法也是在近期应用系统中经常见到的。该技能使用标准的数字图像或扫描图像捕获皮肤的细节信息,又称为皮肤纹理分析方法,将人脸皮肤上的线条、样式和斑点等明显特征读取出来,再同过一定的算法进而实现人脸识别的功能。有数据证明,联合了皮肤特征的人脸识别方法比传统技能的识别率提高了20%至25%。
  
  使用该技能的关键之处在于,需要图像具有较高的分别率。在特定条件下,研讨发现使用该识别方法,甚至能够识别出双胞胎。
  3 小结
  在国外,由BIOSCRYPT公司开发制造的脸形识别仪被称为是世界上首部真正的三维脸形识别仪,它运用了专利的光学、指标定向与影像追踪技能,和高速运算能力的识别演算法建立脸部的三维计量学与摄影追踪系统,这个系统通过获取与处理三维脸形资料方面的创新,使其得以提供实时正确的人脸识别能力,能够达到在1秒内,识别双胞胎的正确率为99.99%。
  我国的人脸识别技能与应用起步较晚,在过去的几十年间一直为国外所垄断,因国内引进技能成本较高,所以一直难以得到普及。国内真正起初做人脸识别,是在20世纪90年代。中科院生物识别研讨所的李子青教授以及下属的中科奥森公司在我国人脸识别领域一直处于领先地位,他所带领的研讨团队,最初提出了基于近红外的人脸识别技能,并将该项人脸识别技能成功应用于08年北京奥运会,得到了国际上同行业专家的认同和一致肯定。另外,汉王科技也拥有完全自主知识产权的“双目立体”人脸识别算法(Dual Sensor);深圳的飞瑞斯,近来也在推广其自主开发的人脸识别系统。它们选取了多光源进行补光的策略,从而有效解决了人脸识别中环境干扰的问题。
  随着研讨的深入及应用的普及,人脸识别技能一定会在将来大放异彩。
  参考文献:
  [1]Facial recognition system, Wikipedia [EB/OL].http://en.wikipe
  dia.org/wiki/Face_recognition#cite_note-17,2011.9.
  [2]Brunelli R,Poggio T.Face recognition:features versus templates
  [J]. IEEE Transactions on PAMI,1993,15(10):1042-052.
  [3]曹洁、葛元,基于人脸识别技能的研讨[J].网络平安技能与应用,2010年,7期:68-70.
  [4]洪子泉、杨静宇,基于奇异值特征和统计模型的人像识别算法[J].计算机研讨与发展,1994,31(3):60-65.
  [5]SAMARIA F,YOUNG S.HMM based architecture for face identificat
  Ion[J].Image and Computer Vision,1994,12(8):537-543.
  [6]Alexander M, et.Three-Dimensional Face Recognition M]. Israel Institute of Technology,2004.10.
  [7]蔡泽民、闫敬文,人脸识别:从二维到三维[J].计算机工程与应用,2011,47(11):155-159.
  [8]三维脸形识别系统,Genewell[EB/OL].http://www.genewell.net/?p=
  61#more-61,2011.9.
  
  作者简介:
  杨斌(1983-),男,硕士研讨生,研讨方向:图像处理。

转载请注明来源。原文地址:https://www.7428.cn/page/2018/1202/50098/
 与本篇相关的热门内容: