人脸检测与识别的方法.docx

1、人脸检测 人脸检测作为人脸信息处理中的一项关键技术，近年来成为模式识别与计算机视觉领域内一项受到普遍重视、研究十分活跃的课题，己经广泛应用于各种不同领域中。人脸检测技术的研究，由于受到背景、姿态、尺寸、光照以及检测时间等的影响，大部分算法都是在一定的约束条件下提出的。因此，研究鲁棒性较高的人脸检测问题是十分有必要的。人脸检测是把所有的人脸作为一个模式，而非人脸作为另一个模式，人脸检测的过程就是将人脸模式与非人脸模式区别开来的过程。人脸识别是把每一个人的人脸作为一个模式来对待，不同人的人脸属于不同的模式类，人脸识别的过程是将属于不同人的脸归于各自的模式的过程。换句话说，人脸检测强调的是人脸之间的共性，而人脸识别则要区分不同人脸之间的差异。人脸检测的任务是从一幅图像中判断是否存在人脸，找出人脸所在位置与其占区域，即回答“有没有人脸，人脸位置在哪里?”的问题。这一任务受光照条件、成像器材质量、遮挡、人脸大小、角度、表情等多方面因素的影响，要实现自动精确的人脸检测是一件比较困难的事情。人脸检测的研究历史和国内外研究现状 早期的人脸检测问题可以追溯到20世纪70年代，当时主要采用的是一些启发式的和人体测量技术的方法。这些技术大部分依赖于各种假设条件，如简单的背景，正面的人脸等。在这些早期的系统里，任何图像环境的改变都意味着需要重新调整好系统，甚至重新设计系统。因为这些问题的困扰，人脸检测的研究一直处于止步状态。直到20世纪90年代，由于人脸识别系统和视频解码的大量运用，人脸检测的研究才得到了新的发展:利用运动、颜色和综合信息等更具有鲁棒性的方法被提出来;变形模板，弹性曲线等在特征提取方面的许多进展使得人脸特征的定位变得更为准确。目前，国内外对人脸检测问题的研究非常多，比较著名的有国外的MIT,CMU等，国内的清华大学、北京工业大学、中国科学院计算技术研究所和中国科学院自动化研究所等。随着各方面研究人员对于人脸检测研究的重视，国际上发表的有关论文数量也大幅度增长。在国际著名的学术杂志，如IEEETransactions on Pattern Recognition and Machine Intelligence、ComputerVision and Image Understanding, Pattern Recognition等，以及著名的学术会议，如IEEE ICFG (International Conference on Automatic Face andGesture Recognition)、ICIP(International Conference on ImageProcessing)、CVPR(Conference on Computer Vision and Pattern Recognition)等上，每年发表的关于人脸检测的研究论文，占有关人脸研究论文的近三分之一。2.人脸识别的主要技术方法归纳起来，人脸识别方法分为基于几何特征的方法、模板匹配方法、子空间方法、隐马尔可夫方法、神经网络方法、弹性图匹配方法和柔性模型方法几大类。2. 1基于几何特征的方法 这类识别方法首先将人脸用一个几何特征矢量表示，进而用模式识别中的层次聚类思想设计分类器对人脸进行识别。在这种基于几何特征的识别中，识别总归为特征矢量之间的匹配，基于欧氏距离的判决是最常用的识别方法。 侧影识别是最早的基于几何特征的人脸识别方法【13】，主要是从人脸侧面轮廓线上提取特征点入手。一般将侧影简化为轮廓曲线，从中抽取若干基准点，用这些点之间的儿何特征来进行识别。由于现在的证件照片多为正面，而且侧面照片约束很多，所以对侧面人脸识别的研究最近己不多见。正面人脸识别最关键的一步是合适的归一化，使之不依赖于图像中人脸位置的尺度和旋转变化。识别所采用的几何特征有人脸的五官如眼睛、鼻子、嘴巴等局部形状特征，脸型特征以及五官在脸上分布的几何关系特征。以人脸器官的形状和几何关系为基础的特征矢量，其分量通常包括人脸指定两点间的欧式距离、曲率、角度等。例如，Poggio和Brunelli【44】用积分投影法提取出35维人脸特征矢量用于模式分类。基于几何特征的识别方法具有如下优点:①符合人类识别人脸的机理，易于理解;②对每幅图像只需存储一个特征矢量，存储量小;③对光照变化不太敏感。这种方法存在如下问题:①从图像中抽取稳定的特征比较困难，特别是当特征受到遮挡时;②对强烈的表情变化和姿态变化的鲁棒性较差;③一般几何特征只描述了部件的基本形状与结构关系，忽略了局部细微特征，造成部分信息丢失。2.2模板匹配(静态匹配和弹性匹配)方法模板匹配【45、46】方法的思想是:库中存储着已知人脸的若干模板，这些模板即可以是整张人脸的灰度图像(View-based