浅谈人脸识别技术及其应用.docVIP

浅谈人脸识别技术及其应用耿艳萍（山西大学工程学院，山西 太原 030013）摘 要 浅谈人脸识别技术及其应用 耿艳萍 （山西大学工程学院，山西 太原 030013） 摘 要： 人脸识别技术是一种根据人脸视觉特征进行身份鉴定的一种生物特征识别技 术，是图像处理、模式识别等领域的研究热点，广泛应用于各种领域。文章对目前国内外人 脸识别研究中的主要方法、发展现状、存在的问题，以及人脸识别系统的应用等作了综述 报告。 关键词： 人脸识别；人脸识别系统；特征提取；模板匹配 中图分类号：TP391.41 文献标识码：A 文章编号：1000- 8136(2011)11- 0131- 03 人脸识别是基于人的脸部特征，对输入的人脸图像或者视 频流进行一种判断，首先判断其是否存在人脸，如果存在，则进 一步的给出每个脸的位置、大小等信息,并依据这些信息来提取 每个人脸中所蕴含的身份特征，将其与已知的人脸进行对比，从 而识别每个人脸的身份。广义的人脸识别实际包括构建人脸识 别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸 识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指 通过人脸进行身份确认或者身份查找的技术。 当前很多国家展开了有关人脸识别的研究，主要有美国等 欧洲国家以及日本，著名的研究机构有美国 MIT 的 Media lab，AI lab，CMU 的 Human- Computer Interface Institute，Microsoft Research， 英国的 Department of Engineering in University of Cambridge 等。 国内关于人脸自动识别的研究始于 20 世纪 80 年代，主要 的研究单位有清华大学、哈尔滨工业大学、中科院计算所、中科 院自动化所、复旦大学、北京科技大学等，并都取得了一定的成 果。国内的研究工作主要是集中在三大类方法的研究：基于几何 特征的人脸正面自动识别方法、基于代数特征的人脸正面自动 识别方法和基于连接机制的人脸正面自动识别方法。周激流实 现了具有反馈机制的人脸正面识别系统。彭辉、张长水等对“特 征脸”的方法做了进一步的发展，提出采用类间散布矩阵作为产 生矩阵，而降低了产生矩阵的维数。程永清、庄永明等对同类图 像的平均灰度图进行 SVD 分解得到特征脸空间，每一幅图像在 特征脸空间上的投影作为其代数特征，然后利用层次判别进行 分类，张辉、周洪祥、何振亚采用对称主元分析神经网络，用去冗 余和权值正交相结合的方法对人脸进行特征提取和识别；北京 科技大学的王志良教授主要研究人工心理，建立了以数学公式 为基础的心理学模型。 1 人脸识别技术 1.1 人脸识别研究中的主要方法 综合国内外研究现状及有关文献，目前人脸识别的方法主 要集中在以下几个方面： 1.1.1 模板匹配 主要有两种方法，固定模板和变形模板。固定模板的方法是 首先设计一个或几个参考模板，然后计算测试样本与参考模板 之间的某种度量，以是否大于阈值来判断测试样本是否为人脸。 元素：①手工构造参数化的曲线和曲面以表征人脸中的某些非固 定特征；②系统自动生成自适应的曲线或曲面，以构成变形人脸 模板。检测方法是：将模板与测试图像进行弹性匹配，并加入惩罚 机制，利用某种能量函数表示匹配程度。 1.1.2 示例学习 示例学习的基本思想是从某一概念的已给正例和反例的集 合中归纳产生出接受所有正例同时排斥所有反例的该概念的一 般规则。将人脸样本和非人脸样本送入学习机中，产生出判别规 则，从而用于判断输入的测试图像是否属于人脸的主要判别依 据。为了获得较高的精度，学习过程需要大量的样本，另外样本数 据本身是高维矢量，因此，研究通用而有效的学习算法的关键是 精确的区分性和数据维数的降低。将多个表示人脸模式的线性空 间进行组合，是示例学习的另一条途径。 1.1.3 神经网络 从本质上讲，神经网络也是一种基于样本的学习方法。将神 经网络用于人脸检测取得了很大的进展。MIT 的学者首先对人脸 样本集和非人脸样本集聚类，以测试样本与人脸样本集和非人脸 样本集的子类之间的距离作为分类的度量，利用多层感知器 （MLP）网络作为分类器。CMU 的研究人员直接以图像作为神经 网络的输入，设计了一个具有独特结构的适用于人脸特征的神经 网络分类器，并通过前馈神经网络对检测结果优化。 1.1.4 基于隐马尔可夫模型的方法 马尔可夫模型是一个离散时序有限状态自动机，隐马尔可夫 模型（HMM）是指这一马尔可夫模型的内部状态在外界不可见， 外界只能看到各个时刻的输出值。对于人脸模式来说，我们可以 把它分成前额、眼睛、鼻子、嘴巴和下巴这样一个序列。人脸模式 就可以通过对这些区域的有序的识别来检测，这正好是隐马尔可 夫