人脸识别研究进展.pdfVIP

第9 卷 第 1 期 电路与系统学报 Vol. 9 No. 1 2004 年 2 月 JOURNAL OF CIRCUITS AND SYSTEMS February ， 2004 文章编号：1007-0249 (2004) 01-0085- 10 * 人脸识别研究进展 1 1 2 刘党辉 ， 沈兰荪 ， Kin-Man Lam （1. 北京工业大学 信号与信息处理研究室，北京100022； 2. Centre for Multimedia Signal Processing, The Hong Kong Polytechnic University, Hong Kong ） 摘要：近 10 多年来，人脸识别技术在各种应用的推动下发展很快。而近几年中，为避免各种实际应用环境的限 制，非约束环境下的人脸识别也得到了很大的发展。本文概述了人脸识别的一些主要方法，讨论了影响人脸识别的几 个主要因素及其处理方法以及基于视频的人脸识别技术，最后指出了鲁棒的人脸识别技术的研究方向和发展前景。 关键词：非约束环境；人脸识别；人脸特征；形变模型；视频序列 中图分类号：TP391 文献标识码：A 1 导言 [ 1] 近 10 多年来, 人脸识别的研究有了很大进展 。与指纹、虹膜、语音等其他人体生物特征相比， 人脸识别更加直接、友好，在身份识别、访问控制、视频会议、档案管理、电子相册、基于对象的图 像和视频检索等方面有着广泛的应用，是当前模式识别和人工智能领域的一个研究热点。目前，国内 外多所大学和研究机构已研制出一些较好的人脸识别原型系统，一些较成熟的商业人脸识别系统也已 投入应用。但是，影响人脸识别性能的因素很多，包括光照、姿态、表情、性别、年龄、遮挡、图像 [2,3] 分辨率、成像噪声等等。近年来对人脸识别原型系统和商业系统的FERET 和 FRVT 测试表明 ：对 约束环境下采集的图像（在对象配合的情况下拍摄的正面、中性表情、无遮挡、光照均匀的高质量人 脸像片），识别率可达到95% 以上（FERET 数据库）；但在非约束环境下（包括上述光照、姿态等多种 变化因素），识别率将急剧下降。因此，非约束环境下的人脸识别也逐渐受到广泛的研究。 2 人脸识别方法 早期的研究者采用一些简单的人脸几何特征，如眼中心处对应的眉毛的位置和厚度、眉毛的弧度、 嘴的宽高、脸的宽度等识别人脸，这称为基于几何特征的识别方法。另一种方法是通过计算输入图像 与库中图像的相关程度来识别人脸。基于几何特征的方法需要提取准确的人脸特征，对图像质量要求 较高，使其应用受到较大限制。基于模板的整体匹配思想，近年来很多新的方法获得了发展。 2. 1 子空间方法 常用的线性子空间方法有：本征子空间、区别子空间、独立分量子空间等。此外，还有局部特征 分析法、因子分析法等。这些方法也分别被扩展到混合线性子空间和非线性子空间。 [4] Turk 等 采用本征脸（Eigenfaces ）方法实现人脸识别。由于每个本征矢量的图像形式类似于人脸， 所以称本征脸。对原始图像和重构图像的差分图像再次进行K-L 变换，得到二阶本征空间，又称二阶 [5] [6] 本征脸 。Pentland 等 提出对于眼、鼻和嘴等特征分别建立一个本征子空间，并联合本征脸子空间的 [7] 方