基于視覺(jué)認(rèn)知機(jī)理的下一代人臉識(shí)別技術(shù)

　　生物識(shí)別技術(shù)是依靠人體的身體特征來(lái)進(jìn)行身份驗(yàn)證的一種高科技識(shí)別技術(shù)，人的指紋、掌紋、眼虹膜、DNA以及相貌等人體特征具有人體所固有的不可復(fù)制的唯一性、穩(wěn)定性、不易失竊或被遺忘，由于每個(gè)人的這些特征都不相同，因此利用人體的這些獨(dú)特的生理特征可以準(zhǔn)確地識(shí)別每個(gè)人的身份。隨著計(jì)算機(jī)技術(shù)、圖像處理技術(shù)、模式識(shí)別技術(shù)等技術(shù)的快速發(fā)展，人們開(kāi)發(fā)了指紋識(shí)別、聲音識(shí)別、掌形識(shí)別、簽名識(shí)別、虹膜識(shí)別等多種生物識(shí)別技術(shù)，目前許多技術(shù)都己經(jīng)成熟并得以應(yīng)用。

　　人臉識(shí)別技術(shù)是近年來(lái)出現(xiàn)的一種基于人的臉部特征信息進(jìn)行身份識(shí)別的嶄新的生物特征識(shí)別技術(shù)。與其他生物識(shí)別技術(shù)相比較，人臉識(shí)別具有友好、簡(jiǎn)便、準(zhǔn)確、經(jīng)濟(jì)及可擴(kuò)展性良好等眾多優(yōu)勢(shì)，可廣泛應(yīng)用于安全驗(yàn)證、監(jiān)控、出入口控制等多個(gè)方面,目前人臉識(shí)別技術(shù)已經(jīng)應(yīng)用到門(mén)禁考勤，訪客管理，巡更等場(chǎng)所。

人臉識(shí)別原理

　　廣義的人臉識(shí)別實(shí)際包括構(gòu)建人臉識(shí)別系統(tǒng)的一系列相關(guān)技術(shù)，包括圖像采集、人臉檢測(cè)、特征建模、比對(duì)辨識(shí)、身份確認(rèn)等；而狹義的人臉識(shí)別特指通過(guò)人臉進(jìn)行身份確認(rèn)或者身份查找的技術(shù)或系統(tǒng)。

　　人臉識(shí)別技術(shù)中被廣泛采用的區(qū)域特征分析算法，它融合了計(jì)算機(jī)圖像處理技術(shù)與生物統(tǒng)計(jì)學(xué)原理，利用計(jì)算機(jī)圖像處理技術(shù)從視頻中提取人像特征點(diǎn)，利用生物統(tǒng)計(jì)學(xué)的原理進(jìn)行分析建立數(shù)學(xué)模型，即人臉特征模板。利用已建成的人臉特征模板與被測(cè)者的人的面像進(jìn)行特征分析，根據(jù)分析的結(jié)果來(lái)給出一個(gè)相似度值，最終搜索到最佳匹配人臉特征模板，并因此確定一個(gè)人的身份信息。具體的原理圖如圖1所示。

圖1 人臉識(shí)別考勤原理示意圖

　　下面簡(jiǎn)述廣義人臉識(shí)別過(guò)程的主要步驟：

　　圖像采集：人臉圖像來(lái)源一般是數(shù)字化人臉照片或者通過(guò)攝像機(jī)實(shí)時(shí)采集的視頻流。環(huán)境光照問(wèn)題的不穩(wěn)定是影響人臉識(shí)別性能的一個(gè)重要因素，是人臉圖像采集環(huán)節(jié)最重要的問(wèn)題?；诓煌膽?yīng)用環(huán)境，可采用可見(jiàn)光源或者紅外光源，相應(yīng)的人臉識(shí)別技術(shù)稱(chēng)為可見(jiàn)光人臉識(shí)別和紅外光人臉識(shí)別。

　　人臉檢測(cè)：人臉檢測(cè)是指在一幅圖像或視頻流的一幀中識(shí)別出人臉的存在并將人臉從背景中分離出來(lái)。人臉檢測(cè)是一個(gè)復(fù)雜的具有挑戰(zhàn)性的模式檢測(cè)問(wèn)題，其主要的難點(diǎn)有兩方面，一方面是由于人臉內(nèi)在的變化所引起：（1）人臉具有相當(dāng)復(fù)雜的細(xì)節(jié)變化，不同的外貌如臉形、膚色等，不同的表情如眼、嘴的開(kāi)與閉等；（2）人臉的遮擋，如眼鏡、頭發(fā)和頭部飾物以及其他外部物體等。另外一方面由于外在條件變化所引起：（1）由于成像角度的不同造成人臉的多姿態(tài)，如平面內(nèi)旋轉(zhuǎn)、深度旋轉(zhuǎn)以及上下旋轉(zhuǎn)，其中深度旋轉(zhuǎn)影響較大；（2）光照的影響，如圖像中的亮度、對(duì)比度的變化和陰影等；（3）圖像的成像條件，如攝像設(shè)備的焦距、成像距離，圖像獲得的途徑等等。

　　特征提取：人臉特征提取是人臉識(shí)別最為關(guān)鍵的技術(shù)，好的人臉特征提取技術(shù)將使提取的人臉特征值更小、辨別性能更好，可以提高識(shí)別率和降低誤識(shí)率。目前已存在的人臉特征提取方法主要有：基于面部器官的特征提取、基于模板的特征提取、基于代數(shù)方法的特征提取、基于彈性匹配法的特征提取。

　　創(chuàng)建模板庫(kù)： 人臉模板庫(kù)就是預(yù)先登記的人員人臉特征庫(kù)。每個(gè)登記人員錄制多張有代表性的人臉照片，對(duì)每張人臉照片提取人臉特征生成人臉特征模板（人臉特征文件）保存到數(shù)據(jù)庫(kù)中。人臉特征模板是預(yù)先登記的，其與所屬人員的身份信息是關(guān)聯(lián)的。

　　特征比對(duì)：在進(jìn)行人臉識(shí)別時(shí)，將當(dāng)前人臉圖像提取人臉特征，并與數(shù)據(jù)庫(kù)中預(yù)先登記的人臉特征模板進(jìn)行比對(duì)，依據(jù)比對(duì)分?jǐn)?shù)高低搜索到與其最匹配的人臉特征模板，因?yàn)轭A(yù)先登記的人臉特征模板所屬人員身份是明確的，因此可以獲取當(dāng)前識(shí)別人的身份。

　　身份確認(rèn)：在經(jīng)過(guò)特征比對(duì)后得到最佳匹配的人臉特征模板，可以將該人臉特征模板相關(guān)聯(lián)的人員身份信息從數(shù)據(jù)庫(kù)調(diào)出，因此也就明確了當(dāng)前識(shí)別人的身份。

國(guó)內(nèi)外人臉識(shí)別技術(shù)人

　　臉識(shí)別中最核心最困難的環(huán)節(jié)是人臉辨別，即人臉相似度計(jì)算，包括“特征提取”和“特征比對(duì)”。人臉特征描述（建模）的有效性決定了人臉識(shí)別的精度，好的人臉特征提取技術(shù)將使提取的人臉特征值更小、辨別性能更好，可以提高識(shí)別率和降低誤識(shí)率，因此，人臉識(shí)別技術(shù)的好壞關(guān)鍵在于對(duì)人臉特征的描述（建模）。本節(jié)重點(diǎn)闡述當(dāng)前國(guó)內(nèi)外人臉識(shí)別技術(shù)中所采用的人臉特征建模方法。

　　目前已存在的人臉特征提取方法主要有：基于面部器官的特征提取、基于模板的特征提取、基于代數(shù)方法的特征提取、基于彈性匹配法的特征提取。

　　基于面部器官的特征提取

　　基于面部器官的特征提取是最早研究特征提取的方法，主要考慮眉毛、眼睛、鼻子、嘴巴之間的位置關(guān)系。各器官之間歐氏距離、角度及其大小和外形被量化成一系列參數(shù)，來(lái)衡量人臉特征，所以對(duì)眉毛、眼鏡、鼻子、嘴巴等的定位就是一個(gè)很重要的工作。面部幾何特征的提取依靠于先驗(yàn)知識(shí)，需要在自適應(yīng)和檢測(cè)準(zhǔn)確度之間進(jìn)行權(quán)衡，受人臉表情，姿態(tài)等影響很大。對(duì)于人臉主要器官如眉毛、眼睛、鼻子、嘴巴等進(jìn)行描述和特征提取，可以比較準(zhǔn)確地提取人臉的基本特征。

　　基于模板的特征提取

　　人臉的基本輪廓和臉部器官位置基本是固定的，在提取特征之前先定義一個(gè)標(biāo)準(zhǔn)的模板，利用Hough變換、方差投影和模板匹配相結(jié)合，有效地確定出眼睛、嘴巴和鼻子等器官的位置。定義模板需要用到人臉器官的幾何特征矢量，它可以通過(guò)虹膜中心、內(nèi)眼角點(diǎn)、外眼角點(diǎn)、鼻尖點(diǎn)、鼻孔點(diǎn)、耳屏點(diǎn)、耳下點(diǎn)、口角點(diǎn)、頭頂點(diǎn)、眉內(nèi)點(diǎn)和眉外點(diǎn)等關(guān)鍵點(diǎn)得到。特征的提取通常以面部器官的外形和幾何關(guān)系之間的匹配分量作為依據(jù)，匹配分量通常包括人臉兩點(diǎn)間的歐氏距離、曲率和角度等，其中歐氏距離的判決是最常用的方法。標(biāo)準(zhǔn)模板可以是固定模板，也可以是參數(shù)可變的可變性模板。固定模板比較簡(jiǎn)單，但是隨著環(huán)境的改變模板也要更換，有很大的局限性，一般只針對(duì)簡(jiǎn)單的圖像；可變性模板是以器官的幾何特征作為模板的參數(shù)，定義一個(gè)能量函數(shù)，通過(guò)改變參數(shù)使能量函數(shù)最小化，能量函數(shù)越小越接近提取目標(biāo)?？勺冃阅０逶诃h(huán)境發(fā)生變化時(shí)只需要改變相應(yīng)的參數(shù)即可，因此靈活性和適應(yīng)性都比較好，可處理質(zhì)量較差的人臉圖像，但是模板描述不夠精確，適用于可變性不大的器官，常用于提取眼睛、嘴和鼻子輪廓。

　　基于代數(shù)方法的特征提取

　　此類(lèi)方法使用代數(shù)變換來(lái)提取人臉特征，其中比較經(jīng)典的方法是特征臉?lè)椒?。人臉由一些基本特征就可以描述，如眉毛、鼻子、眼睛和嘴巴等特征，因此描述人臉的圖像可以縮小到很小空間。特征臉?lè)椒ɑ贙－L變換，將協(xié)方差矩陣E分解為通過(guò)這變換將原始圖像變換到一個(gè)新的維數(shù)較低的特征空間，通過(guò)計(jì)算矩陣的特征值和特征向量，利用圖像的代數(shù)特征信息進(jìn)行提取臉部器官的特征。這種方法具有無(wú)需提取眉毛、眼鏡、鼻子和嘴巴等幾何特征的優(yōu)點(diǎn)，但在單樣本時(shí)識(shí)別率不高，且在人臉模式數(shù)較大時(shí)計(jì)算量大。

　　基于彈性匹配法的特征提取

　　彈性匹配法是一種較好的特征提取方法，主要思想是采用畸變不變性物體識(shí)別特性，定義了一種對(duì)于人臉變形具有不變性的距離，采用屬性拓?fù)鋱D代表人臉，圖中任一頂點(diǎn)均包含一個(gè)特征向量，用來(lái)記錄人臉在該頂點(diǎn)位置四周的信息，邊則表示各特征點(diǎn)之間的關(guān)系。假設(shè)S1是人臉庫(kù)中定義的某人臉屬性拓?fù)鋱D，S為待識(shí)人臉屬性拓?fù)鋱D。在彈性匹配中也就是尋找Sl中各節(jié)點(diǎn)在S中最佳匹配節(jié)點(diǎn)。

飛瑞斯科技對(duì)人臉識(shí)別技術(shù)的研究

　　飛瑞斯科技經(jīng)過(guò)多年的研發(fā)實(shí)踐，人臉識(shí)別產(chǎn)品已經(jīng)達(dá)到實(shí)用階段，目前正在大范圍推廣。其技術(shù)的先進(jìn)性體現(xiàn)于：

　　人臉庫(kù)

　　飛瑞斯用于人臉建模的人臉庫(kù)是采用實(shí)際人臉識(shí)別產(chǎn)品在多種實(shí)際應(yīng)用環(huán) 境 下 采 集 的 ，而 非 實(shí) 驗(yàn) 室 中 普 通 的 攝像頭采集的，因此，飛瑞斯的人臉識(shí)別算法與人臉識(shí)別產(chǎn)品具有高度的兼容性，對(duì)應(yīng) 用 環(huán) 境 具 有 高 度 的 適 應(yīng) 性；

　　特征描述

　　飛瑞斯人臉識(shí)別技術(shù)采用更加先進(jìn)的動(dòng)態(tài)局部特征分析技術(shù)（Dynamic Local Feature Analysis,DLFA）識(shí)別人臉特征，并結(jié)合自主知識(shí)產(chǎn)權(quán)的“基于多光源條件的人臉識(shí)別”技術(shù)和優(yōu)異的識(shí)別算法，為人臉識(shí)別系統(tǒng)更廣泛的應(yīng)用提供了一套環(huán)境適應(yīng)性強(qiáng)、技術(shù)新穎高效的技術(shù)體系作支撐。

　　動(dòng)態(tài)局部特征分析技術(shù)，首先進(jìn)行人 臉 照 片 的 預(yù) 處 理 ，目 的 是 為了去 除 照片過(guò)高的噪聲，將輸入的人臉照片用邊緣適應(yīng)檢測(cè)的方法轉(zhuǎn)換成二進(jìn)制的照片，再 提 取 出 人 臉 皮 膚 肌 理，然 后 使 用局部特征分析方法來(lái)處理臉部的邊緣陰影和膚紋，從而識(shí)別人臉。

　　局部特征分析（LFA）是一種用局部特征表示的類(lèi)似于搭建積木統(tǒng)計(jì)的技術(shù)，基于所有的人臉都可由很多簡(jiǎn)化的結(jié)構(gòu)單元塊綜合而成。LFA使用32到5 0 個(gè) 單 元 塊 區(qū) 域 來(lái) 辨 別 一 個(gè)人 臉，選 用的 最 通 常 的 點(diǎn) 包 括 鼻 子、眼 睛 、嘴 巴 和特定的骨骼曲率差，如臉頰。這些單元塊是使用復(fù)雜的統(tǒng)計(jì)技術(shù)而形成的，它們 代 表了整 個(gè)人 臉，通常 跨 越 多 個(gè) 像 素并代表了普遍的臉部形狀，但并不是通常意義上的臉部特征。要確定一個(gè)人臉不僅僅取決于特性單元塊，還決定于它們的幾何結(jié)構(gòu)(如形狀和相關(guān)位置)。 通過(guò)這種方式，LFA將人臉的特性對(duì)應(yīng)為一種復(fù)雜的數(shù)字表達(dá)式，就可以進(jìn)行人臉識(shí)別了。

　　LFA人臉識(shí)別系包括區(qū)域:嘴巴、鼻子、眉毛、下顎輪廓和顴骨。用動(dòng)態(tài)邊緣分析方法獲得的臉形信息能減少不同光線環(huán)境的影響，而膚紋信息提供了標(biāo)準(zhǔn)化的人臉特征的細(xì)節(jié)。將臉形和膚紋兩種信息組合再用局部特征分析（LFA）算法 來(lái)比 較、統(tǒng)計(jì)臉 部的1 7 3個(gè) 特 征 點(diǎn)，不論登記和識(shí)別人臉時(shí)是在何種光線環(huán) 境 下，我 們 的 人 臉 識(shí) 別 算 法 都 能 得 到一 個(gè) 很 高 識(shí) 別 率 ，可 以 在 百 萬(wàn) 人 中 精 確地辨認(rèn)出一個(gè)人。

　　LFA具有多尺度旋轉(zhuǎn)不變性，其具有更強(qiáng)的環(huán)境適應(yīng)性，在圖像模糊（失焦、運(yùn)動(dòng)等）、低分辯率、各種光照條件（紅外、可見(jiàn)光）下具有較好的識(shí)別率和誤識(shí)率。

　　人臉建模

　　人臉建模過(guò)程中采用了先進(jìn)的人臉樣本篩選技術(shù)和模式篩選技術(shù)，能夠有效的提升人臉模型的泛化能力、鑒別能力和魯棒性。

　　人臉模型采用多特征融合技術(shù)，以支持多種應(yīng)用環(huán)境，具有更廣泛的應(yīng)用能力。

　　Face Image V4.0

　　已經(jīng)開(kāi)發(fā)完成并在G1G3人臉識(shí)別考勤機(jī)上得到全面應(yīng)用的Face Image V4.0技術(shù)，較之Face Image V3.0具有更加突出的優(yōu)勢(shì)，主要表現(xiàn)如下：

　　1.保持了FaceImage V3.0的虹膜識(shí)別融合特性以及佩戴眼鏡對(duì)識(shí)別影響小的優(yōu)良表現(xiàn)；

　　2.增加了雙模式人臉特征識(shí)別特性，使一次識(shí)別命中率大大提高，同時(shí)極大的降低了誤識(shí)率，使得總體識(shí)別速度有較大的提升；

　　3.降低了女性的頭發(fā)，化妝等變化對(duì)識(shí)別率的影響；

　　4.引入了光照算法處理，對(duì)光線變化具有更強(qiáng)的適應(yīng)性；

結(jié)束語(yǔ)

　　下一代人臉識(shí)別技術(shù)已經(jīng)明確方向，將著重在基于視覺(jué)認(rèn)知機(jī)理的多信息融合人臉表示方法、基于概率圖模型的魯棒匹配算法以及基于Hashing的快速比對(duì)、查詢(xún)算法等方向?qū)で笮碌耐黄疲瑢脮r(shí)，在環(huán)境、儀容、年齡的適應(yīng)性以及識(shí)別速度方面將會(huì)有大幅度的改善，而人臉識(shí)別的用戶(hù)體驗(yàn)將更加良好，應(yīng)用將更加廣泛。