人脸识别法医学中的一些挑战(中文翻译).docVIP

人脸识别：法医学中的一些挑战 Anil K. Jain, Brendan Klare and Unsang Park 密歇根州立大学 摘要：人脸识别已经成为刑事侦查员经常使用的一种有效检验工具。和自动化人脸识别相比，法医人脸识别的需求更加迫切，因为它能够处理不理想条件下所拍摄的面部信息，并对后续法律程序肩负着重要责任。本研究讨论了自动化人脸识别领域的一些进展，他们影响到法医人脸识别的研究。讨论了法医人脸识别领域的一些研究进展，包括面部老化、面部标志、法医素描识别、录像中的人脸识别、近红外人脸识别、软生物统计学等。最后讨论了法医人脸识别研究领域当前的一些局限和未来研究的方向。 关键词：人脸识别；法医学；面部标志；老化；法医素描；录像中的人脸；无约束的人脸识别 Ⅰ、引言 人脸识别是根据人的面部特征确定其身份的一种技术。过去二十年间，自动化人脸识别得到广泛研究。它在很多应用领域能够发挥重要作用，例如访问控制、视频监视、政府发行的身份证明进行备份（例如，护照、驾驶证）。人脸识别系统通常有两种应用场景：验证和识别[1]。在验证场景中，对两张面部图像的进行测量，并确定两者是否匹配。在识别场景中，计算给定的人脸图像（probe探测图像）和大型数据库中所有的人脸图像（gallery档案图像）之间的相似性。匹配程度排名第一的图像被返回，进而确定个体身份。理想状态下，两种场景检验都可以在“关灯”模式下运行，也就是说，系统可以在无需人类参与的情况下做出身份识别。 自动化人脸识别技术的表现已经得到美国国家标准与技术研究院的一组测试的检验，他们使用FERET方法进行评估[17]。人脸识别供应商测试（The Face Recognition Vendor Test，FRVT）和人脸识别大挑战（Face Recognition Grand Challenge，FRGC）继续保持这种基准，其参与者既包含产业界，也包含学术界。在FRVT 2002[13]中，人脸图像来自正面姿势、正常光线条件下的大量档案图像（来自37437名罪犯的121589张人脸图像）。最近对FRVT 2006[4]的测试包含了验证场景；对高分辨率图片（400像素）和3D图片，表现最好的系统显示的拒绝错误率为0.01、错误识别率0.001。FRVT 2006所使用的测试图片图1所示。 图1、FRVT 2006使用的面部图像。（a）控制光线，中性表情（IPD 400相素），（b）控制光线，微笑，（c）不控制光线，微笑（IPD 400相素），（d）3D形状和肌理,IPD代表瞳孔之间的距离。 尽管在有控制的场景中自动化人脸识别系统取得了巨大成就，但是在一些特定场景和法医场景中，FRVT错误率太高，不能反映人脸识别系统的准确性。在上述场景中，对周围的照明、案犯的姿势、传感器的分辨率、压缩程度等，都不能进行严格的假设（参见图2）。CSI效应使民众对人脸识别能力的技术发展水平，留下了一种虚假的印象。与之相反，初期大量的人脸识别设备（prototype deployments）（例如2001年在坦帕举行的超级杯[33]和2006年在德国举行的Meinz火车站测试[36]）没有达到需要的匹配精度。另一方面，为数不多的人脸生物统计技术获得成功，例如澳大利亚的Smartgate[34]、香港与中国的边境控制系统[35]，它们希望使用者能够在一种约束的环境下进行合作。除了这些外部变量对人脸识别精确性的影响之外，现实世界中的法医场景还存在大量的内部变量（例如面部老化、表情和美容化妆等），它们会进一步降低识别的精度，而且通常在控制研究中也无法复制。 图2、法医学中经常遇到的人脸图像。（a）嫌疑犯照片，（b）死人的图像，（c）法医素描，（d）闭路电视框架，（e）近红外图像 法医科学，或简称法医学，都是运用科学原理去分析执法机构收集来的数据。为了证明或推翻嫌疑人的罪行，在这一领域中更加注重法律体系下的高可信度。法医学中的一些应用案例包括，包括血液飞溅分析、土壤分析、病理学、DNA鉴定、鞋印比对、潜在的指纹检查、监控录像分析。这些例子展现了法医学的数据范围，其中主要目标之一是确定嫌疑人的身份。指纹和DNA医学鉴定是法医学中最可靠、最便捷的两种识别技术，自动化人脸识别技术需要继续发展，需要探索一套工具，以确定罪犯身份，尤其是监控摄像中的罪犯身份。法医人脸识别这方面的进展，也是FBI“下一代鉴定程序”（Next Generation Identification program）的目标之一。 在法医学中，人脸识别技术历史悠久。第一篇报告发生于1871年的英国法庭，试图通过比对一些人脸图像确定罪犯。法国犯罪学家Alphonse Bwertillon在1882年研发了第一个人脸识别的系统方法。 第一篇自动化人脸识别的文章由Bled