張哲豪
摘 要:人臉識別技術在各行各業(yè)都有著廣泛的應用,人臉識別是指通過對個人的面部輪廓比較和分析識別人的技術。人臉識別技術包括有人臉特征提取、人臉檢測識別和人臉驗證等方面,將待識別的圖像與數(shù)據(jù)庫的儲備圖像進行匹配,從而識別人的身份,本文對一些主要的人臉識別技術進行介紹并探究其發(fā)展。
關鍵詞:人臉識別 面部輪廓 特征提取 匹配
引言
人臉識別技術具有非常多的優(yōu)勢:不需要人工操作,是一種非接觸的識別技術;快速、簡便、準確;性價比高、方便使用、魯棒性好。人臉識別技術具有巨大的應用價值,比如應用在刑事偵破案件、出入口和出入境控制、檔案管理系統(tǒng)和智能支付領域等。人臉識別的主要技術包含三個方面:人臉檢測、人臉跟蹤和人臉匹配。現(xiàn)有人臉識別系統(tǒng)主要用于安全監(jiān)控等場合,通常是小規(guī)模封閉的系統(tǒng),其也可以用于人機交互、跟蹤監(jiān)控、身份識別等領域。用于人臉識別的方法有很多,基于特征臉的人臉識別方法、幾何特征的人臉識別方法、神經(jīng)網(wǎng)絡的人臉識別方法、彈性圖匹配的人臉識別方法和線段Hausdorff距離的人臉識別方法等。
1 人臉識別的發(fā)展歷程
學者們意識到人臉識別的重要性是在20世紀60年代末,人臉識別的發(fā)展歷程可以歸為三個階段:第一階段是在60年代末到70年代初,學者Bladsoe首先建立出了人臉識別系統(tǒng),他以人臉特征點的比率、間距等參數(shù)作為提出的特征點;第二階段是在90年代初,隨著計算機科學與技術的迅速發(fā)展,人臉識別的研究向整體識別和部件分析相結合的方向發(fā)展;第三階段是90年代末期,人臉識別技術被應用于商業(yè)市場。
人臉識別技術從提出到現(xiàn)在已有50多年歷史了,人臉識別技術越來越成熟,各種新的算法不斷涌現(xiàn),可謂碩果累累。但是,每種算法實現(xiàn)的環(huán)境都不一樣,要求也不一樣。人臉識別的主要技術包含三個方面:人臉檢測、人臉跟蹤和人臉匹配,這三個方面的完美結合仍然是學者們有待發(fā)展和研究的方向,以期可以服務更多領域、解決更多難題。
2 人臉識別系統(tǒng)
人臉識別系統(tǒng)研究的內容包括人臉檢測、人臉表征、人臉識別、面部表情和生理分類這五個方面。
人臉檢測這部分主要就是在不同情形中找出人臉所在坐標和人臉占有的面積區(qū)域,這種方法遇到的問題就是需要考慮光照強度、圖像噪點、臉部大小、情緒、圖片質量等對人臉檢測的影響。人臉表征是提取人的面部特征,確定檢測的人臉和數(shù)據(jù)庫中已存在的人臉描述方式,通過幾何特征、代數(shù)特征或機器學習理論等方法進行提取。人臉識別就是將人的面部特征與人臉特征庫進行匹配發(fā)出結果,核心是匹配的算法。面部表情就是需要分析其情緒代表的含義。最后生理分類是需要通過分析得出人的性別、年齡、種族等信息。
3 人臉識別方法分類
3.1 以幾何特征為基礎的研究
Bledsoe是最1早以幾何特征為基礎進行研究的學者,這種研究識別出人臉圖像的面部特征點,通過測量的歐氏距離得出人面部特征矢量,找出匹配的人臉。這種方法的基本原理非常容易理解,只需要找出人面部的特征矢量就可以實現(xiàn)匹配,不占內存,對光照的敏感度也較低。這種方法的缺陷是提出穩(wěn)定的特征矢量比較難,同時識別率也比較低。
3.2 以代數(shù)特點為依據(jù)的研究
這種方法是基于代數(shù)特征圖像的像素變換投影空間,采用基本圖像對人臉圖像進行線性編碼,最典型的理論工具就是主成分分析法。將主成分分析法引入人臉識別領域,通過對數(shù)據(jù)進行分析,使用線性編碼來進行人臉識別過程的匹配。這種方法的優(yōu)點就是降低了特征空間維數(shù)的樣本。
3.3 以機器學習理論為原理的研究
以機器學習理論為原理的人臉識別研究是通過使用統(tǒng)計分析和機器學習技術來獲取信息的。獲得的信息存在于確定的分布之中,并通過算法、模型和判別函數(shù)來進行人臉圖像的識別,這種分類器涵蓋了SVM、Hidden Markov等多種綜合開發(fā)系統(tǒng)技術。
4 結論
目前人臉識別技術還有很多的發(fā)展空間,未來人臉識別技術將有望解決更多現(xiàn)實中的問題,為更多的領域提供實際性的幫助。人臉識別技術在很多方面還有諸多疑問未能得到解決,如在復雜條件下人臉的檢測和關鍵點定位問題、光照變化問題、面部遮擋問題等。未來的發(fā)展方向可能是優(yōu)化組合、人臉檢測與人臉識別技術的結合應用等。一個完善自動人臉識別系統(tǒng)是人臉檢測技術與人臉識別技術的完美結合。目前,還不能實現(xiàn)100%的人臉識別,人臉檢測與識別技術將不斷發(fā)展更多新思路新方法,有望取得突破性的進展。
參考文獻:
[1] 王宏漫,等.支持向量機在人臉識別中的應用[J].計算機工程與應用,2013,11:100-102.
[2] 肖冰,等. 人臉識別綜述[J]. 計算機學報,2016,8(8).
[3] 薛冰,郭曉松,蒲鵬程.人臉識別技術綜述[J]. 四川兵工學報,2010,31(7):119-121.
[4] 宋帥楊. 人臉識別在Android平臺下的研究與實現(xiàn)[D]. 昆明:昆明理工大學,2014.
[5] AHONEN T,HADID A,PIETIKAINEN M.Face description with local binary patterns: Application to face recognition [J] IEEE Trans. Pattern Anal,2006,28(5) : 2037-2041.