人臉識(shí)別綜述與展望

《人臉識(shí)別綜述與展望》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫(kù)。

1、人臉識(shí)別綜述與展望摘　要　本文綜述了人臉識(shí)別理論的研究現(xiàn)狀，根據(jù)人臉自動(dòng)識(shí)別技術(shù)發(fā)展的時(shí)間進(jìn)行了分類(lèi)，分析和比較各種識(shí)別方法優(yōu)缺點(diǎn)，討論了其中的關(guān)鍵技術(shù)及發(fā)展前景。關(guān)鍵詞　人臉識(shí)別；特征提取1　人臉識(shí)別技術(shù)概述近年來(lái)，隨著計(jì)算機(jī)技術(shù)的迅速發(fā)展，人臉自動(dòng)識(shí)別技術(shù)得到廣泛研究與開(kāi)發(fā)，人臉識(shí)別成為近30年里模式識(shí)別和圖像處理中最熱門(mén)的研究主題之一。人臉識(shí)別的目的是從人臉圖像中抽取人的個(gè)性化特征，并以此來(lái)識(shí)別人的身份。一個(gè)簡(jiǎn)單的自動(dòng)人臉識(shí)別系統(tǒng)，包括以下4個(gè)方面的內(nèi)容：(1)人臉檢測(cè)(Detection)：即從各種不同的場(chǎng)景中檢測(cè)出人臉的存在并確定其位置。

2、(2)人臉的規(guī)范化(Normalization)：校正人臉在尺度、光照和旋轉(zhuǎn)等方面的變化。(3)人臉表征(FaceRepresentation)：采取某種方式表示檢測(cè)出人臉和數(shù)據(jù)庫(kù)中的已知人臉。(4)人臉識(shí)別(Recognition)：將待識(shí)別的人臉與數(shù)據(jù)庫(kù)中的已知人臉比較，得出相關(guān)信息。2　人臉識(shí)別算法的框架人臉識(shí)別算法描述屬于典型的模式識(shí)別問(wèn)題，主要有在線匹配和離線學(xué)習(xí)兩個(gè)過(guò)程組成，如圖1所示。圖1一般人臉識(shí)別算法框架在人臉識(shí)別中，特征的分類(lèi)能力、算法復(fù)雜度和可實(shí)現(xiàn)性是確定特征提取法需要考慮的因素。所提取特征對(duì)最終分類(lèi)結(jié)果有著決定性的影響。分類(lèi)

3、器所能實(shí)現(xiàn)的分辨率上限就是各類(lèi)特征間最大可區(qū)分度。因此，人臉識(shí)別的實(shí)現(xiàn)需要綜合考慮特征選擇、特征提取和分類(lèi)器設(shè)計(jì)。3　人臉識(shí)別的發(fā)展歷史及分類(lèi)人臉識(shí)別的研究已經(jīng)有相當(dāng)長(zhǎng)的歷史，它的發(fā)展大致可以分為四個(gè)階段：第一階段：人類(lèi)最早的研究工作至少可追朔到二十世紀(jì)五十年代在心理學(xué)方面的研究和六十年代在工程學(xué)方面的研究。J.S.Bruner于1954年寫(xiě)下了關(guān)于心理學(xué)的Theperceptionofpeople，Bledsoe在1964年就工程學(xué)寫(xiě)了FacialRecognitionProjectReport，國(guó)外有許多學(xué)校在研究人臉識(shí)別技術(shù)[1]，其中有從感

4、知和心理學(xué)角度探索人類(lèi)識(shí)別人臉機(jī)理的，如美國(guó)TexasatDallas大學(xué)的Abdi和Tool小組[2、3]，由Stirling大學(xué)的Bruce教授和Glasgoon和Lesk用幾何特征參數(shù)來(lái)表示人臉正面圖像。他們采用多維特征矢量表示人臉面部特征，并設(shè)計(jì)了基于這一特征表示法的識(shí)別系統(tǒng)。Kaya和Kobayashi則采用了統(tǒng)計(jì)識(shí)別方法，用歐氏距離來(lái)表征人臉特征。但這類(lèi)方法需要利用操作員的某些先驗(yàn)知識(shí)，仍然擺脫不了人的干預(yù)。第四階段：20世紀(jì)90年代以來(lái)，隨著高性能計(jì)算機(jī)的出現(xiàn)，人臉識(shí)別方法有了重大突破，才進(jìn)入了真正的機(jī)器自動(dòng)識(shí)別階段。在用靜態(tài)圖像或視

5、頻圖像做人臉識(shí)別的領(lǐng)域中，國(guó)際上形成了以下幾類(lèi)主要的人臉識(shí)別方法：1）基于幾何特征的人臉識(shí)別方法基于幾何特征的方法是早期的人臉識(shí)別方法之一[7]。常采用的幾何特征有人臉的五官如眼睛、鼻子、嘴巴等的局部形狀特征。臉型特征以及五官在臉上分布的幾何特征。提取特征時(shí)往往要用到人臉結(jié)構(gòu)的一些先驗(yàn)知識(shí)。識(shí)別所采用的幾何特征是以人臉器官的形狀和幾何關(guān)系為基礎(chǔ)的特征矢量，本質(zhì)上是特征矢量之間的匹配，其分量通常包括人臉指定兩點(diǎn)間的歐式距離、曲率、角度等?；趲缀翁卣鞯淖R(shí)別方法比較簡(jiǎn)單、容易理解，但沒(méi)有形成統(tǒng)一的特征提取標(biāo)準(zhǔn)；從圖像中抽取穩(wěn)定的特征較困難，特別是特征受

6、到遮擋時(shí)；對(duì)較大的表情變化或姿態(tài)變化的魯棒性較差。2）基于相關(guān)匹配的方法基于相關(guān)匹配的方法包括模板匹配法和等強(qiáng)度線方法。①模板匹配法：Poggio和Brunelli[10]專(zhuān)門(mén)比較了基于幾何特征的人臉識(shí)別方法和基于模板匹配的人臉識(shí)別方法，并得出結(jié)論：基于幾何特征的人臉識(shí)別方法具有識(shí)別速度快和內(nèi)存要求小的優(yōu)點(diǎn)，但在識(shí)別率上模板匹配要優(yōu)于基于幾何特征的識(shí)別方法。②等強(qiáng)度線法：等強(qiáng)度線利用灰度圖像的多級(jí)灰度值的等強(qiáng)度線作為特征進(jìn)行兩幅人臉圖像的匹配識(shí)別。等強(qiáng)度曲線反映了人臉的凸凹信息。這些等強(qiáng)度線法必須在背景與頭發(fā)均為黑色，表面光照均勻的前提下才能求出符

7、合人臉真實(shí)形狀的等強(qiáng)度線。3）基于子空間方法常用的線性子空間方法有：本征子空間、區(qū)別子空間、獨(dú)立分量子空間等。此外，還有局部特征分析法、因子分析法等。這些方法也分別被擴(kuò)展到混合線性子空間和非線性子空間。Turk等[11]采用本征臉(Eigenfaces)方法實(shí)現(xiàn)人臉識(shí)別。由于每個(gè)本征矢量的圖像形式類(lèi)似于人臉，所以稱(chēng)本征臉。對(duì)原始圖像和重構(gòu)圖像的差分圖像再次進(jìn)行K-L變換，得到二階本征空間，又稱(chēng)二階本征臉[12]。Pentland等[13]提出對(duì)于眼、鼻和嘴等特征分別建立一個(gè)本征子空間，并聯(lián)合本征臉子空間的方法獲得了好的識(shí)別結(jié)果。Shan等[14]采

8、用特定人的本征空間法獲得了好于本征臉?lè)椒ǖ淖R(shí)別結(jié)果。Albert等[15]提出了TPCA(TopologicalPCA)方