浅谈人脸识别技术发展

浅谈人脸识别技术发展【摘要】人脸识别由于其广泛的应用，现在业已成为多个学科领域的研究热点之一。本文综述了人脸识别理论的概念，并对人脸识别技术的发展历程做了简单的回顾，讨论了其中的关键技术，重点讨论了基于几何特征、模型和统计的方法，进而对人脸识别技术今后的发展方向提出我的一些展望。【关键词】人脸识别技术模式识别1引言人脸识别是近年来模式识别、图像处理、机器视觉、神经网络以及认知科学等领域研究的热点课题之一，被广泛应用于公共安全（罪犯识别等）、安全验证系统、信用卡验证、医学、档案管理、视频会议、人机交互系统等各个方面。综合文献分析，广义上而言，所谓“人脸识别(FaceRecognition)”的研究范围十分宽泛，大致可以被分为以下4个方面的内容[1]：(1)人脸鉴别(FaceIdentification，狭义的“人脸识别”)：即将待识别的人脸与数据库中的已知人脸比较，得出相关信息。(2)人脸检测(FaceDetection)：即从各种不同的场景中检测出人脸的存在并确定其位置。(3)表情/姿态分析(Expression/GestureAnalysis)：即对待识别人脸的表情或姿态信息进行分析，并对其加以归类。(4)生理分类(PhysicalClassification)：即对待识别人脸的生理特征进行分析，得出其年龄、性别等相关信息。在本文中，我们主要探讨狭义的人脸识别，即人脸鉴别的相关研究成果。2人脸识别发展历程人脸识别的工程应用始于20世纪60年代，经过50多年的研究，大致可以分为以下三个阶段：第一阶段是主要解决了人脸识别所需要的面部特征。这一阶段的研究以Bertillon、Allen和Parke为代表。在Bertillon的系统中，用一个简单的语句与数据库中某一张脸相联系，同时与指纹分析相结合，提供了一个较强的识别系统。而Allen则设计了一种有效的摹写手段[2]，并在其后由Parke用计算机实现[3]。然而无论是哪种方式，该阶段的识别过程仍然全部依赖于操作人员，需要许多人为干预，无法实现自动人脸识别。第二阶段是人机交互式识别阶段。研究人员用数学模型描述人脸图像中的五官长度等主要几何特征，并通过欧氏距离进行相似性度量。Harmon和Lesk利用多维特征矢量表示人脸面部特征，并设计了基于这一特征表示法的识别系统。[4]其后，Kaya、Kobayashi和T.Kanad也分别采用了各种不同的方式，对几何特征计算进行了研究[5][6]。但是，该方法依赖于操作员的知识，仍无法摆脱人的干预。第三阶段是真正的机器自动识别阶段。该阶段人脸识别技术有了重大突破，很多经典算法相继出现，如特征脸、子空间方法、弹性图匹配法、基于统计外观模型和神经网络的人脸识别等。同时，也出现很多用于算法性能测试的公开人脸库，如ORL人脸库、YaleB人脸库、FERET人脸库等。3常用的人脸识别方法一个全自动人脸识别系统一般包括三个关键技术：人脸检测、特征提取和人脸识别。根据方式的不同，人脸识别方法分为基于几何特征的方法、基于模型的方法、基于统计的方法、基于神经网络的方法和多分类器集成方法。其中，基于几何特征、模型和统计的方法最为常见。(1)基于几何特征的方法文献中记载最早的人脸识别方法就是Bledsoe提出的基于几何特征的方法，该方法以面部特征点之间的距离和比率作为特征，通过最近邻方法来识别人脸。基于几何特征的方法非常直观，识别速度快，内存要求较少，提取的特征在一定程度上对光照变化不太敏感。[7]但是，当人脸具有一定的表情或者姿态变化时，特征提取不精确，而且由于忽略了整个图像的很多细节信息，识别率较低，所以近年来已经很少有新的发展。(2)基于模型的方法基于模型的方法也是人脸识别的重要形式，其中最广为使用的是隐马尔可夫模型。它是一种基于整体的或然率统计方法。对于一幅正面的人脸来说，马尔可夫的“状态”包括前额、眼睛、鼻子、嘴巴和下巴，这些状态以相同的顺序从上到下出现。这样，可以把人脸图像和隐马尔可夫模型结合起来，这些脸上的特征区域被指定为状态。[8]其他模型还包括主动形状模型和主动表象模型等。(3)基于统计的方法基于统计的三种人脸识别方法包括特征脸、Fisher脸和奇异值分解。使用特征脸进行人脸识别的方法首先由SirovichandKirby提出，并由MatthewTurk和AlexPentland用于人脸分类。这些特征向量是从高维矢量空间的人脸图像的协方差矩阵计算而来，而该方法被认为是第一种有效的人脸识别方法。[9]Fisher脸法由RonaldFisher发明，其所基于的LDA理论和特征脸里用到的PCA有相似之处，都是对原有数据进行整体降维映射到低维空间的方法。[10]而奇异值分解法，就是通过取奇异值分解中前面较大的奇异值对应的特征向量，提取出图像中由光照、表情、姿势等噪声对应的高频信息，来重构图像。[8]4结论虽然人脸识别技术已经取得了长足的进步，但不容否认的是，现在的人脸识别技术还有着巨大的发展空间。探索如何解决在不同光线、不同角度条件下的人脸识别，如何提高识别的速度和准确率，将成为未来人脸识别技术的发展方向。但我们依然有理由相信，随着社会经济的快速发展，人脸识别技术势必会在信息化时代扮演越来越重要的角色。鸣谢感谢刘星成教授认真严谨的教学，使我们了解学会了一些创新应用方法，并对于学术精神和学术写作有了更深刻的认识。同时，再次感谢认真编写文献的专家学者们，尤其是对本文写作提供支持的郑伟诗副教授，感谢他对隐马尔可夫模型等人脸识别相关理论的认真讲解，特此对其致以诚挚的敬意和感谢。【参考文献】1周激流,张晔.人脸识别理论研究进展[J].计算机辅助设计与图形学学报,1999,02:85-89.2AllenAL.PersonalDescriptions[M].Lodon:Butterworth,19503F.Parker.ComputerGeneratedAnimationofFaces[C].InProceedingsACMANNConference.NewYork,1972,1:451-457.4GoldstionRJ,HarmonLD,LeskAB.Man-machineinteractioninhumanfaceidentification[J].BellSystTechJournal,1972,51:399-4275KayaY,KobayashiK.ABasicStudyonHumanRecognition.InFrontiersofPatternRecognition[C],NewYork:Academic,1971,265-2896KanadT.Pictureprocessingsystembycomputerandrecognitionofhumanface[D].Kyoto:KyotoUniversity,19737姜贺.基于几何特征的人脸识别算法的研究[D].大连理工大学,2008.8刘小军,王东峰,张丽飞,时永刚,邹谋炎.一种基于奇异值分解和隐马尔可夫模型的人脸识别方法[J].计算机学报,2003,03:340-344.9宇雪垠,曹拓荒,陈本盛.基于特征脸的人脸识别及实现[J].河北工业科技,2009,05:428-430+433.10谷春亮,尹宝才,孔德慧,胡永利.基于三维多分辨率模型与Fisher线性判别的人脸识别方法[J].计算机学报,2005,01:97-104.