1 人臉識(shí)別技術(shù)概述

人臉識(shí)別是指利用分析比較人臉視覺特征信息進(jìn)行身份鑒別的計(jì)算機(jī)技術(shù)，其可以定義為：輸入查詢場景中的靜止圖像或者視頻，使用人臉數(shù)據(jù)庫識(shí)別或驗(yàn)證場景中的一個(gè)人或者多個(gè)人，通常也被稱為面部識(shí)別、人像識(shí)別。人臉識(shí)別具有非強(qiáng)制性、非接觸性、并發(fā)性等特點(diǎn)，因此研究者在上世紀(jì)六、七十年代就開始了人臉識(shí)別技術(shù)的研究。進(jìn)入九十年代后，隨著高性能計(jì)算機(jī)的發(fā)展，人臉識(shí)別技術(shù)獲得了重大突破。美國國家標(biāo)準(zhǔn)技術(shù)局(NIST)舉辦的FRVT2006(Face RecognitionVendor Test 2006)通過大規(guī)模的人臉數(shù)據(jù)庫測試表明，人臉識(shí)別技術(shù)的識(shí)別精度要比FRVT2002至少提高了一個(gè)數(shù)量級(jí)。部分識(shí)別算法的精度超過了人類的平均水平。對于高分辨率、高質(zhì)量的正面人臉的識(shí)別率達(dá)到100%。

2 人臉識(shí)別技術(shù)的難點(diǎn)

雖然人臉識(shí)別技術(shù)經(jīng)歷了較長的研究階段，但至今還是被認(rèn)為是生物特征識(shí)別技術(shù)中較為困難的研究課題之一，其原因在于：

1.背景環(huán)境的復(fù)雜多樣

在進(jìn)行人臉識(shí)別前需要先對監(jiān)控場景中的人臉進(jìn)行定位，即人臉檢測。人臉檢測的正確與否直接影響人臉識(shí)別性能。當(dāng)監(jiān)控場景的背景較為復(fù)雜時(shí)，人臉檢測率也會(huì)隨之降低，因此能夠適應(yīng)復(fù)雜背景環(huán)境的人臉檢測算法是人臉識(shí)別技術(shù)的難點(diǎn)之一。

2. 光照條件的復(fù)雜多變

在智能視頻監(jiān)控系統(tǒng)的實(shí)際應(yīng)用中，會(huì)由于監(jiān)控環(huán)境光線的變化造成檢測到的人臉圖像存在不同的陰暗變化，如圖1所示。FRVT2006測試表明，不同光照條件下人臉識(shí)別雖然在性能上比FRVT2002有顯著提高，但是還沒在根本上克服光照對識(shí)別率的影響。

圖1 光線變化對采集到的人臉影響示意圖

3. 人臉表情的多樣性

在實(shí)際應(yīng)用過程中，人臉的表情隨時(shí)都可能發(fā)生變化。圖2給出了部分表情變化的人臉圖像。從圖2可以看出，當(dāng)人的表情發(fā)生變化時(shí)，可能會(huì)引起人臉輪廓以及紋理的變化，同時(shí)由于面部肌肉的牽引，面部的特征點(diǎn)的位置也會(huì)隨之改變。不同的表情引起面部的變化都不同，此外，不同的人的相同表情影響也不相同，因此很難用統(tǒng)一的標(biāo)準(zhǔn)來精確劃分各種表情對不同人的影響。

圖2人臉表情變化多樣性示意圖

4.采集人臉的角度多樣性

人臉的角度多樣性主要是指由于拍攝角度的不同導(dǎo)致檢測到的人臉圖像的旋轉(zhuǎn)，包括平面旋轉(zhuǎn)和深度旋轉(zhuǎn)。圖3列出了部分不同角度拍攝的人臉圖像。從圖3可以看出，與表情變化對人臉圖像的影響相同，拍攝角度的變化同樣會(huì)導(dǎo)致人臉輪廓的變化，除此之外，由于角度的變化，可能會(huì)導(dǎo)致人臉的部分特征無法被正確提取，進(jìn)一步導(dǎo)致人臉的錯(cuò)誤識(shí)別。

圖3 采集人臉的角度多樣性示意圖

5.遮擋問題

即使是非人為故意遮擋，在實(shí)際應(yīng)用時(shí)檢測到的人臉圖像也經(jīng)常會(huì)出現(xiàn)如帽子、眼鏡等遮擋物，除了這些，胡子以及劉海的變化也直接影響人臉的特征提取，圖4舉例給出了出現(xiàn)遮擋的部分人臉圖像。當(dāng)人臉圖像發(fā)生遮擋時(shí)，人臉的很多信息會(huì)丟失，導(dǎo)致人臉識(shí)別算法出錯(cuò)或失效。

圖4采集到的人臉存在遮擋物示意圖

3 人臉識(shí)別系統(tǒng)的步驟

人臉識(shí)別系統(tǒng)主要包括四個(gè)組成部分：人臉圖像檢測、人臉識(shí)別預(yù)處理、人臉特征提取以及特征匹配與識(shí)別。

1.人臉圖像檢測

人臉圖像檢測是人臉識(shí)別過程的關(guān)鍵環(huán)節(jié)之一。人臉檢測是指對于任意一幅給定的圖像，采用一定的策略對其進(jìn)行搜索以確定其中是否含有人臉，如果有，則返回檢測到的人臉圖像的位置、大小以及姿態(tài)。人臉檢測主要利用人臉圖像的直方圖特征、顏色特征、模板特征、結(jié)構(gòu)特征以及haar特征等。

人臉檢測的難點(diǎn)主要在于：(1)光照的復(fù)雜多變，圖像序列中存在的人臉圖像可能由于光源的照射角度或監(jiān)控環(huán)境中同時(shí)存在的多個(gè)光源而導(dǎo)致陰影或?qū)Ρ榷鹊淖兓黾恿藱z測難度，圖5為光照對人臉檢測影響示意圖，從該圖中可以看出右側(cè)第二張人臉圖像無法被正確檢測，其原因在于由于光照角度問題該人臉圖像的左半側(cè)與右半側(cè)亮度差距較大；(2)拍攝角度以及圖像清晰度，如果成像距離較遠(yuǎn)，或者圖像序列分辨率較低，可能會(huì)導(dǎo)致人臉圖像清晰度差而無法被正確檢測，圖6為圖像清晰度對人臉檢測影響示意圖，從該圖可以看出，圖像成像距離近的人臉圖像都可以被正確檢測，然而最后一排的人臉圖像則無法被正確檢測到；(3)人臉圖像中可能存在的遮擋物，場景中的人臉圖像可能由于眼鏡、帽子等遮擋物而影響檢測結(jié)果，除此之外，劉海、胡子的變化等也可能對人臉圖像造成影響，圖7為遮擋物對人臉檢測影響示意圖，從該圖可以看出，當(dāng)左側(cè)無遮擋物的人臉圖像可以被正確檢測時(shí)，右側(cè)存在遮擋物（帽子和眼鏡）的人臉圖像則無法被檢測到；(4)人臉復(fù)雜的細(xì)節(jié)變化，人臉的成像可能會(huì)由于表情的變化而略有不同，此外，人臉圖像的角度旋轉(zhuǎn)也影響人臉檢測的正確檢測率，圖8為細(xì)節(jié)變化對人臉檢測影響示意圖，從該圖可以看出，左側(cè)及右側(cè)的人臉圖像都有不同程度的旋轉(zhuǎn)，當(dāng)中間未發(fā)生細(xì)節(jié)變化的人臉圖像可以被正確檢測時(shí)，發(fā)生旋轉(zhuǎn)的人臉圖像無法被正確檢測。（圖5、6、7及8的檢測結(jié)果均使用haartraining訓(xùn)練得到的人臉檢測器進(jìn)行檢測得到的，圖片來源于網(wǎng)絡(luò)下載）

圖4-5 光照對人臉檢測影響示意圖

圖4-6 圖像清晰度對人臉檢測影響示意圖

圖4-7 遮擋物對人臉檢測影響示意圖

圖4-8 細(xì)節(jié)變化對人臉檢測影響示意圖

2. 人臉圖像預(yù)處理

預(yù)處理是指在進(jìn)行人臉識(shí)別前，為了提高識(shí)別率，通過圖像處理技術(shù)對檢測得到的人臉圖像進(jìn)行的一系列圖像質(zhì)量提高。這些處理主要包括灰度校正、噪聲過濾、光線補(bǔ)償、直方圖均衡化、歸一化等。

3.人臉特征提取

人臉特征提取是對人臉進(jìn)行特征建模的過程，提取方法主要分為兩大類：基于知識(shí)的表征方法和基于代數(shù)特征或統(tǒng)計(jì)學(xué)習(xí)的表征方法。目前人臉識(shí)別技術(shù)中使用的人臉特征主要包括視覺特征、人臉圖像變換系數(shù)特征，人臉圖像代數(shù)特征等。其中基于知識(shí)的表征方法主要是根據(jù)人臉五官的形狀描述以及它們之間的距離特性來獲得有助于人臉分類的特征數(shù)據(jù)，其特征分量通常是使用特征點(diǎn)間的歐幾里得距離、曲率或角度等。基于幾何特征的表征方法是指利用人臉五官之間的結(jié)構(gòu)關(guān)系的幾何描述進(jìn)行人臉表征的方法。

4.人臉匹配與識(shí)別

匹配與識(shí)別是指利用上一步提取到的人臉特征，與樣本庫中存儲(chǔ)的特征模板進(jìn)行搜索匹配，在這個(gè)過程中，需要預(yù)先定義一個(gè)閾值，當(dāng)相似度超過該閾值，則輸出匹配結(jié)果。

4 人臉識(shí)別技術(shù)的研究現(xiàn)狀

人臉識(shí)別方法大致可以分為兩類：基于2D人臉圖像的人臉識(shí)別和基于3D人臉圖像的人臉識(shí)別。其中，基于2D人臉圖像的人臉識(shí)別算法概括起來人臉識(shí)別方法主要分為以下幾個(gè)大類：1. 基于模板匹配的方法，其中模板可以使用固定模板和可變模板；2. 基于知識(shí)的方法；3. 基于統(tǒng)計(jì)學(xué)習(xí)的方法。

近些年，利用3D人臉信息提高識(shí)別性能得到越來越多的關(guān)注。三維人臉識(shí)別是指將采集獲得的待識(shí)別對象的臉部三維形狀數(shù)據(jù)作為識(shí)別依據(jù)，與庫中已知身份的臉部三維形狀數(shù)據(jù)進(jìn)行匹配，然后得出待識(shí)別對象身份的過程。