浅谈人脸识别技术

生物识别是近年来身份认证领域最热门的技术。所谓生物识别, 就是指通过获取、分析人体的身体和行为特征来实现身份的自动鉴别, 这些特征包括先天遗传的生理特征, 如虹膜、指纹, 以及后天习惯形成的行为特征。跟传统的身份认证方法相比, 生物识别技术具有独特的优势:做身份认证的时候, 你的密码可能跟别人重复, 但生物特征却肯定是不同的, 而且几乎终生不变;此外, 生物特征本来就是人自身的, 能够随身携带。而人体面貌识别技术具有比其他生物特征识别技术更直观、简便、准确、可靠及可扩展性良好等众多优势。美国哈佛大学科学家理查德·拉塞尔说, “人的大脑具有惊人的脸部识别能力。如果不从中学习将是一种浪费, 特别是目前还没有任何计算机技术能够接近人类大脑所表现出的这种脸部识别能力。”

1 人脸识别技术简介

人脸识别技术在身份鉴别、人机交互和图像库检索等广泛的领域中有着重要的应用价值。人脸识别技术包含面像检测、面像跟踪与面像比对等课题。

(1) 面像检测是指在动态的场景与复杂的背景中, 判断是否存在面像并分离出面像。面像检测分为参考模板、人脸规则、样本学习、肤色模型与特征子脸等方法。

(2) 面像跟踪指对被检测到的面像进行动态目标跟踪。

面像跟踪一般采用基于模型的方法或基于运动与模型相结合的方法, 另外, 肤色模型跟踪也不失为一种简单有效的手段。

(3) 面像比对则是对被检测到的面像进行身份确认或在面像库中进行目标搜索。

面像比对从本质上讲是采样面像与库存面像的依次比对并找出最佳匹配对象。因此, 面像的描述决定了人脸识别的具体方法与性能。目前主要有特征向量与面纹模板两种描述方法。

(1) 特征向量法先确定眼虹膜、鼻翼、嘴角等面像五官轮廓的大小、位置、距离、角度等等属性, 然后计算出它们的几何特征量, 这些特征量形成一描述该面像的特征向量;

(2) 面纹模板法则在库中存储若干标准面像模板或面像器官模板, 在比对时, 采样面像所有象素与库中所有模板采用归一化相关量度量进行匹配。

2 人脸识别技术原理

眼睛+眉毛+鼻梁, 这些部位是人脸的基本骨骼, 每个人都有微小差别。人脸识别系统就是通过这些部位的特点, 辨别通过的每一个人。

2.1 基本算法——局部特征分析

人脸识别技术使用局部特征分析L F A来描述面部图象, 他源于类似搭建积木的局部统计的原理。

LFA是基于以下事实的一种计算方法, 即所有的面像 (包括各种复杂的式样) 都可以从由很多不能再简化的结构单元子集综合而成。这些单元使用了复杂的统计技术而形成的, 它们代表了整个面像。实际上面部结构单元比面像的部位要多得多。

然而, 要综合形成一张逼真, 精确的面像, 只需要整个可用集合中很少的单元子集 (1 2~4 0特征单元) 。要确定身份不仅仅取决于特性的单元, 还决定于他们的几何结构 (比如他们的相关位置) 。

2.2 人脸识别的步骤

(1) 建立面像档案:可以从摄像头采集面像文件或取照片文件, 生成面纹 (F a c e print) 编码即特征向量。

(2) 获取当前面像, 可以从摄像头捕捉面像或取照片输入, 生成其面纹。

(3) 将当前面像的面纹编码与档案中的面纹编码进行检索比对。

(4) 确认面像身份或提出身份选择。

2.3 其他技术指标

(1) 操作平台:WINDOWS95/98/2000/NT (大部分功能可以应用于UNIX和LINUX) , 允许使用INFORMIX数据库实现一对多的搜索。

(2) 输入:可以使用多种图象信号, 包括照片, 实况或录象片, 数字图形文件, 以及人工绘制的图象。

(3) 速度:头部查找——根据场景的复杂程度, 50ms~300ms。

(4) 一对多的匹配:从内存中运行每分钟6千万次, 从硬盘中每分钟1千5百万次。

(5) 面纹大小:8 4字节。

(6) 数据库容量:从技术上说可以支持无限数量的记录。

(7) 移动:可以捕捉移动和静止的人脸。

(8) 姿势:正面头像是最佳的工作位置, 但只要能同时看到两只眼睛就可以识别人脸。极限为4 5度。姿势变化在1 5度的范围内不会影响识别效果。从15度到35度, 会有少量失真。超过3 5度, 将发生严重的失真。

(9) 种族和性别:与种族, 性别无关。

(10) 变化因素的影响:算法运算主要针对人脸的本质性区域, 而且内在结构部分可以不受面部的自然改变影响。

(11) 眼镜:无论是否戴眼镜都可以正确识别 (只要双眼可见而且没有受到反光的影响) 。

(12) 光线:对光线和背景没有特殊的要求, 在周围光源有满反射时工作状况最好。

(13) 背景:可以在平淡的或杂乱的各种背景下识别人脸, 识别过程完全与背景无关。

(14) 图象色彩, 灰度和分辨率:对彩色和黑白照片效果相同, 最少要求8字节的深度和320×240的分辨率。

(15) 部尺寸:最小可以发现20×30象素的人脸或在整个图象区域中占有少于1%的人脸。面部图象的分辨率对识别性能影响不大。当头部大小在80×120象素时达到最佳效果。

3 人脸识别技术特点

3.1 精确性

其精确性可以和最好的指纹识别系统相比。

3.2 性能/成本比高

只需要通用的P C硬件及相应的软件, 费用较低。

3.3 主动性

可以不需要使用者的主动参与。

3.4 防伪性

可以防止照片欺诈。

3.5 用户易接受

简单易用, 对用户无特殊要求。

3.6 可跟踪性良好

对每次事件都保存一条有时间/日期的面部图象。

3.7 具有自学习的功能

系统能够动态地更新数据库中用户的头像, 从而保证在用户的人脸及环境的变化下仍然能够快速准确地识别。

4 人面识别的优势、应用与前景

4.1 由于与传统的生物识别技术相比, 人脸

识别具有更为简便、准确、经济及可扩展性良好等众多优势, 可广泛应用于安全验证、监控、控制等各个方面

(1) 身份认证与安全防护。例如金融机构、机关办公大楼、运动场馆、甚至重要设施的工地, 都需要对大量的人员进行基于身份认证的门禁管理。电子用品在开机和使用中经常要用到身份验证功能。

(2) 图像搜索。目前, G o o g l e的图像搜索其实还是文字搜索。基于人脸图像识别技术的搜索引擎将会具有广泛的应用前景。

(3) 协助调查。目前, 在银行、金库发生抢劫事件已经屡见不鲜。可以通过人脸检测的设备来提取并记录罪犯的人脸, 提供给公安机关以帮助破案。

(4) 2008年北京奥运会使用了人脸识别技术有效的解决了对参会人员的管理, 达到了防患于未然的目的。

4.2 面部识别的未来前景

针对面部识别的难点, 科学家始终致力于这方面的研究。目前有一个较好的办法就是利用三维信息进行面部识别。三维信息能够更精确地描述人的脸部特征, 提取的某些特征具有刚体变换不变性, 并且不易受化妆和光照的影响。利用三维曲面的配准算法能很好地克服姿式的变化, 通过三维模型合成的面部动作在一定程度上克服表情变化, 因此, 基于三维信息的面部识别是一种较准确的识别途径, 能够比较有效地克服基于2 D图像进行识别所遇到的困难。

摘要：本文介绍人体面貌识别技术的原理、特点、应用及进展。

关键词：人脸识别