人臉識(shí)別技術(shù)應(yīng)用與發(fā)展趨勢

文/滿江月

近年來，隨著“平安城市建設(shè)”的大力推進(jìn)，越來越多的高清攝像頭部署在各個(gè)重要場所，如機(jī)場、地鐵、火車站、汽車站等。這些場所是人口流動(dòng)必經(jīng)之地，也是公安重點(diǎn)布控區(qū)域。很多地區(qū)提出的人臉識(shí)別需求，也是針對這些重要通道出入口場景，要求系統(tǒng)自動(dòng)偵測視頻畫面中的人臉，并與數(shù)據(jù)庫中的人臉數(shù)據(jù)進(jìn)行一一比對，得到最有可能的身份信息。2012年上映的電影《碟中諜4》中，也有類似的人臉識(shí)別概念，相信看過此片的朋友對下面這個(gè)片段會(huì)有一定的印象。電影中，探員漢納威在火車站利用同事傳過來的目標(biāo)人臉信息，配合人臉識(shí)別系統(tǒng)，快速檢索比對過往人群，最終找到并抓捕嫌犯。事實(shí)上，這樣的人臉識(shí)別系統(tǒng)已經(jīng)從銀幕走向現(xiàn)實(shí)。本文將首先對人臉識(shí)別技術(shù)原理進(jìn)行介紹，然后介紹幾種典型的系統(tǒng)應(yīng)用，最后對人臉識(shí)別技術(shù)未來的發(fā)展方向進(jìn)行分析。

人臉識(shí)別技術(shù)概述

廣義的人臉識(shí)別主要分為人臉檢測(f a c e detection)、特征提取(feature extraction)和人臉識(shí)別(face recognition)三個(gè)過程，如圖1所示。

圖1 典型的人臉識(shí)別過程

其中，第三步提到的人臉識(shí)別是狹義的人臉識(shí)別，即將待識(shí)別人臉?biāo)崛〉奶卣髋c數(shù)據(jù)庫中人臉的特征進(jìn)行對比，根據(jù)相似度判別分類。而人臉識(shí)別又可以分為兩個(gè)大類：一類是確認(rèn)(verification)，這是人臉圖像與數(shù)據(jù)庫中已存的該人圖像比對的過程，回答你是不是你的問題；另一類是辨認(rèn)(identification)，這是人臉圖像與數(shù)據(jù)庫中已存的所有圖像匹配的過程，回答你是誰的問題。顯然，人臉辨認(rèn)要比人臉確認(rèn)困難，因?yàn)楸嬲J(rèn)需要進(jìn)行海量數(shù)據(jù)的匹配。在辨認(rèn)過程中，海量數(shù)據(jù)的處理、特征提取和分類算法的選擇變得非常重要。識(shí)別率和識(shí)別速度是人臉識(shí)別技術(shù)中主要的衡量算法性能的指標(biāo)。本文后面提到的人臉識(shí)別，主要指的是人臉辨認(rèn)。

人臉識(shí)別技術(shù)原理

人臉識(shí)別算法發(fā)展到今天，大致上可以分為兩類：基于特征的人臉識(shí)別算法和基于外觀的人臉識(shí)別算法。其中，多數(shù)基于特征的人臉識(shí)別算法屬于早期的人臉識(shí)別算法，現(xiàn)在已經(jīng)不再使用。不過近些年出現(xiàn)了一些新的基于特征的算法，并取得不錯(cuò)的效果。而基于外觀的人臉識(shí)別算法是由于實(shí)現(xiàn)簡單，受到廣泛關(guān)注。接下來將分別介紹兩類人臉識(shí)別算法。

基于特征的人臉識(shí)別算法

早期的人臉識(shí)別算法主要是基于特征模板和幾何約束來實(shí)現(xiàn)的。這一類算法首先對輸入圖像進(jìn)行處理，提取出如眼睛、鼻子和嘴等面部特征和外觀輪廓。然后計(jì)算這些面部特征之間的幾何關(guān)系，如距離、面積和角度等。這樣將輸入圖像轉(zhuǎn)換為幾何特征向量后，使用標(biāo)準(zhǔn)的統(tǒng)計(jì)模式識(shí)別技術(shù)進(jìn)行匹配分類。由于算法利用了一些直觀的特征，計(jì)算量小。不過，由于其所需的特征點(diǎn)不能精確選擇，限制了它的應(yīng)用范圍。另外，當(dāng)光照變化、人臉有外物遮擋、面部表情變化時(shí)，特征變化較大。所以說，這類算法只適合于人臉圖像的粗略識(shí)別，無法在實(shí)際中應(yīng)用。

圖2 一些典型的面部幾何特征示意圖

以上這些方法都是通過一些特征模板和幾何約束來檢測特定的面部特征，并計(jì)算特征之間的關(guān)系。還有一些方法使用了圖像的局部表示來提取特征。其中最受關(guān)注的方法是局部二值模式（LBP）算法。LBP方法首先將圖像分成若干區(qū)域，在每個(gè)區(qū)域的像素3x3鄰域中用中心值作閾值化，將結(jié)果看成是二進(jìn)制數(shù)。圖3顯示了一個(gè)LBP算子。LBP算子的特點(diǎn)是對單調(diào)灰度變化保持不變。每個(gè)區(qū)域通過這樣的運(yùn)算得到一組直方圖，然后將所有的直方圖連起來組成一個(gè)大的直方圖并進(jìn)行直方圖匹配計(jì)算進(jìn)行分類。

基于特征的人臉識(shí)別算法主要的優(yōu)勢在于對姿態(tài)、尺度和光照等變化魯棒。由于多數(shù)特征是基于手動(dòng)選擇和先驗(yàn)知識(shí)，受圖像本身的成像質(zhì)量影響較少。另外，提取出的面部特征往往維數(shù)較低，匹配速度快。這些方法的缺點(diǎn)是自動(dòng)特征提取的難度較大。如果特征集的鑒別能力弱，再多的后續(xù)處理也無法補(bǔ)償本身的不足。

圖3 LBP算子

基于外觀的人臉識(shí)別算法

基于外觀的人臉識(shí)別算法也稱為整體方法。它們使用圖像的全局信息來辨識(shí)人臉。最簡單的整體方法是用二維數(shù)組來存放圖像的灰度值，然后直接對輸入圖像和數(shù)據(jù)庫中的所有圖像進(jìn)行相關(guān)性比較。這種方法的缺點(diǎn)非常多，如易受環(huán)境影響、計(jì)算耗時(shí)等。其中一個(gè)重要的問題是這樣的分類是在一個(gè)非常高維的空間中進(jìn)行的。為了克服維數(shù)問題，一些算法使用統(tǒng)計(jì)降維方法來獲取和保留更有用的信息，最典型的算法就是主成分分析（PCA）算法和線性鑒別分析（LDA）算法。

PCA算法指出任何特定的人臉可以由一個(gè)低維的特征子空間表示，并可以用這個(gè)特征子空間近似地重建。將輸入人臉圖像投影到特征子空間上得到的特征與已知的數(shù)據(jù)庫進(jìn)行比對來確定身份。PCA算法選取的特征最大化了人臉樣本間的差異，但也保留了一些由于光照和面部表情產(chǎn)生的不必要的變化。而同一個(gè)人由于光照產(chǎn)生的變化可能會(huì)大于不同人之間的變化，如圖4所示。LDA算法在最大化不同個(gè)體之間的樣本差異的同時(shí)，最小化同一個(gè)體內(nèi)部的樣本差異。這樣達(dá)到了人臉特征子空間的劃分。圖5是PCA和LDA算法的示例。其中，PCA的特征臉是由組成PCA特征子空間的特征向量按二維圖像來排列得到的類似人臉的圖像。LDA的Fisher臉也是同樣道理。經(jīng)過特征臉和Fisher臉重構(gòu)得到的人臉圖像在第四行?？梢钥吹剑琍CA重構(gòu)臉與輸入人臉差異較小，但LDA的Fisher臉很難辨認(rèn)，但突出了該個(gè)體的顯著特征。PCA和LDA方法都假設(shè)存在一個(gè)最優(yōu)的投影子空間。這個(gè)子空間的每個(gè)區(qū)域?qū)?yīng)唯一的一個(gè)人。然而，事實(shí)上在人臉空間中許多人經(jīng)常會(huì)映射到相同的區(qū)域中，因此這種假設(shè)并不成立。

圖4 同一個(gè)人在不同光照下的圖片

整體方法主要的優(yōu)點(diǎn)是它們沒有丟棄圖像中的任何信息。然而，這也是它們的缺點(diǎn)。整體方法一般假設(shè)圖像中的所有像素是同等重要的。因此，這些技術(shù)不僅計(jì)算耗時(shí)，而且需要測試樣本與訓(xùn)練樣本高度相關(guān)。當(dāng)人臉圖像的姿態(tài)、尺度和光照發(fā)生較大變化時(shí)識(shí)別性能一般。

圖5 PCA和LDA算法的示例

人臉識(shí)別系統(tǒng)應(yīng)用

人臉識(shí)別的應(yīng)用范圍很廣，從門禁、設(shè)備登錄到機(jī)場、公共區(qū)域的監(jiān)控。表1給出了一些人臉識(shí)別的應(yīng)用領(lǐng)域。

表1 人臉識(shí)別的應(yīng)用領(lǐng)域

以公安應(yīng)用為例，公安部門在查辦案、處理事務(wù)時(shí)常常會(huì)遇到一些不明身份的人員，比如走丟的老人、小孩，拒不交代身份的嫌疑犯，無人認(rèn)領(lǐng)的尸體等。這時(shí)傳統(tǒng)的方法往往不能解決問題。利用人臉檢索系統(tǒng)，將目標(biāo)人臉輸入到系統(tǒng)中。系統(tǒng)自動(dòng)在海量人口數(shù)據(jù)庫中進(jìn)行查找比對，列出前若干名相似的人員信息。然后再通過人工干預(yù)的方式，對系統(tǒng)結(jié)果進(jìn)行篩選，得到目標(biāo)的真實(shí)身份。

文章開頭提到的是另外一種應(yīng)用。即在一些重要的通道出入口，部署高清探頭，專門用于抓拍經(jīng)過的人臉并傳送給后端系統(tǒng)。后端系統(tǒng)將人臉圖片與所關(guān)注的人臉庫（比如VIP客戶，或者在逃嫌疑犯等）進(jìn)行逐一比對。當(dāng)發(fā)現(xiàn)有目標(biāo)與庫中人員相似度超過設(shè)定閾值時(shí)，系統(tǒng)自動(dòng)提示相關(guān)人員采取措施。

人臉識(shí)別技術(shù)發(fā)展趨勢

前面提到了人臉識(shí)別的一些典型算法和應(yīng)用，但人臉識(shí)別技術(shù)發(fā)展到今天，還存在一定的局限性。圖4是同一個(gè)人在不同光照下的圖片，很直觀地可以看出，即使是同一個(gè)人，在不同光照下用肉眼也很難辨別。除了光照，還有姿態(tài)、表情、年齡等因素限制了人臉識(shí)別的應(yīng)用。目前的人臉識(shí)別系統(tǒng)只能在一些較規(guī)范的環(huán)境下進(jìn)行，人臉需要正對著攝像機(jī)，并保證人臉在畫面中有一定的像素寬度。但是在實(shí)際的安防監(jiān)控場合中，這些限制條件很難一一滿足。這就為人臉識(shí)別技術(shù)提出了更大的挑戰(zhàn)。未來的人臉識(shí)別算法需要進(jìn)一步提高精度，提高環(huán)境適應(yīng)性，以滿足實(shí)際的應(yīng)用需求。

現(xiàn)在已經(jīng)有一些機(jī)構(gòu)、高校在進(jìn)行人臉識(shí)別新領(lǐng)域、新技術(shù)的研究。比如遠(yuǎn)距離人臉識(shí)別技術(shù)，3D人臉識(shí)別技術(shù)等。遠(yuǎn)距離人臉識(shí)別系統(tǒng)面臨兩個(gè)主要困難。首先是如何從遠(yuǎn)距離獲取人臉圖像。其次，在得到的數(shù)據(jù)并不理想的情況下，如何識(shí)

別身份。從某種意義上來看，遠(yuǎn)距離人臉識(shí)別并不是一個(gè)特定的關(guān)鍵技術(shù)或者基礎(chǔ)研究問題。它可以看成是一個(gè)應(yīng)用和系統(tǒng)設(shè)計(jì)問題。通常有兩類解決方法用于獲取人臉圖片。一種是高清的固定式攝像機(jī)，另一種是使用PTZ控制系統(tǒng)多攝像機(jī)系統(tǒng)。后者更適合于一般情況，不過其結(jié)構(gòu)更為復(fù)雜，造價(jià)也更貴。后者需要考慮如何協(xié)調(diào)多臺(tái)攝像機(jī)的同步操作。一般地，系統(tǒng)由低分辨率廣角攝像機(jī)和高分辨率長焦攝像機(jī)組成。前者用于檢測和追蹤目標(biāo)，后者用于人臉圖像采集和識(shí)別。目前遠(yuǎn)距離人臉識(shí)別技術(shù)還處于實(shí)驗(yàn)室階段，未來如果能夠解決上述問題，對人員布控這樣的應(yīng)用有著重要意義。

3D人臉識(shí)別能夠很好地克服2D人臉識(shí)別遇到的姿態(tài)、光照、表情等問題。主要原因是2D圖像無法很好地表示深度信息。通常，3D人臉識(shí)別方法使用3D掃描技術(shù)獲取3D人臉，然后建立3D人臉模型并用于識(shí)別。不過，3D人臉識(shí)別技術(shù)的缺點(diǎn)也是很明顯的。首先它需要額外的3D采集設(shè)備或雙目立體視覺技術(shù)，其次，建模過程需要的計(jì)算量較大。相信隨著未來芯片技術(shù)的發(fā)展，當(dāng)計(jì)算能力不再受到制約，采集設(shè)備成本大幅下降的時(shí)候，3D人臉識(shí)別將會(huì)成為熱門技術(shù)之一。