BYR Achieve · 镜像论坛

【以下文字转载自 Board_Apply 讨论区】发信人: PtwCJ (鲜的每日C|头像不是我，我是长毛贼~~), 信区: Board_Apply 标题: [范文]人脸识别发展分析发信站: 北邮人论坛 (Mon Oct 15 19:56:28 2007), 站内人脸识别技术从最初对背景单一的正面灰度图像的识别，经过对多姿态(正面、侧面等)人脸的识别研究，发展到能够动态实现人脸识别，目前正在向三维人脸识别的方向发展。在此过程中，人脸识别技术涉及的图像逐渐复杂，识别效果不断地得到提高。虽然人脸识别研究已积累了宝贵的丰富经验，但目前的识别技术仍然不能对诸如复杂背景中的人脸等进行有效的处理和自动跟踪。同时，与其他学科不同的是:人脸识别技术融合了数字图像处理、计算机图形学、模式识别、计算机视觉、人工神经网络和生物特征技术等多个学科的理论和方法，需要研究人员具有完善的知识体系和丰富的经验。一个人脸自动识别系统包括三个主要技术环节:首先是人脸检测与定位，即检测图像中人没有人脸，若有，将其从背景中分割出来，并确定在图像中的位置。其次是特征提取。特征提取之前一般需要做几何归一化和灰度归一化的工作。其中前者是指根据人脸定位结果将图像中的人脸变化到同一位置和大小；后者是指对图像进行补偿等处理，以克服光照变化的影响。具体的特征形式随识别方法的不同而不同。最后使人脸识别。数据库里预先存放了已知的人脸图像或有关的特征值，识别的目的就是将待识别的图像或特征与库里的进行匹配。识别的任务主要有两个:一个人脸辨认，即确定输人图像为库中的哪一个人，是一对多的匹配过程;另一个是人脸证实，即验证某个人的身份是否属实，是一对一的匹配过程。传统的人脸识别方法主要有基于几何特征的人脸识别方法和基于相关匹配的人脸识别方法等，这里不做介绍。下面介绍现代人脸识别方法。一、基于特征脸的人脸识别方法：特征脸方法是从主要成分分析(PCA)导出的一种人脸识别和描述技术。PCA实质上是K-L展开的网络递推实现。K-L变换是图像压缩技术中的一种最优正交变换，人们将它用于统计特征提取，从而形成子空间法模式识别的基础。实验表明，特征脸方法存在如下特点:首先，由于作为一种图像的统计方法，图像中所有的像素都被赋予了同等的地位，可是角度、光照、表情等干扰会使识别率下降；其次人脸在人脸空间的分布近似高斯分布，且普通人脸位于均值附近，而特殊人脸则位于边缘分布，可见，越普通的人脸越难分辨，特征脸方法的本质是抓住了人群的统计特征，反映了特定人脸库的统计特征，但不具有广泛性、代表性。而利用fisher判据的方法是一种较好的改进方法。二、基于小波特征的弹性匹配方法：弹性匹配方法是一种基于动态链接结构的方法。该方法在二维的空间中定义了一个距离，它对通常的人脸变形具有一定的不变性，也不要求待识别人脸和库中人脸维数一定相同。可采用属性拓扑图来表达人脸，其拓扑图的任一顶点均包含一特征矢量，它记录了人脸在该顶点位置的分布信息，二维拓扑图的顶点矢量就是人脸经小波变换后的特征矢量。用拓扑图分别代表已知和待识别人脸，还可根据匹配拓扑图算出它们的“距离”作为人脸的相似度准则。实验表明，弹性图形匹配优于K-L变换，它能保留更多局部人脸细节。但具体的参数选择，如二维网格的大小、小波变换参数的选择等，都会影响识别的效果，因此有效的识别效果依赖于关键识别信息的提取。另外它需要更大的计算复杂度和存储空间。三、隐马尔可夫模型方法：隐马尔可夫模型(Hidden Markov Model，HMM)是用于描述信号统计特征的一组统计模型。HMM的基本理论有Baum和Welch 等人于20世纪60年代末70 年代初建立，在语音识别中应用较多。HMM使用马尔可夫链来模拟信号统计特性的变化，而这种变化又是间接的通过观察序列来描述的，因此，隐马尔可夫过程是一个双重的随机过程。再HMM中，节点表示状态，有向边表示状态之间的转移，一个状态可以具有特征空间中的任一特征，对同一特征，不同状态表现出这一特征的概率不同。由于HMM是一个统计模型，对于同一特征序列，可能会对应于许多状态序列，特征序列与状态序列之间的对应关系是非确定的。这种模型对与状态序列来说是隐的，故称为隐马尔可夫模型。四、基于神经网络的人脸识别方法：基于神经网络的方法是最近几年比较活跃的一个研究方向。应用神经网络进行人脸的特征提取和分类器的设计，有比较成熟的人脸特征提取算法一自适应主分量神经网络算法。神经网络虽然有较强的归纳能力，但当样本数大量增加时，其性能有可能会严重下降。通过对人脸识别方法的系统研究与分析，为了进一步对人脸识别进行深人研究，总结出人脸识别领域急需或有待于解决的关键问题。如：光照问题、姿态估计与匹配、表情特征识别、多种特征融合机制的建立、三维人脸建模与识别和时变特征的提取与消除等。人脸识别是一个跨学科富挑战性的前沿课题，目前的很多方法仍停留在研究阶段，其识别效果离实用还有较大的差距，要开发一个在无约束环境下自动识别人脸的系统，人脸识别系统的三个主要技术环节还有许多的问题有待解决，如人脸检测与定位、特征选择与提取、人脸识别。此外，如何将能够获得的各种信息最大限度、有机的集成起来加以利用，这也是一个具有普遍意义的研究课题，而且也是有效提高人连识别系统效率的手段。人脸识别是一个跨学科富有挑战性的前沿课题，但目前人脸识别还只是研究课题，尚未真正进人实用化领域。人脸识别难度较大，主要表现在人脸是非刚体变化，很难用固定的几何模型来进行描述。另外，人的表情、姿态、发型以及化妆的多样性都给正确识别带来了困难。但在经过40多年的发展研究，人脸识别理论已逐渐从基于局部简单几何模型的识别方法过渡到基于整体特征描述的模板参数类方法、从单纯的二维图片识别过渡到三维辅助人脸识别。人脸识别技术虽然离我们的目标仍然有一定的差距，但是随着科学技术的发展及各种技术手段的综合应用，一定会推动人脸识别技术不断向前发展。

[范文]人脸识别发展分析 (转载)