人臉檢測和識(shí)別技術(shù)的文獻(xiàn)綜述

1、精選優(yōu)質(zhì)文檔-傾情為你奉上人臉識(shí)別技術(shù)綜述 摘要：在閱讀關(guān)于人臉檢測識(shí)別技術(shù)方面文獻(xiàn)后，本文主要討論了人臉識(shí)別技術(shù)的基本介紹、研究歷史,人臉檢測和人臉識(shí)別的主要研究方法，人臉識(shí)別技術(shù)的應(yīng)用前景，并且總結(jié)了人臉識(shí)別技術(shù)的優(yōu)越性和當(dāng)下研究存在的困難。關(guān)鍵詞：人臉識(shí)別;人臉檢測；幾何特征方法;模板匹配方法;神經(jīng)網(wǎng)絡(luò)方法;統(tǒng)計(jì)方法;模板匹配;基于外觀方法;隨著社會(huì)的發(fā)展，信息化程度的不斷提高，人們對(duì)身份鑒別的準(zhǔn)確性和實(shí)用性提出了更高的要求，傳統(tǒng)的身份識(shí)別方式已經(jīng)不能滿足這些要求。人臉識(shí)別技術(shù)(FRT)是當(dāng)今模式識(shí)別和人工智能領(lǐng)域的一個(gè)重要研究方向.雖然人臉識(shí)別的研究已有很長的歷史,各種人臉識(shí)別的技術(shù)也

2、很多,但由于人臉屬于復(fù)雜模式而且容易受表情、膚色和衣著的影響,目前還沒有一種人臉識(shí)別技術(shù)是公認(rèn)快速有效的1基于生物特征的身份認(rèn)證技術(shù)是一項(xiàng)新興的安全技術(shù)，也是本世紀(jì)最有發(fā)展?jié)摿Φ募夹g(shù)之一2 。1. 人臉識(shí)別技術(shù)基本介紹人臉識(shí)別技術(shù)是基于人的臉部特征，一個(gè)完整的人臉識(shí)別過程一般包括人臉檢測和人臉識(shí)別兩大部分，人臉檢測是指計(jì)算機(jī)在包含有人臉的圖像中檢測出人臉，并給出人臉?biāo)趨^(qū)域的位置和大小等信息的過程3 ，人臉識(shí)別就是將待識(shí)別的人臉與已知人臉進(jìn)行比較，得出相似程度的相關(guān)信息。計(jì)算機(jī)人臉識(shí)別技術(shù)也就是利用計(jì)算機(jī)分析人臉圖象, 進(jìn)而從中出有效的識(shí)別信息, 用來“辨認(rèn)”身份的一門技術(shù).人臉自動(dòng)識(shí)別系統(tǒng)包

3、括三個(gè)主要技術(shù)環(huán)節(jié)4。首先是圖像預(yù)處理，由于實(shí)際成像系統(tǒng)多少存在不完善的地方以及外界光照條件等因素的影響，在一定程度上增加了圖像的噪聲，使圖像變得模糊、對(duì)比度低、區(qū)域灰度不平衡等。為了提高圖像的質(zhì)量，保證提取特征的有有效性，進(jìn)而提高識(shí)別系統(tǒng)的識(shí)別率，在提取特征之前，有必要對(duì)圖像進(jìn)行預(yù)處理操作；人臉的檢測和定位，即從輸入圖像中找出人臉及人臉?biāo)诘奈恢茫⑷四槒谋尘爸蟹指畛鰜?，?duì)庫中所有的人臉圖像大小和各器官的位置歸一化；最后是對(duì)歸一化的人臉圖像應(yīng)用人臉識(shí)別技術(shù)進(jìn)行特征提取與識(shí)別。2. 人臉識(shí)別技術(shù)的研究歷史國內(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，由于人臉識(shí)別系統(tǒng)和視頻解碼的大量運(yùn)用，人

4、臉檢測的研究才得到了新的發(fā)展利用運(yùn)動(dòng)、顏色和綜合信息等更具有魯棒性的方法被提出來變形模板，彈性曲線等在特征提取方面的許多進(jìn)展使得人臉特征的定位變得更為準(zhǔn)確。人臉識(shí)別的研究大致可分為四個(gè)階段。第一個(gè)階段以Bertillon，Allen和Parke為代表，主要研究人臉識(shí)別所需要的面部特征；第二個(gè)階段是人機(jī)交互識(shí)別階段；第三個(gè)階段是真正的機(jī)器自動(dòng)識(shí)別階段；第四個(gè)階段是魯棒的人臉識(shí)別技術(shù)的研究階段。目前，國外多所大學(xué)和研究機(jī)構(gòu)已經(jīng)研制出一些較好的人臉識(shí)別原型系統(tǒng)和一些較成熟的商業(yè)人臉識(shí)別系統(tǒng)，如德國的Cognitec，美國的Indentix，Eyematic等5 。 3.人臉識(shí)別技術(shù)的研究方法 目前人

5、臉識(shí)別技術(shù)的研究主要分為以下兩大類：人臉檢測和人臉識(shí)別。人臉檢測的方法主要有基于知識(shí)的方法、基于特征的方法、模板匹配和基于外觀的方法等四種6。根據(jù)特征提取和選擇方法的不同，以及出現(xiàn)的時(shí)間順序，把人臉識(shí)別方法分為三大類：早期的幾何特征方法和模板匹配方法、神經(jīng)網(wǎng)絡(luò)方法和統(tǒng)計(jì)方法。其中的分類只是相對(duì)的，有些方法可能也可以交叉存在7 。(1)人臉檢測方法基于知識(shí)的方法 基于知識(shí)的方法（Knowledge-Based Methods）一是基于規(guī)則的人臉檢測方法。規(guī)則來源于研究者關(guān)于人臉的先驗(yàn)知識(shí)。一般比較容易提出簡單的規(guī)則來描述人臉特征和它們的相互關(guān)系。Yang和Huang使用分層的基于知識(shí)的人臉檢測方

6、法8 。他們的系統(tǒng)由3級(jí)規(guī)則組成。在最高級(jí)，通過掃描輸入圖像的窗口和應(yīng)用每個(gè)位置的規(guī)則集找到所有可能的人臉候選區(qū)。較高級(jí)的規(guī)則通常描述人臉看起來象什么，而較低級(jí)的規(guī)則依賴于面部特征的細(xì)節(jié)。基于特征的方法基于特征的方法（Feature-Based Methods）不僅可以從已有的面部特征而且可以從它們的幾何關(guān)系進(jìn)行人臉檢測。和基于知識(shí)的方法相反，它是尋找人臉的不變特征用于人臉檢測。人們已經(jīng)提出了許多先檢測人臉面部特征，后推斷人臉是否存在的方法。根據(jù)提取的特征，建立統(tǒng)計(jì)模型描述特征之間的關(guān)系并確定存在的人臉。模板匹配的方法Sakai等人用眼睛、鼻子、嘴和人臉輪廓等子模板建模，檢測照片中的正面人臉。

7、每一個(gè)子模板按照線分割定義?；谧畲筇荻茸兓崛≥斎雸D像的線，然后與子模板匹配。計(jì)算子圖像和輪廓模板之間的相互關(guān)系檢測人臉的候選區(qū)域，完成用其他子模板在候選區(qū)域的匹配。Craw等人提出了一種基于正面人臉的形狀模板即人臉的外形定位方法Govindaraju等人提出兩個(gè)階段的人臉檢測方法。人臉模型根據(jù)邊緣定義的特征構(gòu)成。這些特征描述了正面人臉的左邊、發(fā)際和右邊的曲線。人臉必須是垂直、無遮擋和正面的?；谕庥^的方法基于外觀的方法首先通過學(xué)習(xí)，在大量訓(xùn)練樣本集的基礎(chǔ)上建立一個(gè)能對(duì)人臉和非人臉樣本進(jìn)行正確識(shí)別的分類器，然后對(duì)被檢測圖像進(jìn)行全局掃描，用分類器檢測掃描到的圖像窗口中是否包含人臉，若有則給出人

8、臉?biāo)诘奈恢谩oghaddam和Pentland提出在高維空間利用特征空間分解密度估計(jì)的概率視覺學(xué)習(xí)方法9 。用主成分(PCA)分析來定義子空間從而最好地表示人臉模式集。主成分保存數(shù)據(jù)中主分量而丟棄了那些次分量。這種方法把向量空間分解為互相排斥和互為補(bǔ)充的2個(gè)子空間主子空間或特征空間和它的正交子空間。因此對(duì)象密度被分解為個(gè)2成分在主子空間由主分量張成的密度，和它的垂直成分(在標(biāo)準(zhǔn)的PCA中被丟棄的次分量。用多變量Gaussians和混合Gaussians密度分布進(jìn)行學(xué)習(xí)人臉局部特征的統(tǒng)計(jì)。然后將這些概率密度用于基于最大似然估計(jì)的對(duì)象檢測。（2）人臉識(shí)別方法早期的幾何特征方法和模板匹配方法最早

9、的人臉識(shí)別方法就是基于幾何特征的方法10 ，它的基本思想是提取人臉面部具有代表性的部位（例如眉毛、眼睛、鼻子、嘴巴等）的相對(duì)位置和相對(duì)大小作為特征，再輔以人臉輪廓的形狀信息，來對(duì)人臉進(jìn)行分類和識(shí)別。模板匹配方法是模式識(shí)別中最簡單的一種模式分類方法。在人臉識(shí)別中，就是把數(shù)據(jù)庫的人臉圖像看成是已知的模板，然后根據(jù)計(jì)算待識(shí)別圖像和已知模板間的相關(guān)性大小來分類。 神經(jīng)網(wǎng)絡(luò)方法基于神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法也早期的方法之一。目前較流行的基于動(dòng)態(tài)鏈接結(jié)構(gòu)的彈性圖匹配（Elastic Graph Matching）方法，并且取得了一定的成功。它是通過 Gabor 小波來提取并描述人臉中的一些局部特征點(diǎn)（節(jié)點(diǎn)），

10、并把它們用成標(biāo)記圖（Labeled Graph）的形式連接起來，用標(biāo)記圖之間的相似度來衡量人臉圖像之間的相似度。彈性圖匹配方法不但體現(xiàn)了人臉中的幾何特征信息，而且還可以通過標(biāo)記圖的彈性形變來描述人臉的一些變化，因而能取得較好的識(shí)別性能。 基于統(tǒng)計(jì)的方法統(tǒng)計(jì)方法是目前最受注意的一類方法。它的思想就是想通過學(xué)習(xí)來得到人臉的統(tǒng)計(jì)特征，并以此來判別分類。其學(xué)習(xí)和識(shí)別過程的模型如下圖1所示。圖1 統(tǒng)計(jì)方法識(shí)別模型子空間分析（Subspace Analysis）方法是其中的主要的一種，它的思想就是把高維空間中松散分布的人臉圖像，通過線性或非線性變換壓縮到一個(gè)低維的子空間中去，在低維的子空間中使人臉圖像的分

11、布更緊湊，更有利于分類。4.人臉識(shí)別技術(shù)應(yīng)用前景人臉識(shí)別由于具有直接，友好，方便的特點(diǎn)，使用者無任何心理障礙，易于為用戶所接受，從而得到了廣泛的研究與應(yīng)用。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)場或通過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)證在許多場合（如?？?，機(jī)場，機(jī)密部門等）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)控公共場所，當(dāng)有異常情況時(shí)，需要實(shí)時(shí)跟蹤，監(jiān)控，識(shí)別和報(bào)警等。這需要對(duì)采集到的圖像進(jìn)行具體分析，

12、且要用到人臉的檢測，跟蹤和識(shí)別技術(shù)。（4）入口控制,應(yīng)用范圍很廣，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).5總結(jié)人臉識(shí)別技術(shù)具有獨(dú)到的技術(shù)優(yōu)勢，應(yīng)用背景廣泛, 雖然人類的人臉識(shí)別能力很強(qiáng), 能夠記住并辨別上千個(gè)不同人臉, 但是真正用計(jì)算機(jī)實(shí)現(xiàn)還有很大的困難， 其表現(xiàn)在: 人臉表情豐富; 人臉隨年齡增長而變化; 人臉?biāo)蓤D象受光照、成象角度及成象距離等影響; 而且從二維圖象重建三維人臉是病態(tài)( ill2po sed) 過程, 目前尚沒有很好的描述人臉的三維模型. 另外, 人臉識(shí)別還

13、涉及到圖象處理、計(jì)算機(jī)視覺、模式識(shí)別以及神經(jīng)網(wǎng)絡(luò)等學(xué)科, 也和人腦的認(rèn)識(shí)程度緊密相關(guān). 這諸多因素使得人臉識(shí)別成為一項(xiàng)極富挑戰(zhàn)性的課題11.人臉識(shí)別技術(shù)作為安全防范技術(shù)中一個(gè)重要組成部分，逐漸從系統(tǒng)組成發(fā)展到嵌入式獨(dú)立工作，再到模塊化、芯片化。這需要每一位專業(yè)人員去努力，始終在不斷的更新技術(shù)、研發(fā)新產(chǎn)品、開發(fā)新應(yīng)用，才能為人臉識(shí)別技術(shù)發(fā)展帶來新的契機(jī)，更能加快科技的發(fā)展。參考文獻(xiàn)：1 陳雅茜, 雷開彬. 人臉識(shí)別技術(shù)綜述J. 西南民族大學(xué)學(xué)報(bào)(自然科學(xué)版), 2007, (4)2 劉曉寧.基于三維模型的人臉識(shí)別技術(shù)研究.西北大學(xué)博士學(xué)位論文.2006,05:1.3陳雅茜,雷開彬. 人臉識(shí)別技術(shù)

14、綜述J. 西南民族大學(xué)學(xué)報(bào)(自然科學(xué)版),2007,04. 4 劉小華.人臉識(shí)別技術(shù)及其應(yīng)用研究.吉林大學(xué)博士學(xué)位論文.2005,04:10 5 趙明華.人臉檢測和識(shí)別技術(shù)的研究.四川大學(xué)博士學(xué)位論文.2006,10.6 趙麗紅.人臉檢測和識(shí)別算法的研究與實(shí)現(xiàn).東北大學(xué)博士學(xué)位論文 2006,01.7 劉青山.人臉跟蹤與識(shí)別的研究.中國科學(xué)院博士學(xué)位論文.2003,03.8 T.S.Huang and G.Z.Yang.Human Face Detection in a Complex Background J,Pattern Recognition,1994,19 B.Moghaddam and A.Pentland.Probabilistic Visual Learning for Object RecognitionJ,IEEE Trans,Pattern Analysisand Machine Intelligence,July 1997,19