1、.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

2、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

3、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，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 Insti

4、tute，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)化的曲線和曲面以表征人

5、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)表示人臉模式的線性

6、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，對(duì)每一類樣本進(jìn)行Fisher線性判別，得到每一類的判別平面，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，分類決策為概率最大的類是它所屬的類，從而判斷測(cè)試圖像是否為人臉。（3）神經(jīng)網(wǎng)絡(luò) 從本質(zhì)上講，神經(jīng)網(wǎng)絡(luò)也是一種基于樣本的學(xué)習(xí)方法。將神經(jīng)網(wǎng)絡(luò)用于人臉檢測(cè)取得了很大的進(jìn)展。MIT的學(xué)者首先對(duì)人臉樣本集和非人臉樣本集聚類，以測(cè)試樣本與人臉樣本集和非人臉樣本集的子類之間的距離作為分類的度量，利用多層感知器（MLP）網(wǎng)絡(luò)作為

7、分類器。CMU的研究人員直接以圖像作為神經(jīng)網(wǎng)絡(luò)的輸入，設(shè)計(jì)了一個(gè)具有獨(dú)特結(jié)構(gòu)的適用于人臉特征的神經(jīng)網(wǎng)絡(luò)分類器，并通過(guò)前饋神經(jīng)網(wǎng)絡(luò)對(duì)檢測(cè)結(jié)果優(yōu)化。Raphael Feraud等利用多個(gè)神經(jīng)網(wǎng)絡(luò)：多層感知器（MLP）和約束產(chǎn)生式模型（CGM，Constrained Generative Model），實(shí)現(xiàn)了一個(gè)可應(yīng)用于WEB中人臉圖像檢索的快速而準(zhǔn)確的人臉檢測(cè)方法。Shang-Hung Lin等訓(xùn)練了三個(gè)基于概率決策的神經(jīng)網(wǎng)絡(luò)（PDBNN，Probabilistic Decision Based Neural Network）,用于人臉檢測(cè)，眼睛定位和人臉識(shí)別，實(shí)現(xiàn)了一個(gè)完整的人臉識(shí)別系統(tǒng)。（4）

8、基于隱馬爾可夫模型的方法 馬爾可夫模型是一個(gè)離散時(shí)序有限狀態(tài)自動(dòng)機(jī)，隱馬爾可夫模型（HMM）是指這一馬爾可夫模型的內(nèi)部狀態(tài)外界不可見，外界只能看到各個(gè)時(shí)刻的輸出值。對(duì)于人臉模式來(lái)說(shuō)，我們可以把它分成前額，眼睛，鼻子，嘴巴和下巴這樣一個(gè)序列。人臉模式就可以通過(guò)對(duì)這些區(qū)域的有序的識(shí)別來(lái)檢測(cè)，這正好是隱馬爾可夫模型容易做到的。Samaria等人提出了使用HMM模型進(jìn)行人臉檢測(cè)的算法，他們使用人臉區(qū)域的結(jié)構(gòu)信息作為隱馬爾可夫模型的狀態(tài)遷移條件。除此以外，基于AdaBoost的人臉識(shí)別算法，基于彩色信息的方法，基于形狀分析的方法，以及多模態(tài)信息融合的方法，國(guó)外都進(jìn)行了大量的研究與實(shí)驗(yàn)。3人臉識(shí)別技術(shù)在國(guó)

9、內(nèi)的研究現(xiàn)狀 國(guó)內(nèi)關(guān)于人臉自動(dòng)識(shí)別的研究始于二十世紀(jì)80年代，主要的研究單位有清華大學(xué)，哈爾濱工業(yè)大學(xué)，中科院計(jì)算所，中科院自動(dòng)化所，復(fù)旦大學(xué)，北京科技大學(xué)等，并都取得了一定的成果。國(guó)內(nèi)的研究工作主要是集中在三大類方法的研究：基于幾何特征的人臉正面自動(dòng)識(shí)別方法、基于代數(shù)特征的人臉正面自動(dòng)識(shí)別方法和基于連接機(jī)制的人臉正面自動(dòng)識(shí)別方法。周激流實(shí)現(xiàn)了具有反饋機(jī)制的人臉正面識(shí)別系統(tǒng)，運(yùn)用積分投影法提取面部特征的關(guān)鍵點(diǎn)并用于識(shí)別，獲得了比較滿意的效果。他同時(shí)也嘗試了“穩(wěn)定視點(diǎn)”特征提取方法，即為使識(shí)別系統(tǒng)中包含3D信息，他對(duì)人臉側(cè)面剪影識(shí)別做了一定的研究，并實(shí)現(xiàn)了正，側(cè)面互相參照的識(shí)別系統(tǒng)。彭輝、張長(zhǎng)水

10、等對(duì)“特征臉”的方法做了進(jìn)一步的發(fā)展，提出采用類間散布矩陣作為產(chǎn)生矩陣，進(jìn)一步降低了產(chǎn)生矩陣的維數(shù)，在保持識(shí)別率的情況下，大大降低了運(yùn)算量。程永清，莊永明等對(duì)同類圖像的平均灰度圖進(jìn)行SVD分解得到特征臉空間，每一幅圖像在特征臉空間上的投影作為其代數(shù)特征，然后利用層次判別進(jìn)行分類。張輝，周洪祥，何振亞采用對(duì)稱主元分析神經(jīng)網(wǎng)絡(luò)，用去冗余和權(quán)值正交相結(jié)合的方法對(duì)人臉進(jìn)行特征提取和識(shí)別。該方法所用特征數(shù)據(jù)量小，特征提取運(yùn)算量也較小，比較好地實(shí)現(xiàn)了大量人臉樣本的存儲(chǔ)和人臉的快速識(shí)別。北京科技大學(xué)的王志良教授主要研究人工心理，建立了以數(shù)學(xué)公式為基礎(chǔ)的心理學(xué)模型。4當(dāng)前人臉識(shí)別技術(shù)所存在的主要問(wèn)題 盡管人臉

11、識(shí)別技術(shù)有著廣闊的應(yīng)用前景，但是無(wú)論是在識(shí)別率，還是在防偽性上，都與指紋，視網(wǎng)膜等有著較大的差距，歸根結(jié)底，影響人臉識(shí)別效果的原因主要有以下的幾個(gè)方面： 1）人臉圖像的獲取過(guò)程中的不確定性（如光的方向，以及光的強(qiáng)度等）。 2）人臉模式的多樣性（如胡須，眼鏡，發(fā)型等）。 3）人臉?biāo)苄宰冃蔚牟淮_定性（如表情等）。 4）所涉及的領(lǐng)域知識(shí)的綜合性（如心理學(xué)，醫(yī)學(xué)，模式識(shí)別，圖像處理，數(shù)學(xué)等）。正因?yàn)樵谌四樧R(shí)別的過(guò)程中存在上述的各種各樣的問(wèn)題，因此在實(shí)際的檢測(cè)和識(shí)別過(guò)程中，當(dāng)這些因素疊加到一起的時(shí)候，情況就變得更加復(fù)雜?；趲缀翁卣鞯淖R(shí)別方法，其存在的主要問(wèn)題在于，沒有形成一個(gè)統(tǒng)一的，優(yōu)秀的特征提取標(biāo)準(zhǔn)。在描述人臉的時(shí)候，受到表情，光照，姿態(tài)的影響比較大，無(wú)法準(zhǔn)確地描述人臉特征。盡管如此，基于幾何特征的方法在處理人臉表情分析時(shí)，仍然是一個(gè)最有效的依據(jù)。同時(shí)，目前已經(jīng)提出了很多改進(jìn)的特征提取的算法，使得人臉幾何特征的提取越來(lái)越趨于合理，這里面最具代表性的方法就是結(jié)合3D人臉信息的特征點(diǎn)提取技術(shù)?；诖鷶?shù)特征的識(shí)別方法是目前在實(shí)際應(yīng)用中使用得最多的一類方法，其主要原因是由于代數(shù)特征矢量（即人臉圖像在特征空間的投影結(jié)果）對(duì)角度，表情等因素都具有一定的穩(wěn)定性。但對(duì)于光照