【正文】 什么是奮斗？奮斗就是每天很難，可一年一年卻越來越容易。 Yue Zheng。嬰兒：“獨(dú)眼龍” 不是人？在實(shí)踐中，也許想辦法加入更多的有代表性的訓(xùn)練樣本更能解決問題，而不是去設(shè)計(jì)更復(fù)雜的分類器或者學(xué)習(xí)機(jī)。目前看來，彈性圖匹配方法、特征臉方法和3D人臉建模是解決當(dāng)下實(shí)際問題的較為行之有效的方法，將會(huì)得到更加深入的研究。5 結(jié)論人臉圖像受到很多因素的影響，比如：光照條件、姿態(tài)、背景、面部表情以及附屬物等?；谀Ｐ涂勺儏?shù)的方法與基于圖像特征的方法的最大區(qū)別在于：后者在人臉姿態(tài)每變化一次后，需要重新搜索特征點(diǎn)的坐標(biāo)，而前者只需調(diào)整3D變形模型的參數(shù)。采用三維識(shí)別與傳統(tǒng)的方法最大的區(qū)別就在于，人臉的信息可以更好的表現(xiàn)和存儲(chǔ)，同時(shí)由于三維人臉模型具備光照無關(guān)性和姿態(tài)無關(guān)性的特點(diǎn)，能夠正確反映臉的基本特性。視頻序列中人臉識(shí)別有兩部分工作：第一，人臉檢測和跟蹤，即從視頻圖像序列中確定是否存在人臉并對(duì)其準(zhǔn)確定位和保持跟蹤狀態(tài)；第二，人臉識(shí)別，識(shí)別視頻中臉像身份。該方法的主要缺點(diǎn)是計(jì)算量較大。更適合于人臉圖像識(shí)別。我們關(guān)心的是前兩個(gè)問題。其自適應(yīng)功能有助于增強(qiáng)系統(tǒng)的魯棒性。其主要思想是，一副由N個(gè)象素組成的圖像，可以看作N維矢量，或是N維空間中的一點(diǎn)。而且彈性匹配中的人臉模型還考慮了局部人臉細(xì)節(jié)，它的可變形匹配方式，一定程度上能容忍人臉從三維到二維投影引起的變形。 模板匹配方法模板匹配方法是模式識(shí)別的傳統(tǒng)方法，其思想是：庫中存儲(chǔ)著已知人臉的若干模板。 文獻(xiàn)[4]使用小波變換的方法在小波域通過多分辨率分析克服光照和面部表情對(duì)人臉識(shí)別的影響，獲得了較好的識(shí)別效果。該方法通常作為其他統(tǒng)計(jì)模型的輔助方法使用，適于粗定位或?qū)\(yùn)行時(shí)間有較高要求的應(yīng)用。人臉特征是識(shí)別的重要依據(jù)之一。前者是指根據(jù)人臉定位的結(jié)果將圖像中的人臉區(qū)域調(diào)整到同一位置和大小；后者是指對(duì)圖像進(jìn)行光照補(bǔ)償?shù)忍幚?，以克服光照變化的影響。人臉?shù)據(jù)庫可參考MITCBCL庫，該庫有10個(gè)人的3200張訓(xùn)練圖片以及大量測試圖片。在該分類器中，一級(jí)比一級(jí)復(fù)雜嚴(yán)格。所以可以得到如下圖32和下圖33所示的矩形特征和人臉特征的匹配。它雖然僅能描述水平、垂直、中心環(huán)繞型的特征比較粗略但是對(duì)于邊緣、線段等簡單圖形結(jié)構(gòu)很敏感。雖然該方法源于PAC學(xué)習(xí)模型，但是并不過多地關(guān)注弱學(xué)習(xí)算法的先驗(yàn)知識(shí)，而是經(jīng)過若干次迭代自適應(yīng)地降低弱學(xué)習(xí)的錯(cuò)誤率。通過構(gòu)造風(fēng)險(xiǎn)最小的分類面來解決一個(gè)受限二次規(guī)劃問題。然后掃描整個(gè)待檢測圖像，用分類器判別是否包含人臉。當(dāng)表情變化或者面部轉(zhuǎn)動(dòng)時(shí)，膚色并不會(huì)變，在人臉檢測時(shí)有很強(qiáng)的穩(wěn)定性。人臉模式的變化滿足一定的規(guī)律，所以可以歸納描述人臉特征的規(guī) 則，如灰度分布、比例關(guān)系、紋理信息等。主要方法有：第一步建立一個(gè)標(biāo)準(zhǔn)的人臉模板，需要包含人臉的各個(gè)局部特征。Sobel邊緣檢測算子使用一個(gè)水平的有向算子和一個(gè)垂直的有向算子，每一個(gè)逼近一個(gè)特定的偏導(dǎo)數(shù)矩陣。文獻(xiàn)[1]給出了一種能夠?qū)GB色彩轉(zhuǎn)換成灰度級(jí)且適于突出人臉區(qū)域?qū)Ρ榷鹊霓D(zhuǎn)換模型：；其中f代表灰度值，r,g,b分別表示Red,Green,Blue分量的值。對(duì)圖像噪聲的消除可以通過兩個(gè)途徑：空間域?yàn)V波或頻率域?yàn)V波。常見格式有BMP、GIF、JPEG、TIFF、PSD、PNG、SWF、SVG等。目前國內(nèi)比較成熟的人臉識(shí)系統(tǒng)有： 人臉識(shí)別技術(shù)的研究范圍主要包括以下幾個(gè)方面：1. 人臉檢測：在輸入的圖像中尋找人臉區(qū)域。但由于人臉器官?zèng)]有顯著的邊緣且易受到表情的影響，因此它僅限于正面人臉（變形較?。┑淖R(shí)別。. . . . .人臉識(shí)別技術(shù)綜述控制工程 陳龍斌 12013002342摘要：簡要介紹了人臉識(shí)別技術(shù)的研究背景及其發(fā)展歷程；對(duì)人臉識(shí)別技術(shù)的常用方法進(jìn)行了分類總結(jié)；重點(diǎn)對(duì)近年來人臉識(shí)別方法的研究進(jìn)展進(jìn)行綜述并對(duì)各種方法加以評(píng)價(jià)；總結(jié)了現(xiàn)階段存在的研究困難并提出今后的發(fā)展方向。2. 基于多姿態(tài)/表情的人臉識(shí)別人臉識(shí)別研究的發(fā)展階段。2. 人臉的規(guī)范化：校正人臉在尺度、光照和旋轉(zhuǎn)等方面的變化。常用的圖像預(yù)處理方法有灰度化、二值化、幾何校正、直方圖修正、濾波、銳化、像素平均法等。消除噪聲的方法很多，對(duì)于不同的噪聲應(yīng)該采用不同的除噪方法。文獻(xiàn)[2]通過將人臉彩色圖像從RGB色彩空間轉(zhuǎn)換到RIQ色彩空間，得到了更適于頻譜分析的特征分量。按照特定算法求這兩個(gè)偏導(dǎo)矩陣的幾何平均值，然后將該平均值賦給待求點(diǎn)的灰度值。第二步對(duì)全面檢查輸入圖像，計(jì)算與標(biāo)準(zhǔn)人臉模板中各局部特征的相似系數(shù)，與之前設(shè)定的閥值比較，判定是否存在人臉。該方法首先檢測出人臉面部特征的位置，然后根據(jù)各特征之間的幾何關(guān)系來定位人臉。用膚色信息檢測人臉時(shí)，要選擇合理的色度坐標(biāo)。有很多種不同策略的分類器，如下所示：（1）隱馬爾科夫模型：描述信號(hào)統(tǒng)計(jì)特性。（3）人工神經(jīng)網(wǎng)絡(luò)： 是一種模仿大腦神經(jīng)突觸聯(lián)接的結(jié)構(gòu)進(jìn)行信息處理的數(shù)學(xué)模型。每次用樣本集訓(xùn)練后，重新確定每個(gè)樣本的權(quán)重。在給定數(shù)據(jù)有限時(shí)，也能將特定區(qū)域的狀態(tài)編碼出來，并且檢測速度上比基于像素的系統(tǒng)優(yōu)異得多。 圖 32 特征匹配圖 33 特征匹配特征數(shù)量很多導(dǎo)致特征計(jì)算的工作量很大，采用積分圖可以有效地簡化計(jì)算。隨著系統(tǒng)級(jí)數(shù)的增加非人臉圖像通過率大為降低，但是同時(shí)也可能會(huì)造成人臉圖像被錯(cuò)誤地排除掉。訓(xùn)練過程如下：（1）從圖像中提取出Haar特征，常用的5種特征如圖31所示（2）用獲得特征生成弱分類器（3）用多次迭代的方法找出最優(yōu)的弱分類器并提高其權(quán)重檢測：分類器在訓(xùn)練過程中所使用的樣本大小在很大程度上決定了其所能處理的對(duì)象的大小。提取出待識(shí)別的人臉特征之后，即可進(jìn)行特征匹配。檢測定位過程中也會(huì)用到人臉特征。文獻(xiàn)[1]使用人臉灰度圖像的水平和垂直方向的像素灰度均值來描述人臉特征。 人臉特征提取常用方法近年來對(duì)人臉特征提取的研究主要集中在三個(gè)方面：1. 幾何特征點(diǎn)的提取；2. 變換域中的特征提取；3. 利用變形模板進(jìn)行特征提取。識(shí)別的時(shí)候，將經(jīng)過預(yù)處理的輸入圖像與庫中的所有模板采用歸一化相關(guān)度量進(jìn)行匹配識(shí)別，來達(dá)到分類的目的，完成人臉的識(shí)別。 幾何特征方法基于幾何特征的人臉識(shí)別方法將人臉用一個(gè)幾何特征矢量表示，用模式識(shí)別中的層次聚類思想設(shè)計(jì)分類器來對(duì)人臉進(jìn)行識(shí)別。假設(shè)人臉圖像只占據(jù)這個(gè)高維圖像空間的一個(gè)很小的子區(qū)域，因此可以利用PCA來得到一個(gè)人臉圖像的優(yōu)化坐標(biāo)系統(tǒng)。神經(jīng)網(wǎng)絡(luò)在人臉識(shí)別上有獨(dú)到的優(yōu)勢。評(píng)估用于解決識(shí)別問題，估計(jì)用來產(chǎn)生用于識(shí)別的各個(gè)單元的HMM。但是P2DHMM結(jié)構(gòu)較復(fù)雜，運(yùn)算量很大。必須對(duì)每個(gè)存儲(chǔ)的人臉計(jì)算其模型圖，占用很大存儲(chǔ)空間。視頻系列中人臉的識(shí)別一般有兩種方案：1. 從視頻序列中選擇幾幀質(zhì)量較好的圖像，然后用靜止圖像的人臉識(shí)別方法進(jìn)行匹配；2. 對(duì)所有跟蹤幀應(yīng)用識(shí)別方法識(shí)別，不斷調(diào)整識(shí)別概率。而且人臉主要的三維拓?fù)浣Y(jié)構(gòu)不受表情的影響，從而形成相對(duì)穩(wěn)定的人臉特征表述。文獻(xiàn)[9]通過融合2D和3D人臉數(shù)據(jù)，獲得了比使用單一數(shù)據(jù)信息進(jìn)行人臉識(shí)別更好的識(shí)別效果