人脸检测与识别【荐】.pptVIP

第9章 人脸检测与识别 人脸识别是一个活跃的研究领域，是人类视觉最杰出的能力之一。 虽然人脸识别的准确性要低于虹膜、指纹识别，但由于它的无侵害性和对用户最自然、最直观的方式，使人脸识别成为最容易被接受的生物特征识别方式。 （一）发展历史 人类天生就有通过人脸来辨识人的能力。 1888年和1910年，Galton在《Nature》上发表过两篇关于利用人脸进行身份识别的论文，开启了人脸识别的学术和应用研究。 人脸识别研究大致可分为三个阶段 第一阶段：1965-1990年，初级阶段 第二阶段：1991-1997年，活跃的重要时期 第三阶段：1997-现在，实用化研究时期 （1）第一阶段：1965-1990 将人脸识别作为一个一般性的模式识别问题来研究； 采用的主要技术方案：基于几何结构特征的人脸识别方法； 非常重要的研究成果不多，基本没有得到实际应用。 （2）第二阶段：1991-1997 出现了代表性的人脸识别算法： MIT媒体实验室的特克（Turk）和潘特兰德（Pentland）提出的“特征脸”方法，是这一时期内最负盛名的人脸识别方法。 MIT人工智能实验室的布鲁内里(Brunelli)和波基奥(Poggio)于1992年左右做的一个对比实验，他们对比了基于结构特征的方法与基于模板匹配的方法的识别性能，并给出了一个比较确定的结论：模板匹配的方法优于基于特征的方法。 贝尔胡米尔（Belhumeur）等提出的Fisherface人脸识别方法 ，该方法目前仍然是主流的人脸识别方法之一，产生了很多不同的变种，比如零空间法、子空间判别模型、增强判别模型、直接的LDA判别方法以及近期的一些基于核学习的改进策略。? MIT的马哈丹(Moghaddam)则在特征脸的基础上，提出了基于双子空间进行贝叶斯概率估计的人脸识别方法 （2）第二阶段：1991-1997 洛克菲勒大学(Rockefeller?University)的艾提克(Atick)等提出了人脸局部特征分析技术（LFA），其本质上是一种基于统计的低维对象描述方法，与只能提取全局特征而且不能保留局部拓扑结构的PCA相比，LFA在全局PCA描述的基础上提取的特征是局部的，并能够同时保留全局拓扑信息，从而具有更佳的描述和判别能力。LFA技术已商业化为著名的FaceIt系统。 柔性模型(Flexible?Models) ，包括主动形状模型(ASM)和主动表观模型(AAM)是这一时期内在人脸建模方面的一个重要贡献 ； 美国军方组织了著名的FERET人脸识别算法测试； 商业化运作的人脸识别系统，如Visionics（现为Identix）的FaceIt系统。 （3）第3阶段：1997-至今 基奥盖蒂斯 (Georghiades) 等人提出的基于光照锥?(Illumination?Cones)?模型的多姿态、多光照条件人脸识别方法是这一时期的重要成果之一； 支持向量机为代表的统计学习理论被应用于人脸识别中； 布兰兹(Blanz)和维特(Vetter)等提出的基于3D变形(3D?Morphable?Model)模型的多姿态、多光照条件人脸图像分析与识别方法是这一阶段内一项开创性的工作。 2001年的国际计算机视觉大会(ICCV)上，康柏研究院的研究员维奥拉(Viola)和琼斯(Jones)展示了一个基于简单矩形特征和AdaBoost的实时人脸检测系统，在CIF格式上检测准正面人脸的速度达到了每秒15帧以上 ； FERET项目之后，涌现了若干人脸识别商业系统。 非线性建模方法、统计学习理论、基于Boosting的学习技术、基于3D模型的人脸建模与识别方法等逐渐成为备受重视的技术发展趋势。 （二）人脸公共数据库 FERET人脸数据库：FERET项目创建，含14051幅多姿态、不同光照条件的灰度人脸图像，是人脸识别领域应用最广泛的人脸数据库之一； ORL人脸数据库：包含40人共400张面部图像，部分图像包含了姿态、表情和面部饰物的变化，早期经常被采用，由于变化模式较少，多数系统识别率均可达90%以上； MIT人脸数据库：由麻省理工媒体实验室创建，包含16位志愿者的2592张不同姿态、光照和大小的面部图像； AR人脸数据库：包含116人不同光照、表情、遮挡和老化的人脸图像共3288幅； （二）人脸公共数据库 Yale人脸数据库：由耶鲁大学计算视觉与控制中心创建，包含15为志愿者的165张图片，包含光照、表情和姿态的变化。 CMU-PIE人脸数据库：由美国卡耐基梅隆大学创建，包含68人的41368张多姿态、光照和表情的面部图像； CAS-PEAL人脸数据库：包含1040名中国人共99450幅头肩部图像，涵盖姿态、表情、饰物和光照四种主要变化条件，部分人脸图像具有背景、距离和时间跨度的变化。 （三）研究和发展