人臉識別技術(shù)的應用背景及研究現狀

人臉識別技術(shù)的應用背景及研究現狀

1．人臉識別技術(shù)的應用

隨著(zhù)社會(huì )的不斷進(jìn)步以及各方面對于快速有效的自動(dòng)身份驗證的迫切要求，生物特征識別技術(shù)在近幾十年中得到了飛速的發(fā)展。作為人的一種內在屬性，并且具有很強的自身穩定性及個(gè)體差異性，生物特征成為了自動(dòng)身份驗證的最理想依據。當前的生物特征識別技術(shù)主要包括有：指紋識別，視網(wǎng)膜識別，虹膜識別，步態(tài)識別，靜脈識別，人臉識別等。與其他識別方法相比，人臉識別由于具有直接，友好，方便的特點(diǎn)，使用者無(wú)任何心理障礙，易于為用戶(hù)所接受，從而得到了廣泛的研究與應用。除此之外，我們還能夠對人臉識別的結果作進(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，擴展了人臉識別的應用前景。當前的人臉識別技術(shù)主要被應用到了以下幾個(gè)方面：

（1）刑偵破案公安部門(mén)在檔案系統里存儲有嫌疑犯的照片，當作案現場(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，可以從數據庫中迅速查找確認，大大提高了刑偵破案的準確性和效率。

（2）證件驗證在許多場(chǎng)合（如?？?，機場(chǎng)，機密部門(mén)等）證件驗證是檢驗某人身份的一種常用手段，而身份證，駕駛證等很多其他證件上都有照片，使用人臉識別技術(shù)，就可以由機器完成驗證識別工作，從而實(shí)現自動(dòng)化智能管理。

（3）視頻監控在許多銀行，公司，公共場(chǎng)所等處都設有24小時(shí)的視頻監控。當有異常情況或有陌生人闖入時(shí)，需要實(shí)時(shí)跟蹤，監控，識別和報警等。這需要對采集到的圖像進(jìn)行具體分析，且要用到人臉的檢測，跟蹤和識別技術(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)入計算機系統或情報系統前的身份驗證。

（5）表情分析根據人臉圖像中的面部變化特征，識別和分析人的情感狀態(tài)，如高興，生氣等。此外，人臉識別技術(shù)還在醫學(xué)，檔案管理，人臉動(dòng)畫(huà)，人臉建模，視頻會(huì )議等方面也有著(zhù)巨大的應用前景。

2．人臉識別技術(shù)在國外的研究現狀

當前很多國家展開(kāi)了有關(guān)人臉識別的研究，主要有美國，歐洲國家，日本等，著(zhù)名的研究機構有美國MIT的Media lab,AI lab,CMU的Human-Computer Interface Institute，Microsoft Research,英國的Department of Engineering in University of Cambridge等。綜合有關(guān)文獻，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計一個(gè)或幾個(gè)參考模板，然后計算測試樣本與參考模板之間的某種度量，以是否大于閾值來(lái)判斷測試樣本是否人臉。這種方法比較簡(jiǎn)單，在早期的系統中采用得比較多。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，一種方法是手工構造參數化的曲線(xiàn)和曲面以表征人臉中的某些非固定特征，如眼睛，鼻子和嘴唇等。另一種方法是系統自動(dòng)生成自適應的曲線(xiàn)或曲面，以構成變形人臉模板。檢測方法是：將模板與測試圖像進(jìn)行彈性匹配，并加入懲罰機制，利用某種能量函數表示匹配程度。

（2）示例學(xué)習

示例學(xué)習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則。將人臉樣本和非人臉樣本送入學(xué)習機中，產(chǎn)生出判別規則，從而用于作為判斷輸入的測試圖像是否屬于人臉的主要判別依據。為了獲得較高的精度，學(xué)習過(guò)程需要大量的樣本，另外樣本數據本身是高維矢量，因此，研究通用而有效的學(xué)習算法的關(guān)鍵是精確的區分性和數據維數的降低。

將多個(gè)表示人臉模式的線(xiàn)性空間進(jìn)行組合，是示例學(xué)習的另一條途徑。采用了Kohonen自組織映射網(wǎng)絡(luò )對人臉樣本和非人臉樣本進(jìn)行聚類(lèi)，對每一類(lèi)樣本進(jìn)行Fisher線(xiàn)性判別，得到每一類(lèi)的判別平面，從而構成圖像子空間，并運用高斯模型描述每個(gè)子空間，估計出類(lèi)條件概率密度。這樣，對于測試圖像，計算其屬于各個(gè)子空間的概率，分類(lèi)決策為概率最大的類(lèi)是它所屬的類(lèi)，從而判斷測試圖像是否為人臉。