人臉識別綜述與展望

《人臉識別綜述與展望 》由會員上傳分享，免費在線閱讀，更多相關內容在應用文檔-天天文庫。

1、人臉識別綜述與展望摘　要　本文綜述了人臉識別理論的研究現(xiàn)狀，根據(jù)人臉自動識別技術發(fā)展的時間進行了分類，分析和比較各種識別方法優(yōu)缺點，討論了其中的關鍵技術及發(fā)展前景。關鍵詞　人臉識別；特征提取1　人臉識別技術概述近年來，隨著計算機技術的迅速發(fā)展，人臉自動識別技術得到廣泛研究與開發(fā)，人臉識別成為近30年里模式識別和圖像處理中最熱門的研究主題之一。人臉識別的目的是從人臉圖像中抽取人的個性化特征，并以此來識別人的身份。一個簡單的自動人臉識別系統(tǒng)，包括以下4個方面的內容：(1)人臉檢測(Detection)：即從各種不同的場景中檢測出人臉的存在并確定其位置。(2)人臉的規(guī)范化(No

2、rmalization)：校正人臉在尺度、光照和旋轉等方面的變化。(3)人臉表征(FaceRepresentation)：采取某種方式表示檢測出人臉和數(shù)據(jù)庫中的已知人臉。(4)人臉識別(Recognition)：將待識別的人臉與數(shù)據(jù)庫中的已知人臉比較，得出相關信息。2　人臉識別算法的框架人臉識別算法描述屬于典型的模式識別問題，主要有在線匹配和離線學習兩個過程組成，如圖1所示。圖1一般人臉識別算法框架在人臉識別中，特征的分類能力、算法復雜度和可實現(xiàn)性是確定特征提取法需要考慮的因素。所提取特征對最終分類結果有著決定性的影響。分類器所能實現(xiàn)的分辨率上限就是各類特征間最大可區(qū)分度

3、。因此，人臉識別的實現(xiàn)需要綜合考慮特征選擇、特征提取和分類器設計。3　人臉識別的發(fā)展歷史及分類人臉識別的研究已經有相當長的歷史，它的發(fā)展大致可以分為四個階段：第一階段：人類最早的研究工作至少可追朔到二十世紀五十年代在心理學方面的研究和六十年代在工程學方面的研究。J.S.Bruner于1954年寫下了關于心理學的Theperceptionofpeople，Bledsoe在1964年就工程學寫了FacialRecognitionProjectReport，國外有許多學校在研究人臉識別技術[1]，其中有從感知和心理學角度探索人類識別人臉機理的，如美國TexasatDallas大

4、學的Abdi和Tool小組[2、3]，由Stirling大學的Bruce教授和Glasgoon和Lesk用幾何特征參數(shù)來表示人臉正面圖像。他們采用多維特征矢量表示人臉面部特征，并設計了基于這一特征表示法的識別系統(tǒng)。Kaya和Kobayashi則采用了統(tǒng)計識別方法，用歐氏距離來表征人臉特征。但這類方法需要利用操作員的某些先驗知識，仍然擺脫不了人的干預。第四階段：20世紀90年代以來，隨著高性能計算機的出現(xiàn)，人臉識別方法有了重大突破，才進入了真正的機器自動識別階段。在用靜態(tài)圖像或視頻圖像做人臉識別的領域中，國際上形成了以下幾類主要的人臉識別方法：1）基于幾何特征的人臉識別方法

5、基于幾何特征的方法是早期的人臉識別方法之一[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。提取特征時往往要用到人臉結構的一些先驗知識。識別所采用的幾何特征是以人臉器官的形狀和幾何關系為基礎的特征矢量，本質上是特征矢量之間的匹配，其分量通常包括人臉指定兩點間的歐式距離、曲率、角度等?；趲缀翁卣鞯淖R別方法比較簡單、容易理解，但沒有形成統(tǒng)一的特征提取標準；從圖像中抽取穩(wěn)定的特征較困難，特別是特征受到遮擋時；對較大的表情變化或姿態(tài)變化的魯棒性較差。2）基于相關匹配的方法基于相關匹配的方法包括模板匹配法和等強度線方法。

6、①模板匹配法：Poggio和Brunelli[10]專門比較了基于幾何特征的人臉識別方法和基于模板匹配的人臉識別方法，并得出結論：基于幾何特征的人臉識別方法具有識別速度快和內存要求小的優(yōu)點，但在識別率上模板匹配要優(yōu)于基于幾何特征的識別方法。②等強度線法：等強度線利用灰度圖像的多級灰度值的等強度線作為特征進行兩幅人臉圖像的匹配識別。等強度曲線反映了人臉的凸凹信息。這些等強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合人臉真實形狀的等強度線。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、獨立分量子空間等。此外，還有局部特征分析法、因子分析

7、法等。這些方法也分別被擴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)方法實現(xiàn)人臉識別。由于每個本征矢量的圖像形式類似于人臉，所以稱本征臉。對原始圖像和重構圖像的差分圖像再次進行K-L變換，得到二階本征空間，又稱二階本征臉[12]。Pentland等[13]提出對于眼、鼻和嘴等特征分別建立一個本征子空間，并聯(lián)合本征臉子空間的方法獲得了好的識別結果。Shan等[14]采用特定人的本征空間法獲得了好于本征臉方法的識別結果。Albert等[15]提出了TPCA(TopologicalPCA)方