科技信息
高校理科研究
人g_miH量Itl技术硇研究与应用
辽宁科技大学软件学院
刘鹭董立文
姜鹏
马月
[摘要]人脸识别技术是模式识别领域的重要研究课题,本文主要介绍人脸识别技术所包含的几个主要过程,识别过程中用到的各种算法以及该技术的前景和研究方向。
[关键词】人脸识别人脸检测冬脸特征提取
1.引言
人脸识别技术是基于人的脸部特征信息进行身份识别的一种生物识别技术。对输入的含有人脸的图像或者视频进行检测,进而对检测到的人脸进行特征定位、提取,比对辨识达到识别不同人身份的目的。
人脸识别技术由于其自然性、不被察觉性、非接触性和唯一性而广泛应用于公安刑侦系统、银行及海关的监控系统、一些重点单位的自动门卫系统、网络应用系统等,“911”事件后,人脸识别技术在国际反恐和
安全防范方面也得到了广泛的应用。
2.人脸识别的主要过程
种优化搜索策略来定位,从而得到输入图像的属性图。通过应用弹性图匹配技术将待识别的人脸和库中人脸的弹性图进行匹配,也即计算其与已知人脸属性图的相似度来找出最相似的人脸图像。弹性图匹配方法既保留了面部的全局结构特征,也对人脸的关键局部特征进行了建模,对光照、视角及尺度变化都不敏感,它的识别性能要优于特征脸方法,但是由于计算量和存贮量都比较大,识别的速度慢,实际应用还有
一定的难度。
2.3.4隐马尔可夫模型方法
人脸识别的主要过程包括人脸检测、人脸特征定位与提取、人脸识别三个阶段[1-2]。人脸检测阶段的主要任务是判断图像或视频序列中是否存在人脸并进行定位;人脸特征定位与提取的主要目的是获得人脸的显著特征,尽可能扩大与其他人脸类别之间的差异;人脸识别阶段通过与人脸数据库的比较,识别或验证图像中的人脸。
2.1人脸检测
隐马尔可夫模型建立在统计模型基础上,它用马尔可夫链来模拟信号统计特性的变化,因此,用隐马尔可夫模型对人脸进行描述和识别不是孤立地利用各个器官的数值特征,而是把这些特征和一个状态转移模型联系起来。Samaria最早建立了关于人脸的隐马尔可夫模型,隐马尔可夫模型不需要进行复杂的人脸图像特征提取,对姿态和环境的变化具有较好的鲁棒性,识别率高。但Samaria方法的不足是要求大的存储空间,实现的复杂度较高。
2.3.5神经网络方法
人脸检测是指采用一定的策略对一幅图片或者一帧视频进行搜索以确定其中是否含有人脸,并确定人脸的位置。国外对人脸检测问题的研究机构很多,比较著名的有.MIT、CMU、UIUC等;国内的重点大学和科研院所如清华大学、中科院自动化所等都对人脸检测进行了广泛而深入的研究弼。
人脸检测过程主要是构造分类器,通过判别图像中的各区域属于哪种模式,即属于人脸区域模式还是非人脸区域来实现人脸的检测。目
前国内外采用较多的是基于学习的方法,特征向量、统计学等思想在此
Kohonen最早将神经网络应用于人脸识别工作,可对含噪音较多和部分缺损的图像进行训练,从而获得其他方法难以实现的关于人脸识别规则的隐性表达,这种非线性方法有时比线性方法更有效(10l。神经网络方法避免了复杂的特征提取工作,识别率高,但缺点是由于神经元数目通常很多,因此训练时间很长,速度慢,而且选择图像的不同参数作为输入以及选择不同的神经网络进行训练也会造成训练时间的离散度
较大。
阶段被广泛应用,这种思想是利用大量的人脸整体外观用结构化的方法训练出人脸检测的分类器。
2.2人脸特征定位与提取
在人脸识别技术中,人脸的特征定位与提取是一个核心的环节,它直接影响人脸识别的精度,同时人脸特征提取的方法不同,对机器的存储量、识别时间等的影响也不同。这一阶段的主要目的是获得人脸显著特征点并进行定位,尽可能缩小相同人脸类别之间的特征差异,同时将不同人脸类别之间的特征差异尽可能扩大。在这一阶段中还要对图像进行降维,使提取的特征处于低维空间,可去除特征间的相关性且有利于分类器的设计。
由于小波变换在时域和频域都具有良好的局部化特点,人们发现用小波变换来提取人脸特征具有许多优越性嘲。图像经过小波分解后,可降低子带的分辨率,大大减少了相应的计算复杂度,并可提供更多的空间和频率局部信息,提高后续识别阶段的精度与速度。近年来,Gabor小波在人脸识别中获得了大量的应用,它能够较好地兼顾信号在时域
和频域中的分辨能力,对人脸特征的表述具有很好的作用同。
支持向量机方法的基本思想是把一个低维的线性不可分的问题转化为一个高维的线性可分的问题,也就是首先通过构造最优超平面,使分类误差达到最小,再通过适当的核函数将输入空间变换到一个高维空间,然后在高维空间中求最优分类面【1l】。实验结果表明支持向量机有较好的识别率。将支持向量机和奇异值特征分解相结合的相关处理,也能提高识别速度和识别正确率o≈。
3.结束语
2.3人脸识别
早期的人脸识别主要使用基于人脸结构特征的方法和基于模板匹配的方法。基于人脸结构特征的方法首先检测出脸部主要部件的位置和大小,然后利用它们之间的几何分布关系来识别人脸;基于模板匹配的方法主要利用计算机模板和图像灰度的自相关性来实现识别功能,
麻省理工学院的Bmnelli和Poggio于上世纪九十年代初对这两种方法
最近几十年来人脸识别技术得到了较快的发展,取得了丰硕的研究成果,在某些限定条件下人脸识别技术得到了较为成功的应用。但在非理想条件下,由于人脸图像获取过程的不确定性、人脸模式的多样性、人脸塑性变形的不确定性等因素的影响,人脸识别系统的鲁棒性和准确度还远远达不到实用性的要求。人脸识别系统的鲁棒性问题、准确的特征配准问题、识别速度、海量人脸数据的分布式检索比对方法、识别算法的自适应学习等都是人脸识别研究所要面临的问题。因此,针对非理想条件下(如光照变化、背景变化、视角变化、表情变化等)的人脸识别问题成为今后研究的热点。
参考文献
的识别性能进行了对比,得出了模板匹配的方法优于基于特征的方法的结论。当前基于统计模式的人脸识别方法的研究,逐渐成为人脸识别技术的主流方向,如特征脸方法(PCA)、Fisher方法、弹性图匹配方法、隐马尔可夫模型方法、神经网络方法和支持向量机等。
2.3.1
[1]周激流,张晔.人脸识别理论研究进展[门.计算机辅助设计与图形学学报,1999,11(2):180-184.
[2]ChellappaR,WilsonC,SiroheyS.Humanandmachinerecogni—
oftheIEEE,1995,83(5):705-740.
13JYangMH,KriegmanD,AhujaNDetectingfacesinimages:Asur—
vey.IEEETramPa仕emAnalysisandMachineIntelligence,2002,24(1):
tionof&cesIAsurvey.Proceedings
PCA算法
[4]Hjelmas
E、Face
Detection:ASurveyComputer
Vision
andImage
Sci—
美国麻省理工学院(Mrr)媒体实验室的Turk和Pentland提出的“特征脸方法”即PCA方法是影响较大的人脸识别方法[Sl。PCA算法的主要思想是在原始人脸空间中采用K—L变换求得一组正交向量,这组正交向量是原始人脸空间的总体散布矩阵的特征向量并且具有脸的形状,因而称为“特征脸”,它保留了人脸图像中的基本信息。以每个特征脸即
每组正交向量来构成新的人脸空间,使所有人脸的均方差最小,以达到
Undemtanding,2001,83,236~274.
[5]LiangLH,AIHZ,XuZ,ZhangB.ASurveyofComputerence.ChineseJournalofComputer。2002,25(5):527-532.
6]Jimhan
Identification
Tang,RyoheiNakatsuAWavelet--Transf01TnBasedAskerSystemforSmartMulti—pointTeleconferenceslJj.Proceeding
of血e28thSymposiumon
Visualization,Tokyo,Japan.2000:17—19.
降维目的,该算法的优点是识别率较高,识别速度较快。
2.3.2
Fisher方法
特征脸方法虽简单有效,但是它没有对类别信息加以利用。一些研究者在其基础上提出了线性鉴别分析(LDA)方法,也就是Fisher识别
方法。LDA利用了类别信息,它选择类内散布正交的矢量作为特征脸空
[7]万峰,杜明辉.人脸识别中一种新的Gabor特征提取方法[J].华南理工大学学报,2004,32(8):5-8.
[8]TurkMA,Peniland
IEEE
AP.Facerecognitionusing
Conf
9
On
Computer
Vision
ei早enfaces【AJ.
andPatternRecognitionLJJ.Maui,HI,
multiplemeasurements
in
间,强调了不同人脸之间的差别,使得类间间距变大;它同时弱化了同一人脸由于外界条件而引起的变化,从而使得类内间距变小,获得了比特征脸更好的识别效果。Be|humeur等提出的Fisher人脸识别方法是Fisher方法的典型代表,该方法首先采用主成分分析(PCA,亦即特征脸)对图像表观特征进行降维tg],然后采用LDA方法变换降维后的主成分以期获得尽量大的类间间距和尽量小的类内间距。
2.3.3弹性图匹配方法
lFISHERRA.Theuseoftaxonomic
problem
UJ.Ann,Eugenic,1936,7(2):178—188..【10IConsC,VapnikV.SupporcVector
.一
network[JJ.Machine
Learning,1995,20(3):273-297.
[11]张学工.关于统计学习理论与支持向量机[I].自动化学报,[12]李晓东,费树岷,张涛.基于奇异值特征和支持向量机的人脸识
弹性图匹配法的基本思想是在二维空间中为人脸建立属性图来描述人脸,对输入的人脸图像或视频,预先定义若干关键特征点,通过某
~96一
万方数据
科技信息 高校理科研究 人脸识别技术的研究与应用辽宁科技大学软件学院 刘鹭 董立文 姜鹏马月 〔摘要〕 人脸识别技术是模式识别领域的重要研究课题, 本文主要介绍人...
动态人脸识别技术与应用研究_经管营销_专业资料。动态人脸识别技术与应用研究C A S I P P 动态人脸识别技术与应用研究 导师: 罗家融 研究员 肖炳甲 研究员 报告...
人脸识别技术的应用背景及研究现状 1.人脸识别技术的应用 . 随着社会的不断进步以及各方面对于快速有效的自动身份验证的迫切 要求,生物特征识别技术在近几十年中得到...
3 人脸识别的意义 3.1 现实意义研究人脸识别在理论和技术上都有重要的意义: 一是可以推进对人类视觉系 统本身的认识;二是可以满足人工智能应用的需要。采用人脸...
人脸 识别技术的研究之所以受到重视, 是因为它具有重要的理论研究意义和巨大的潜 在应用背景。 计算机人脸识别涉及模式识别、图像处理、计算机视觉、生理学、心理学、...
人脸识别技术的研究与实际应用_信息与通信_工程科技_专业资料。人脸识别技术的研究与实际应用今日推荐 88份文档 2014全国高考状元联手分享状元笔记 ...
指导教师:赵勋杰 20090501 人脸识别技术研究 中文摘要 中文摘要人脸识别技术是当今计算机模式识别领域中的一个非常活跃的研究课题,在法 律、商业等领域具有广泛的应用...
动态人脸识别技术与应用研究_IT/计算机_专业资料。动态人脸识别技术与应用研究C A S I P P 动态人脸识别技术与应用研究 导师: 罗家融 研究员 肖炳甲 研究员 报...
概括地说,人脸识别技术是一种高精度、易于使用、稳定性高、难仿冒、性 价比高的生物特征识别技术,具有极其广阔的市场应用前景。 人脸识别技术的研究范围 人脸识别的...
热门文档