段佳寧

摘 要：人臉檢測(cè)，是從被測(cè)圖像中檢測(cè)出是否含有人臉，若含有人臉，就進(jìn)一步給出人臉的位置、大小等信息的一種技術(shù)，是人臉跟蹤、身份識(shí)別等應(yīng)用功能的基礎(chǔ)。本文簡(jiǎn)單介紹了人臉檢測(cè)技術(shù)的發(fā)展現(xiàn)狀與功能特點(diǎn)，以及詳細(xì)介紹了人臉檢測(cè)的實(shí)現(xiàn)過(guò)程包括采集樣本、特征提取、建立模型和測(cè)試等幾個(gè)步驟，提出了在人臉檢測(cè)過(guò)程中存在的人臉的相似性、角度和圖像質(zhì)量等一些局限性，并針對(duì)這些局限性總結(jié)了一些改善和解決辦法，例如樣本處理、構(gòu)建立體模型等，最后對(duì)人臉檢測(cè)的發(fā)展和應(yīng)用進(jìn)行了展望。

關(guān)鍵詞：人臉檢測(cè)；樣本采集；特征提?。浑S機(jī)森林

中圖分類號(hào)：TP391.4 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-2064（2018）22-0040-02

人臉識(shí)別技術(shù)，已經(jīng)廣泛應(yīng)用于安保、金融、社保、考試、考勤等領(lǐng)域，尤其是從iPhone X手機(jī)的人臉解鎖開始，很多帶攝像頭的智能手機(jī)都增加了人臉解鎖的功能，在使用中大大提高了便利性。隨著人們生活水平的提高和應(yīng)用領(lǐng)域的進(jìn)一步拓展，人們對(duì)人臉識(shí)別技術(shù)的速度、準(zhǔn)確度和安全等方面有了更高的要求。人臉識(shí)別是將靜態(tài)圖像或視頻圖像中檢測(cè)出的人臉圖像與數(shù)據(jù)庫(kù)中的人臉圖像進(jìn)行對(duì)比，從中找出與之匹配的人臉的過(guò)程，以達(dá)到身份識(shí)別與鑒定的目的[1]。人臉檢測(cè)是整個(gè)人臉識(shí)別系統(tǒng)的初始階段和關(guān)鍵環(huán)節(jié)，只有快速、準(zhǔn)確地檢測(cè)出人臉，才能對(duì)其進(jìn)行進(jìn)一步的人臉跟蹤和身份識(shí)別等。所以，理解人臉檢測(cè)的實(shí)現(xiàn)過(guò)程和特點(diǎn)，提高檢測(cè)速度和準(zhǔn)確度，對(duì)人臉識(shí)別系統(tǒng)的發(fā)展和應(yīng)用有著十分重要的意義。

1 人臉檢測(cè)的發(fā)展與特點(diǎn)

1.1 人臉檢測(cè)的發(fā)展

國(guó)外的人臉檢測(cè)技術(shù)發(fā)展較早，現(xiàn)在也有很多機(jī)構(gòu)從事此方面的研究，比較著名的有MIT、CMU等；國(guó)內(nèi)的清華大學(xué)、中科院計(jì)算所和自動(dòng)化所等一些大學(xué)和研究機(jī)構(gòu)也長(zhǎng)期進(jìn)行著人臉檢測(cè)相關(guān)的研究。隨著人臉檢測(cè)研究的深入，國(guó)際上發(fā)表的有關(guān)論文數(shù)量也大幅度增長(zhǎng)，如IEEE的FG、ICIP、CVPR等重要國(guó)際會(huì)議上，每年都有大量關(guān)于人臉檢測(cè)的論文，占有關(guān)人臉研究論文的1/3之多，由此可以看到世界對(duì)人臉檢測(cè)技術(shù)的重視[2]。

1.2 人臉檢測(cè)的特點(diǎn)

（1）非強(qiáng)制性：人臉檢測(cè)不需要被檢測(cè)對(duì)象的配合，即可自動(dòng)完成采集人臉圖像并進(jìn)行分析。（2）并發(fā)性：人臉檢測(cè)可以同時(shí)對(duì)一個(gè)圖像中含有的多個(gè)人臉進(jìn)行分析判斷。（3）非接觸性：人臉檢測(cè)從采集人臉圖像到完成檢測(cè)的整個(gè)過(guò)程中，都不需要與被檢測(cè)對(duì)象發(fā)生接觸，隨著硬件設(shè)備的進(jìn)步，可以在更遠(yuǎn)的距離完成人臉檢測(cè)。

2 人臉檢測(cè)的實(shí)現(xiàn)過(guò)程

人臉檢測(cè)一般分為以下四個(gè)步驟：采集樣本，提取特征，建立模型，測(cè)試模型。人臉檢測(cè)首先要對(duì)圖像進(jìn)行預(yù)處理，主要是利用中值濾波、直方圖均衡等方法對(duì)人臉圖像的對(duì)比度、光線強(qiáng)度、噪聲、方向、距離等進(jìn)行處理，得到大小、質(zhì)量相近的人臉圖像。

2.1 采集樣本

人臉檢測(cè)需要學(xué)習(xí)大量關(guān)于人臉圖像的正、負(fù)樣本，通過(guò)給出的正樣本和負(fù)樣本的集合中歸納產(chǎn)生出接受所有正樣本同時(shí)排除所有負(fù)樣本的規(guī)則，以實(shí)現(xiàn)系統(tǒng)對(duì)人臉圖像的精確判斷以及進(jìn)一步分析處理，如圖1所示。

在人臉檢測(cè)的訓(xùn)練過(guò)程中，正負(fù)樣本的采集同樣重要。采集正樣本，即圖像中包含不同性別、年齡、表情、角度、光照等條件下的不同人臉。采集的正樣本數(shù)量保證在萬(wàn)張級(jí)別，并對(duì)采集到的正樣本進(jìn)行篩選，剔除模糊、面部不完整等不符合要求的樣本。負(fù)樣本的采集簡(jiǎn)單說(shuō)就是采集那些不包含人臉的圖像，采集的負(fù)樣本與正樣本保持同一數(shù)量級(jí)。另外，為了提高訓(xùn)練效率，負(fù)樣本的選取應(yīng)與目標(biāo)場(chǎng)景相關(guān)。例如，如果要進(jìn)行火車候車室這類特定場(chǎng)景的人臉識(shí)別，那么負(fù)樣本就應(yīng)該是與候車室有關(guān)的列車時(shí)刻表、椅子、檢票口、柜臺(tái)等場(chǎng)景圖片。

2.2 提取特征

特征提取是決定人臉檢測(cè)成功率的重要步驟。特征提取的算法好，可以提高檢測(cè)的速度、準(zhǔn)確性和模型的泛化效果。在選擇特征的過(guò)程中要去掉不相關(guān)的特征和避免特征之間的相互依賴。提取人臉特征就是利用人臉的幾何特征、代數(shù)特征等建模的過(guò)程?；诿娌科鞴俚奶卣魈崛》椒?，是根據(jù)人臉器官的形狀和之間的距離等數(shù)據(jù)作為檢測(cè)人臉的特征?；谀０宓奶卣魈崛》椒ǎ窍榷x一個(gè)或者多個(gè)標(biāo)準(zhǔn)人臉模板，然后將采集的數(shù)據(jù)樣品與標(biāo)準(zhǔn)人臉模型進(jìn)行匹配，并利用閾值來(lái)判斷是否存在人臉[3]，如圖2所示。

2.3 建立模型

將上述采集到的樣本集以及特征輸入到?jīng)Q策樹中，將生成決策樹的參數(shù)，包括每棵決策樹的深度以及決策樹棵數(shù)等。通過(guò)對(duì)樣本多次重采樣的方式，將得到多（n）顆決策樹，即構(gòu)成隨機(jī)森林，由隨機(jī)森林中的每棵決策樹參與投票，之后依據(jù)少數(shù)服從多數(shù)的原則生成隨機(jī)森林的結(jié)果，也就是最終的分類結(jié)果。

2.4 進(jìn)行檢測(cè)

取一部分未知屬性的圖片，輸入到上述訓(xùn)練出來(lái)的模型中，對(duì)得到的結(jié)果進(jìn)行分類。對(duì)于正樣本漏檢的和負(fù)樣本誤檢的圖像，分析采集的樣本與特征以及模型的參數(shù)，不斷調(diào)整優(yōu)化，直至正確檢出率達(dá)到設(shè)定值為止。

3 人臉檢測(cè)的不足與改善

3.1 人臉檢測(cè)技術(shù)的局限性

人臉檢測(cè)技術(shù)雖然獲得了較大的發(fā)展，但是還存在一些局限性，影響了檢測(cè)的準(zhǔn)確度及速度。主要有以下幾方面：

（1）人臉的相似性及漸變性：長(zhǎng)相接近的兩人或者隨著年齡增長(zhǎng)臉部特征發(fā)生變化，影響人臉識(shí)別的準(zhǔn)確度。（2）圖像質(zhì)量和遮擋物的干擾：圖像分辨率低或者人臉上的眼鏡、化妝等導(dǎo)致識(shí)別率降低。（3）人臉的角度和光線的變化：人臉的不同角度包含的特征不一樣，包括光線的強(qiáng)弱變化也都會(huì)影響人臉的檢測(cè)效果。（4）隱私問(wèn)題：由于人臉檢測(cè)的非強(qiáng)制性和非接觸性特點(diǎn)，被檢測(cè)人往往在不知情的情況下，自己的人臉特征和個(gè)人信息就被第三方采集利用。

3.2 改善人臉檢測(cè)技術(shù)的局限性的方法

3.2.1 樣本處理

在樣本采集之前，針對(duì)應(yīng)用的場(chǎng)景不同，對(duì)樣本的圖像進(jìn)行人工的篩選，確保篩選出的正、負(fù)樣本的數(shù)量基本平衡，減少某一樣本的錯(cuò)誤率，同時(shí)采用合理方法，提升訓(xùn)練效果。

3.2.2 構(gòu)建立體模型

人臉是一個(gè)三維的空間結(jié)構(gòu)，利用相關(guān)算法將一個(gè)人不同角度的臉部圖像合成為三維模型結(jié)構(gòu)，通過(guò)對(duì)三維結(jié)構(gòu)的比對(duì)可以較大程度地提高準(zhǔn)確度。目前許多新的提取人臉特征的算法比以前的算法有了較大的優(yōu)化，更加的科學(xué)合理，其中最突出的就是結(jié)合3D人臉信息的特征點(diǎn)提取技術(shù)?；诖鷶?shù)特征的識(shí)別方法是目前在實(shí)際應(yīng)用中使用得最多的一類方法，其主要原因是由于代數(shù)特征矢量（即人臉圖像在特征空間的投影結(jié)果）對(duì)角度、表情等因素都具有一定的穩(wěn)定性[4]。

3.2.3 層次分析

如果將人臉圖像的每一幀都進(jìn)行細(xì)致的數(shù)據(jù)處理能夠提高檢測(cè)的準(zhǔn)確度，但是卻大大延長(zhǎng)了檢測(cè)時(shí)間，降低了檢測(cè)效率，使其在檢測(cè)速度方面失去作用。所以，對(duì)檢測(cè)數(shù)據(jù)處理應(yīng)分層次進(jìn)行，首先確定人種、性別、年齡段等大致范圍，再具體到五官特征，最后進(jìn)行具體細(xì)節(jié)的比對(duì)分析，這樣可以兼顧人臉檢測(cè)的速度和準(zhǔn)確度。

3.2.4 清除無(wú)關(guān)因素

人臉檢測(cè)采集的人臉圖像四周不可避免會(huì)出現(xiàn)檢測(cè)對(duì)象所處環(huán)境等背景因素，在進(jìn)行檢測(cè)比對(duì)之前應(yīng)首先消除這些因素的影響，將其忽略，這樣則可以進(jìn)一步提高檢測(cè)速度。對(duì)于圖像的預(yù)處理就是通過(guò)人工干預(yù)，提高采樣和建立模型的效率，降低光照和姿態(tài)等對(duì)人臉檢測(cè)的影響。

4 總結(jié)與展望

人臉檢測(cè)技術(shù)的準(zhǔn)確率和可靠性在某些領(lǐng)域暫時(shí)還達(dá)不到要求，現(xiàn)階段的應(yīng)用主要是利用機(jī)器的優(yōu)勢(shì)替代人做一些人臉檢測(cè)方面的簡(jiǎn)單重復(fù)性工作，用以提高工作效率，降低勞動(dòng)強(qiáng)度。

人臉檢測(cè)不同于其他傳統(tǒng)識(shí)別模式，人臉圖像較為復(fù)雜，包含的層次信息豐富，數(shù)據(jù)維數(shù)高。目前人臉檢測(cè)的算法很多，通過(guò)優(yōu)化算法，在不減少提取的數(shù)據(jù)量的情況下提高檢測(cè)速度，可以通過(guò)隨機(jī)森林、深度學(xué)習(xí)的方法，不斷提升其判斷的準(zhǔn)確率、容錯(cuò)性等。隨著人工智能、機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺(jué)等軟硬件技術(shù)的不斷發(fā)展，人臉檢測(cè)系統(tǒng)必將滿足并且超過(guò)人類的需求，逐漸擴(kuò)展到其他更多的應(yīng)用領(lǐng)域，實(shí)現(xiàn)更大的社會(huì)價(jià)值和經(jīng)濟(jì)效益。

參考文獻(xiàn)

[1]吳巾一，周德龍.人臉識(shí)別方法綜述[J]，計(jì)算機(jī)應(yīng)用研究，2009，26（9）：3205-3209.

[2]余孟杰.基于小波變換圖像融合算法的人看檢測(cè)[D].浙江工業(yè)大學(xué)，2009.

[3]徐曉艷.人臉識(shí)別技術(shù)綜述[J].電子測(cè)試，2015，（5X）：885-894.

[4]孔祥棟.基于膚色和AdaBoost算法人臉檢測(cè)的研究[D].燕山大學(xué)，2010.