人臉識(shí)別相關(guān)技術(shù)介紹概述目錄TOC\o"1-3"\h\u25387人臉識(shí)別相關(guān)技術(shù)介紹概述 1179621.1系統(tǒng)概述 155411.2人臉識(shí)別主要技術(shù) 1183031.1.1二維人臉識(shí)別算法介紹 1296931.1.2三維人臉識(shí)別算法介紹 2326561.3常用的人臉圖像庫(kù) 2256361.4人臉的特征提取 3125941.4.1幾何特征提取法 4265211.4.2代數(shù)特征提取法 41.1系統(tǒng)概述人臉識(shí)別技術(shù)是模式識(shí)別的技術(shù)中具有重要性的應(yīng)用方面，可以分為三方面，一方面是對(duì)人臉圖片進(jìn)行預(yù)處理,第二個(gè)方面是特征的提取，第三個(gè)方面是比較識(shí)別。人臉的識(shí)別系統(tǒng)一般有以下幾個(gè)步驟，系統(tǒng)的流程圖如圖2-1所示:圖2-1人臉識(shí)別系統(tǒng)流程圖1.2人臉識(shí)別主要技術(shù)目前人臉識(shí)別的算法主要有兩大類，二維的人臉識(shí)別算法和三維的人臉識(shí)別算法。1.1.1二維人臉識(shí)別算法介紹二維人臉識(shí)別算法通過(guò)提取人臉主要的特征來(lái)進(jìn)行人臉的對(duì)比，主要方法有以下幾種：主成分分析法：這種方法一直是在模式識(shí)別這一塊領(lǐng)域中基礎(chǔ)而重要的方法，也是人臉識(shí)別這一領(lǐng)域的重要算法，這種算法首先根據(jù)預(yù)存的人臉圖像來(lái)構(gòu)成特征臉空間。人臉模板匹配法：按照維度可以分為兩種模板，二維人臉模板和三維人臉模板，主要是根據(jù)人的面部特征構(gòu)建出一個(gè)立體且可以調(diào)節(jié)的人臉模型。在定位到人臉后，就需要人臉模型來(lái)定位和調(diào)節(jié)人臉的特征部位，用來(lái)處理識(shí)別過(guò)程中所涉及到的人臉角度，表情變化和遮蔽物等因素的影響。局部投影保持法：該方法是源自于子空間分析方法，是一種非線性方法的線性近似。這種方法不僅有原始圖像非線性流形的優(yōu)勢(shì)，又能夠得到新樣本點(diǎn)低維度投影的優(yōu)勢(shì)。人臉子空間分析法：這種方法已經(jīng)成為人臉特征提取的重要方式，也是目前人臉識(shí)別的一種主流方式。因?yàn)榭梢詫?duì)人臉有很強(qiáng)的描述性，而且計(jì)算量也比較小，容易實(shí)現(xiàn)，可分性也較好。除了上邊提到的四種方法以外，二維的人臉識(shí)別的算法還有支持向量機(jī)法，人工神經(jīng)網(wǎng)絡(luò)法，彈性匹配法和基于人臉?lè)e分的圖像特征的方法。1.1.2三維人臉識(shí)別算法介紹二維的人臉識(shí)別算法的識(shí)別率很容易受到人臉角度變化，遮蔽物，表情變化的因素影響。但是這些因素都是日常生活中常見(jiàn)且不可控的，所以需要研究更為先進(jìn)的算法，三維人臉識(shí)別算法根據(jù)深度圖像來(lái)進(jìn)行研究，對(duì)以上提到的因素都能有著更好的解決方法。主要方法有：基于人臉模型可變的參數(shù)法：利用人臉模型的3D變換以及迭代距離當(dāng)中映射的最小值來(lái)還原3D的人臉圖像和頭部的姿勢(shì)。改變關(guān)系還可以更新頭部的參數(shù)，以此方法過(guò)程來(lái)達(dá)到最小化尺度的要求?；谌四槇D像的特征法：想要從人臉的3D結(jié)構(gòu)中將姿態(tài)分離開(kāi)來(lái)，就需要計(jì)算人臉的三維空間方向，并且計(jì)算出人臉的整體輪廓及尺寸。然后就可以通過(guò)保持姿態(tài)來(lái)進(jìn)行臉部特征點(diǎn)的匹配。1.3常用的人臉圖像庫(kù)人臉識(shí)別技術(shù)已經(jīng)變成了熱門(mén)的研究?jī)?nèi)容，為了使學(xué)者研究和使用更為方便，目前國(guó)際上有和多家權(quán)威的機(jī)構(gòu)構(gòu)建了標(biāo)準(zhǔn)人臉庫(kù)，主要有以下幾種：ORL人臉庫(kù)，美國(guó)的一家專業(yè)從事人臉圖像研究的實(shí)驗(yàn)室所拍攝的一組人臉圖像，構(gòu)成了ORL人臉庫(kù)，參與拍攝的人來(lái)自不同的種族，不同的性別，不同的年齡，共計(jì)四十個(gè)人。每名試驗(yàn)者都拍攝十張圖片，圖像均是灰度圖像，像素使112×92。每個(gè)人的十張照片中表情，人臉大小，姿態(tài)都是有所變化的。該數(shù)據(jù)庫(kù)包含了大量的人臉信息，研究起來(lái)很是方便。FERET人臉庫(kù)，這個(gè)數(shù)據(jù)庫(kù)是最大的人臉數(shù)據(jù)庫(kù)，是英國(guó)的國(guó)防部所建立，數(shù)據(jù)庫(kù)里面的人臉圖像有膚色和人臉角度的變化。測(cè)試人的背景圖像都是統(tǒng)一的，每個(gè)人都是八張照片，因此可以最大限度的排除外界的干擾。此數(shù)據(jù)庫(kù)在人臉數(shù)據(jù)庫(kù)中是很權(quán)威的，美中不足的是在獲取圖像信息的時(shí)候不是特別方便。Essex人臉庫(kù)，英國(guó)的埃塞克斯大學(xué)建立了此人臉數(shù)據(jù)庫(kù)，并且為研究者提供了免費(fèi)下載的好處但是不允許發(fā)售和打印。計(jì)算機(jī)視覺(jué)的研究項(xiàng)目的由負(fù)責(zé)人LiborSpeacek博士負(fù)責(zé)和維護(hù)。其中包含四個(gè)庫(kù)，分別為grimace，faces94，faces95，faces96。其中faces96和grimace是難度非常大的，也是最不容易識(shí)別的。因?yàn)檫@兩個(gè)庫(kù)的背景，人臉表情，人臉的比例大小都是變化的。本文中采用的是自建數(shù)據(jù)庫(kù)，庫(kù)中有十位測(cè)試者的照片，每張照片占內(nèi)存11.1kb，像素為92×112，格式為bmp格式。每位測(cè)試者有兩張照片，每張照片都有表情的變化，每位測(cè)試者的照片都和正臉有一定范圍內(nèi)的傾斜角度，用每位測(cè)試者的照片組成訓(xùn)練樣本庫(kù)，然后用另外一張作為待識(shí)別的人臉庫(kù)。1.4人臉的特征提取人臉圖像在最初的樣本空間中，并非集中分布，這一點(diǎn)常常不利于有效的歸類識(shí)別。為了可以區(qū)分不同類別的人臉圖像，可以將原始的人臉圖像轉(zhuǎn)換到另一個(gè)空間中，通過(guò)線性或非線性的辦法去實(shí)現(xiàn)。這樣就會(huì)讓同類型的人臉圖像在空間的分布中變得更為集中，方便識(shí)別和歸類。特征提取就是通過(guò)變化或映射的方法，將高維空間中的原始特征轉(zhuǎn)化到低維特征空間中，從而得到低維的人臉特征表示。人臉特征主要分為兩大類：代數(shù)特征和幾何特征：1.4.1幾何特征提取法人臉幾何的特征，就是人臉的器官形狀和幾何關(guān)系為基礎(chǔ)的特征矢量，它的分量通常包括了人臉?biāo)付ǖ膬牲c(diǎn)之間的歐式距離，角度曲率等。人臉中典型的幾何特征，分量有以下幾種：（1）眉毛的弧度（2）眉毛的厚度以及眉毛對(duì)應(yīng)的眼睛中心處的垂直距離（3）鼻子的寬度及其垂直位置（4）鼻子處人臉的寬（5）鼻尖到眼睛中心位置的距離稱為半臉寬（6）嘴的寬度厚度，垂直位置及其上下唇的厚度人臉的幾何特征有著提取速度快，占用內(nèi)存少的優(yōu)勢(shì)。但是在識(shí)別的精確度上不如基于代數(shù)特征的方法好，他對(duì)幾何參數(shù)的測(cè)定要求需要有著精確的測(cè)量，因此在有著遮蔽物或是人臉圖像質(zhì)量不好的情況下，它的識(shí)別率會(huì)很快的下降，所以我們把人臉的代數(shù)特征討論作為重點(diǎn)。1.4.2代數(shù)特征提取法人臉圖像代數(shù)特征的矢量表示，人臉的代數(shù)特征相當(dāng)于人臉圖像，在特征點(diǎn)構(gòu)成的低維空間上的投影。Kirby等人首次將主元分析了子空間思想，引到人臉識(shí)別技術(shù)當(dāng)中，并且取得了較大的影響，引起了研究學(xué)者的廣泛關(guān)注，進(jìn)而成為了目前人臉識(shí)別算法中的較為主流的方法之一。子空間方法的主要思想就是空間變換，根據(jù)一定的性能目標(biāo)來(lái)尋找線性的或者非線性的空間變換，將高維原始信號(hào)數(shù)據(jù)壓縮到低維的子空間當(dāng)中，這樣會(huì)使得數(shù)據(jù)分布更為緊湊，為更好地進(jìn)行數(shù)據(jù)描述提供了方式。此外，還可以將計(jì)算的復(fù)雜度大大的降低。子空間方法可以分為線性和非線性。線性子空間法指