人臉識(shí)別技術(shù)的應(yīng)用背景及研究現(xiàn)狀

人臉識(shí)別技術(shù)的應(yīng)用背景及研究現(xiàn)狀

1．人臉識(shí)別技術(shù)的應(yīng)用

隨著社會(huì)的不斷進(jìn)步以及各方面對(duì)于快速有效的自動(dòng)身份驗(yàn)證的迫切要求，生物特征識(shí)別技術(shù)在近幾十年中得到了飛速的發(fā)展。作為人的一種內(nèi)在屬性，并且具有很強(qiáng)的自身穩(wěn)定性及個(gè)體差異性，生物特征成為了自動(dòng)身份驗(yàn)證的最理想依據(jù)。當(dāng)前的生物特征識(shí)別技術(shù)主要包括有：指紋識(shí)別，視網(wǎng)膜識(shí)別，虹膜識(shí)別，步態(tài)識(shí)別，靜脈識(shí)別，人臉識(shí)別等。與其他識(shí)別方法相比，人臉識(shí)別由于具有直接，友好，方便的特點(diǎn)，使用者無(wú)任何心理障礙，易于為用戶(hù)所接受，從而得到了廣泛的研究與應(yīng)用。除此之外，我們還能夠?qū)θ四樧R(shí)別的結(jié)果作進(jìn)一步的分析，得到有關(guān)人的性別，表情，年齡等諸多額外的豐富信息，擴(kuò)展了人臉識(shí)別的應(yīng)用前景。當(dāng)前的人臉識(shí)別技術(shù)主要被應(yīng)用到了以下幾個(gè)方面：

（1）刑偵破案公安部門(mén)在檔案系統(tǒng)里存儲(chǔ)有嫌疑犯的照片，當(dāng)作案現(xiàn)場(chǎng)或通過(guò)其他途徑獲得某一嫌疑犯的照片或其面部特征的描述之后，可以從數(shù)據(jù)庫(kù)中迅速查找確認(rèn)，大大提高了刑偵破案的準(zhǔn)確性和效率。

（2）證件驗(yàn)證在許多場(chǎng)合（如海口，機(jī)場(chǎng)，機(jī)密部門(mén)等）證件驗(yàn)證是檢驗(yàn)?zāi)橙松矸莸囊环N常用手段，而身份證，駕駛證等很多其他證件上都有照片，使用人臉識(shí)別技術(shù)，就可以由機(jī)器完成驗(yàn)證識(shí)別工作，從而實(shí)現(xiàn)自動(dòng)化智能管理。

（3）視頻監(jiān)控在許多銀行，公司，公共場(chǎng)所等處都設(shè)有24小時(shí)的視頻監(jiān)控。當(dāng)有異常情況或有陌生人闖入時(shí)，需要實(shí)時(shí)跟蹤，監(jiān)控，識(shí)別和報(bào)警等。這需要對(duì)采集到的圖像進(jìn)行具體分析，且要用到人臉的檢測(cè)，跟蹤和識(shí)別技術(shù)。

（4）入口控制入口控制的范圍很廣，既包括了在樓宇，住宅等入口處的安全檢查，也包括了在進(jìn)入計(jì)算機(jī)系統(tǒng)或情報(bào)系統(tǒng)前的身份驗(yàn)證。

（5）表情分析根據(jù)人臉圖像中的面部變化特征，識(shí)別和分析人的情感狀態(tài)，如高興，生氣等。此外，人臉識(shí)別技術(shù)還在醫(yī)學(xué)，檔案管理，人臉動(dòng)畫(huà)，人臉建模，視頻會(huì)議等方面也有著巨大的應(yīng)用前景。

2．人臉識(shí)別技術(shù)在國(guó)外的研究現(xiàn)狀

當(dāng)前很多國(guó)家展開(kāi)了有關(guān)人臉識(shí)別的研究，主要有美國(guó)，歐洲國(guó)家，日本等，著名的研究機(jī)構(gòu)有美國(guó)MIT的Media lab,AI lab,CMU的Human-Computer Interface Institute，Microsoft Research,英國(guó)的Department of Engineering in University of Cambridge等。綜合有關(guān)文獻(xiàn)，目前的方法主要集中在以下幾個(gè)方面：

（1）模板匹配

主要有兩種方法，固定模板和變形模板。固定模板的方法是首先設(shè)計(jì)一個(gè)或幾個(gè)參考模板，然后計(jì)算測(cè)試樣本與參考模板之間的某種度量，以是否大于閾值來(lái)判斷測(cè)試樣本是否人臉。這種方法比較簡(jiǎn)單，在早期的系統(tǒng)中采用得比較多。但是由于人臉特征的變化很大，很難得到有效的模板來(lái)表示人臉的共性。變形模板在原理上與固定模板相同，但其中包含一些非固定的元素，一種方法是手工構(gòu)造參數(shù)化的曲線(xiàn)和曲面以表征人臉中的某些非固定特征，如眼睛，鼻子和嘴唇等。另一種方法是系統(tǒng)自動(dòng)生成自適應(yīng)的曲線(xiàn)或曲面，以構(gòu)成變形人臉模板。檢測(cè)方法是：將模板與測(cè)試圖像進(jìn)行彈性匹配，并加入懲罰機(jī)制，利用某種能量函數(shù)表示匹配程度。

（2）示例學(xué)習(xí)

示例學(xué)習(xí)的基本思想是從某一概念的已給正例和反例的集合中歸納產(chǎn)生出接受所有正例同時(shí)排斥所有反例的該概念的一般規(guī)則。將人臉樣本和非人臉樣本送入學(xué)習(xí)機(jī)中，產(chǎn)生出判別規(guī)則，從而用于作為判斷輸入的測(cè)試圖像是否屬于人臉的主要判別依據(jù)。為了獲得較高的精度，學(xué)習(xí)過(guò)程需要大量的樣本，另外樣本數(shù)據(jù)本身是高維矢量，因此，研究通用而有效的學(xué)習(xí)算法的關(guān)鍵是精確的區(qū)分性和數(shù)據(jù)維數(shù)的降低。

將多個(gè)表示人臉模式的線(xiàn)性空間進(jìn)行組合，是示例學(xué)習(xí)的另一條途徑。采用了Kohonen自組織映射網(wǎng)絡(luò)對(duì)人臉樣本和非人臉樣本進(jìn)行聚類(lèi)，對(duì)每一類(lèi)樣本進(jìn)行Fisher線(xiàn)性判別，得到每一類(lèi)的判別平面，從而構(gòu)成圖像子空間，并運(yùn)用高斯模型描述每個(gè)子空間，估計(jì)出類(lèi)條件概率密度。這樣，對(duì)于測(cè)試圖像，計(jì)算其屬于各個(gè)子空間的概率，分類(lèi)決策為概率最大的類(lèi)是它所屬的類(lèi)，從而判斷測(cè)試圖像是否為人臉。