人脸识别的认知思考(自然科学类).docVIP

作者简介：胡伟平，男，1979年5月出生，湖北省仙桃市人，讲师，西南大学逻辑与智能研究中心逻辑学专业在读博士，西南大学育才学院理工学院副院长。 人脸识别的认知思考 胡伟平1，2, 邓辉文 1 （1．西南大学逻辑与智能研究中心，重庆400715； 2．西南大学育才学院， 重庆401524） 摘要：本文首先对人脸识别和人脸认知这两个领域的研究现状进行了简单的介绍，之后针对如何在人脸识别中应用人脸认知中的结论给出了两点思考，最后结合学界关于机器智能的争论重点讨论了人脸识别算法的研究方向问题。 关键字： 人脸识别 人脸认知 机器智能 On Face Cognition and Face Recognition Hu Weiping1,2 Deng Huiwen1 (1. Institute of Logic and Intelligence, Southwest University, Chongqing 400715; 2. Southwest University Yucai College, Chongqing 401524) Abstract: In this paper, current research on face cognition and face recognition is briefly summarized. firstly. Then two thoughts on how to apply achievements in face cognition research to face recognition research is proposed. Finally, dispute on machine intelligence and the research direction of face recognition algorithm are discussed as an important aspect. Key words: face cognition, face recognition, machine intelligence 一、引言 人脸识别一直是生物识别领域的研究热点，在计算机、数学、电子、自动化、虚拟现实、图像处理和模式识别等学科都有广泛的研究，同时在公安刑侦、门禁系统、摄像监视系统及网络应用等方面有着十分光明的应用前景，但是同时人脸识别也被认为是生物特征识别领域甚至人工智能领域最困难的研究课题之一。人脸识别的困难主要是由人脸本身的特征造成的，首先，人脸的结构都基本相似，个体之间的区别不大；其次，人脸的非刚性特点使得在不同表情下人脸的变化很大，另外，人脸识别还受光照条件、遮盖物、年龄等多方面因素的影响。 人脸识别最重要也是最核心的部分在于人脸特征的提取，目前人脸特征的提取主要有以下三类：基于人脸几何特征、基于人脸统计特征、基于人脸频率域特征。基于几何特征的方法通常情况下需要进行手工标点，不符合实时识别的要求，同时使用有限的特征点来代表人脸图像，会丢失掉细节数据；基于人脸统计特征研究最为广泛，比如著名的PCA方法[1]就属于这类，但是这类方法都是基于图像整体特征，很容易受到光照、角度等的影响，同时计算量偏大；基于人脸频率域特征的研究是目前研究较为集中的领域，其中最出名的就是Gabor小波方法，这类方法的计算量也偏大。 如何把人脸识别成功应用于生产生活取决于两点，一个是计算量的降低，满足现场检测实时性的要求，另一个是识别率的提高。而要想达到这两点，笔者认为光从技术层面是不够的，有必要从认知科学的角度来考虑人脸识别的问题。 二、人脸认知的研究现状 人脸的认知研究目前主要包括人脸认知中特征和结构信息的作用规律、跨种族效应以及儿童人脸认知发展规律等三个方面研究。 大多数理论认为人脸的信息分为结构信息和特征信息[2-6]。结构信息指的是人脸主要器官之间的空间关系。特征信息指的是人脸主要器官的结构和形状[7-8]。结构信息和特征信息在人脸认知中的作用是这些理论争议的重点。关于结构信息和特征信息的理论主要有三种：人脸整体加工的理论[9]、人脸认知的多维空间理论[10]以及人脸认知两种模式理论[11]。目前对人脸反转效应的研究多数支持人脸认知两种模式理论，但是也有少部分支持人脸整体加工理论[12-15]。 人脸认知中的跨种族效应(cross—race effect)是指人们对本种族人脸的辨认绩效往往高于对其他种族人脸辨认的绩效。比如Brigham在1986年的实验表明：无论黑人被试还是白人被试均表现出对本种族人脸的辨认绩效要高于对其他种族人脸的辨认[16]。国外对跨种族效应机制的解释主要有以下观点[11]：(1)人们对本种族人