[摘 要] 本文通過工業(yè)界世界級人臉測試,說明人臉識別發(fā)展現(xiàn)狀,分別從二維、三維角度,闡述了人臉識別算法現(xiàn)狀,并對人臉識別算法發(fā)展趨勢予以說明。
[關(guān)鍵詞] 人臉識別 二維識別算法 三維識別算法
一、引言
1.人臉識別概述。人臉識別由于可接受性好,在生物識別領(lǐng)域得到較快的發(fā)展。人臉識別的研究范圍廣義上來講大致包括以下五個方面的內(nèi)容:人臉定位和檢測、人臉表征(人臉特征抽取)、人臉鑒別、表情/姿態(tài)分析、生理分類五方面內(nèi)容。
2.人臉識別現(xiàn)狀。目前有世界級的人臉檢測算法測試項目,它的結(jié)論完全可以揭示人臉識別現(xiàn)狀。最早是1993年,美國國防部高級研究項目署和美國陸軍研究實驗室FERET項目組,建立了FERET人臉數(shù)據(jù)庫,用于評價人臉識別算法的性能。針對工業(yè)界的是在2002年,F(xiàn)RVT2O02對成熟的全自動人臉識別系統(tǒng)進行獨立的技術(shù)評價,提供評價人臉識別系統(tǒng)滿足大規(guī)模、真實世界應(yīng)用能力的性能度量。FRVT2006是第一次將靜態(tài)人臉識別、虹膜識別與3D人臉識別放在一起進行測試;與FRVT2002相比,靜態(tài)人臉識別與3D人臉識別算法結(jié)合的錯誤率下降了一個數(shù)量級;FRVT2006是第一次將機器識別效果與人的識別能力進行比較,結(jié)果發(fā)現(xiàn),在不同的光照環(huán)境下,給定一個低的虛警率,七個自動人臉識別算法的性能相當(dāng)于或優(yōu)于人的識別能力,若不指定虛警率,則七個算法中的三個算法的性能相當(dāng)于或優(yōu)于人的識別能力。
二、二維人臉識別算法綜述
目前的人臉識別方法主要集中在二維圖像方面,二維人臉識別主要利用分布在人臉上從低到高80個節(jié)點或標(biāo)點,通過測量眼睛、顴骨、下巴等之間的間距來進行身份認(rèn)證。人臉識別算法主要有:
1.基于模板匹配的方法:模板分為二維模板和三維模板,核心思想:利用人的臉部特征規(guī)律建立一個立體可調(diào)的模型框架,在定位出人的臉部位置后用模型框架定位和調(diào)整人的臉部特征部位,解決人臉識別過程中的觀察角度、遮擋和表情變化等因素影響。
2.基于奇異值特征方法:人臉圖像矩陣的奇異值特征反映了圖像的本質(zhì)屬性,可以利用它來進行分類識別。
3.子空間分析法:因其具有描述性強、計算代價小、易實現(xiàn)及可分性好等特點,被廣泛地應(yīng)用于人臉特征提取,成為了當(dāng)前人臉識別的主流方法之一。
4.局部保持投影(Locality Preserving Projections,LPP)是一種新的子空間分析方法,它是非線性方法Laplacian Eigen map的線性近似,既解決了PCA等傳統(tǒng)線性方法難以保持原始數(shù)據(jù)非線性流形的缺點,又解決了非線性方法難以獲得新樣本點低維投影的缺點。
5.主成分分析(PCA)
PCA模式識別領(lǐng)域一種重要的方法,現(xiàn)在已被廣泛地應(yīng)用于人臉識別算法中,基于PCA人臉識別系統(tǒng)在應(yīng)用中面臨著一個重要障礙:增量學(xué)習(xí)問題。增量PCA算法由新增樣本重構(gòu)最為重要 PCS,但該方法隨著樣本的增加, 需要不斷舍棄一些不重要PC,以維持子空間維數(shù)不變, 因而該方法精度稍差。
6.其他方法:彈性匹配方法、特征臉法(基于KL變換)、人工神經(jīng)網(wǎng)絡(luò)法、支持向量機法、基于積分圖像特征法(adaboost學(xué)習(xí))、基于概率模型法。
三、三維人臉識別算法綜
二維人臉識別方法的最大不足是在面臨姿態(tài)、光照條件不同、表情變化以及臉部化妝等方面較為脆弱,識別的準(zhǔn)確度受到很大限制,而這些都是人臉在自然狀態(tài)下會隨時表現(xiàn)出來的。三維人臉識別可以極大的提高識別精度,真正的三維人臉識別是利用深度圖像進行研究,自90年代初期開始,已經(jīng)有了一定的進展。三維人臉識別方法有:
1.基于圖像特征的方法:采取了從3D結(jié)構(gòu)中分離出姿態(tài)的算法。首先匹配人臉整體的尺寸輪廓和三維空間方向;然后,在保持姿態(tài)固定的情況下,去作臉部不同特征點(這些特征點是人工的鑒別出來)的局部匹配。
2.基于模型可變參數(shù)的方法:使用將通用人臉模型的3D變形和基于距離映射的矩陣迭代最小相結(jié)合,去恢復(fù)頭部姿態(tài)和3D人臉。隨著模型形變的關(guān)聯(lián)關(guān)系的改變不斷更新姿態(tài)參數(shù),重復(fù)此過程直到最小化尺度達(dá)到要求?;谀P涂勺儏?shù)的方法與基于圖像特征的方法的最大區(qū)別在于:后者在人臉姿態(tài)每變化一次后,需要重新搜索特征點的坐標(biāo),而前者只需調(diào)整3D變形模型的參數(shù)。
四、人臉識別算法發(fā)展趨勢
二維與三維人臉識別相結(jié)合,多種模式的識別使用,可以有效地提高人臉識別精確度;二維識別算法逐步應(yīng)用于三維人臉識別;人臉識別算法要能克服:姿勢、表情的變化,佩戴眼睛、珠寶和其它一些因素及光線等因素影響;識別算法應(yīng)該需要更少的計算量。
參考文獻:
[1]段 錦 周春光 劉小華:三維人臉識別研究進展[J].小型微型計算機系統(tǒng),2004,25(5):886~890
[2]邢書寶:電子商務(wù)環(huán)境下生物特征識別技術(shù)綜述[J].《商場現(xiàn)代化》,2008年第9期,P146
[3]PATRA A K.Influence of Wind Sspeed Profile and Roughness Parameters on the Downwind Extension of Vulnerable Zones During Dispersion of Toxic Dense Gases[J].Journal of LossPrevention in the Process Industries,2006(19):495~497