第五章结论与未来方向.PDFVIP

第五章 結論與未來方向 5.1 結論 本研究嘗試不全以負面的觀點來看待配戴眼鏡對人臉辨識的影響。吾人建立了一套偵測 系統 ：包含眼鏡偵測定位 ，以及人臉之眼、鼻、口等特徵之搜尋定位。在這套系統的實 驗下 ，吾人可發現 ：眼鏡這樣的非自然物 ，配合正確的處理方式之情況下 ，對於區域人 臉辨識是有可能扮演著正面角色的。 在區域人臉辨識的過程中 ，偵測部份是整個辨識的一個重要關鍵 ：因為偵測人臉及 其特徵位置是最為耗時、困難，亦為所需花費代價最高的一個環節[13-15]。而在大多 數的研究中 ，眼睛成為尋找人臉的關鍵指標 ：無論其採取的方式、演算法為何 ，當眼睛 能在複雜的條件、背景中被尋獲後 ，人臉的其它五官特徵、甚或是整個人臉的輪廓位置 即可被描繪出來。因此對五官特徵正確的搜尋與定位，是使之後的區域人臉特徵辨識能 有良好結果的重要因素。 而在本研究中，眼鏡的正確偵測能使得其後的人臉特徵偵測有著極高的搜尋成功 率 ，也由此可推論 ：眼鏡的存在的確對於區域人臉辨識有著極大的幫助 ，因系統能夠藉 由它，快速地縮小範圍、定位人眼可能存在的位置 ；並且藉由五官相對位置的規律 ，有 效率地、且在不花費極大代價的情況下，偵測出所有的人臉特徵。 52 而在全域比對法方面 ：吾人進行了數項實驗 ，來評估外來物(眼鏡)對全域模式的 人臉辨識演算法之影響程度。而綜合第四章中所述的第一類實驗(結果見附錄一)， 吾人可發現屬於外來 、非自然物的眼鏡，對於全域分析法是有絕對、且重大影響的。 由於全域人臉辨識將整個人臉所有部份皆看為是表示該人臉的一部份資料，因此配 戴在人臉上的眼鏡亦當然成為資料數據之一。自實驗中可發現：不論是 ICA 或是 PCA 演算法 ，在配戴眼鏡與否的相互辨識成功率皆不足50% ；也因此可確定 ，眼鏡的確影響 了辨識中代表人臉資料的人臉特徵值 ，也導致比對數據的拉大、辨識成功率的降低。所 以眼鏡的確為全域的人臉辨識帶來了負面的影響。 但，是否吾人該因此而朝降低此因素的方向來強化全域辨識的效能呢？吾人透過第 四章中所述的第二類實驗(結果見附錄二)結果發現，此舉並非有絕對的必要性 ：因為在 影響全域人臉辨識的因素中，亮度與角度的影響程度，似乎又不見低於配戴眼鏡的情 形。若在這個實驗的結果中 ，多數測試圖的比對情形皆無法命中目標圖的話 ，吾人可因 此斷定眼鏡將是左右全域人臉辨識的最重要因素 ；然而 ，實驗的結果與數據是恰與之相 反的。故吾人推論 ，在實現全域人臉辨識的過程中 ，亮度與角度是凌駕人臉非自然物的 重要干擾因素。 在[36,37] 中，作者付出不小的代價在消去人臉影像中眼鏡的步驟。就如 1.3 節所提 到的 ：它們有著雷同的萃取方式–分別以兩種相似卻不完全相同的影像樣本，讓系統作 學習或比較 ；而會如此行的目的 ，亦因它們有著相同的動機–移除所偵測到的眼鏡 ，達 53 到提昇人臉辨識效能的目標。然而按吾人的實驗結果來看，眼鏡的確不完全是降低人臉 辨識效能的物件；即便對辨識有著負面的影響 ，影響的程度亦不見得較其它因素來得 大。因此，讓系統作移除眼鏡的運算 ，在樣本數不高的實驗情況或許可以接受 ；但若在 資料庫含有大筆樣本的系統中 ，此舉不但將增加系統的時間複雜度 ，也會降低辨識系統 的實用性。 再者，機器視覺(Computer Vision)發展的動機之一，即在於使機器能夠學習人類視 覺辨識的方式。而在人類辨別他人的自然辨證機制中 ，戴眼鏡似乎亦可能是某人的特徵 之一；將眼鏡自原始影像中移除再作辨識，似乎亦與合乎自然辨識模式的動機相去甚遠。 5.2 未來方向 在區域比對方面。首先可以考慮多項改善眼鏡偵測的方法： 反光效應的持續改善是項重要的課題。因為有效地消除反光效應，將能夠提高眼鏡 區域定位的準確性。現行以對邊點周圍的鄰點強度作比較來作效應的消除 ，但不論是取 其均值或是極值 ，甚或是擴大或縮小鄰點考慮的範圍 ，其消除反光效應的效果皆不很明 顯 ；這也與高灰階值的邊點不知是否屬於鏡框有關 ，故在研擬其演算法較為不易。可考 慮結合邊點屬性、或材質分析來作改善。此外 ，在偵測眼鏡前 ，對人臉影像的前處理也 可作不同形態處理(Morphological Processing)的改善