【正文】 人臉識(shí)別算法中，特征臉 (Eigenface)方法是一個(gè)經(jīng)典的人臉識(shí)別算法，于 1991年由 Turk 和 Pentland提出，是基于主成份分析的線性子空間方法。比較常用的是基于歐氏 (Euclidean )距離的最近鄰分類(lèi)器。 （ 2)通過(guò)訓(xùn)練形。 二、識(shí)別過(guò)程，步驟如下 : (1)對(duì)測(cè)試圖像進(jìn)行預(yù)處理工作； (2)將測(cè)試圖像投影到人臉特征子空間中，得 到相應(yīng)的人臉特征向量； （ 3)選擇距離函數(shù)，進(jìn)行分類(lèi)判別。 特征臉?lè)椒ǖ幕舅枷肴缦?: 我們把人臉圖像看作一個(gè)隨機(jī)向量，那么給定的任意一幅人臉圖像就是這個(gè)隨機(jī)向量的實(shí)現(xiàn)。可以按照公式 (316)進(jìn)行計(jì)算 : ??????111njjmjjmF ?? (316) 距離函數(shù)的選取與分類(lèi)判別 將人臉圖像投影到特征子空間，得到相應(yīng)的人臉特征向量之后，余下的任務(wù)就是如何判別測(cè)試圖像所屬的類(lèi)別，即歸類(lèi)問(wèn)題或判別決策問(wèn)題。事實(shí)上，根據(jù)實(shí)際要求，并非所有的特征值都要保留。使變換矢量更加確定、能量更加集中等等。 特征提取的概念 在模式識(shí)別中，被識(shí)別的對(duì)象會(huì)產(chǎn)生一組基本特征。目前，主成份分析法在信號(hào)處理、數(shù)字圖像處理和模式識(shí)別等領(lǐng)域都己經(jīng)得到了廣泛的應(yīng)用。進(jìn)行直方圖均衡化，將輸入的原始圖像的直方圖分布變換成均勻分 布的形式，這樣就增大了像素值的范圍，使圖像的灰度分布盡可能覆蓋所有的灰度級(jí)，從而增強(qiáng)了圖像的對(duì)比效果，部分地消除了光照對(duì)灰度圖像的影響?；叶炔逯党Ｓ玫挠凶罱彶逯?，雙線性插值和三次插值法。對(duì)于不經(jīng)過(guò)任何處理的原始圖象，人臉部位在圖像中的位置可能是有偏移的，本文中采用的 PCA 是基于整體的人臉識(shí)別方法，如果人臉部位在圖像中的位置有偏移，會(huì)影響人臉的正確識(shí)別。 FERET人臉庫(kù)是目前最大的人臉數(shù)據(jù)庫(kù)，由美國(guó)國(guó)防部發(fā)起建立，其初衷是想開(kāi)發(fā)一個(gè)自動(dòng)人臉識(shí)別系統(tǒng)，以應(yīng)用于各種安全檢測(cè)目的。人臉數(shù)據(jù)庫(kù)的設(shè)計(jì)對(duì)系統(tǒng)的識(shí)別率有至關(guān)重要的影響，數(shù)據(jù)庫(kù)中不同光照、姿態(tài)和表情的變化甚至背景變化都會(huì)影響識(shí)別的結(jié)果，所以需要針對(duì)人臉識(shí)別問(wèn)題建立適應(yīng)不同需要的人臉數(shù)據(jù)庫(kù)。簡(jiǎn)單概括一 下，其發(fā)展方向大體包括： (1)準(zhǔn)確魯棒的人臉檢測(cè)與定位算法，保證后續(xù)識(shí)別算法具有穩(wěn)定可靠的樣本輸入； (2)高精度特殊圖像傳感器或快速三維掃描設(shè)備的研制，保證輸入原始人臉數(shù)據(jù)的質(zhì)量，克服圖像質(zhì)量低，光照和姿態(tài)等影響； (3)大規(guī)模全面公共人臉數(shù)據(jù)庫(kù)的建立，涵蓋所有人臉識(shí)別中所要面對(duì)的樣本，為全球研究者建立一個(gè)統(tǒng)一的研究和測(cè)試平臺(tái)； 18 (4)多生物特征的融合，采用特征融合技術(shù)，與目前其它生物特征識(shí)別技術(shù)進(jìn)行融合，克服遮擋、化妝和活體檢測(cè)等難點(diǎn)； (5)普適特征提取技術(shù)和普適分類(lèi)器的提出，解決現(xiàn)有算法無(wú)法同時(shí)解 決普適性差，泛化能力低和中長(zhǎng)期適應(yīng)性差等問(wèn)題； (6)其它解決方案，包括大規(guī)模計(jì)算機(jī)的發(fā)展，數(shù)據(jù)庫(kù)管理及檢索技術(shù)的發(fā)展，適合生物特征存儲(chǔ)的數(shù)據(jù)結(jié)構(gòu)的發(fā)展等。盡管目前出現(xiàn)的一些商用的人 17 臉識(shí)別系統(tǒng)在理想情況下已經(jīng)能夠可以接受的識(shí)別性 能，但是整個(gè)人臉識(shí)別技術(shù)還遠(yuǎn)未成熟，還有大量的實(shí)際問(wèn)題需要得到解決。這就說(shuō)明，復(fù)雜多變的光照問(wèn)題仍是人臉識(shí)別中的難點(diǎn) 。但對(duì)計(jì)算機(jī)來(lái)說(shuō)，進(jìn)行人臉識(shí)別卻困難很多。人臉識(shí)別與之相比，具有直接、方便和界面友好的特點(diǎn)。 我們從一下幾個(gè)方面具體介紹人臉識(shí)別技術(shù)的應(yīng)用 : (1)在公安系統(tǒng)的罪犯識(shí)別方面，當(dāng)公安部門(mén)獲得案犯的照片后，可以利用人臉識(shí)別技術(shù)，在存儲(chǔ)罪犯照片的數(shù)據(jù)庫(kù)里找出最相像的嫌疑犯。 Belhumeur認(rèn)為這種使所有類(lèi)散布最大化的 PCA方法會(huì)保留那些對(duì)分類(lèi)不利的光照方向和表情信息。 在使用隱馬爾可夫模型的面部識(shí)別方法中，首 先將一個(gè)人臉圖像采集成一系列的條狀圖，將一幅二維圖像變成一個(gè)一維矢量序列，這個(gè)序列構(gòu)成了隱馬爾可夫模型的觀測(cè)矢量。通過(guò)對(duì)突遇圖之間的拓?fù)浣Y(jié)構(gòu)的匹配以及節(jié)點(diǎn)與節(jié)點(diǎn)之間的特征矢量值的比較，可以進(jìn)行人臉識(shí)別，這就將模板的圖像匹配轉(zhuǎn)化成了模板的圖匹配。根據(jù)局部化空間頻率得到的一系列多分辨率秒數(shù)值可以用來(lái)表示圖中的節(jié)點(diǎn)數(shù)值。 多層感知機(jī)的輸入形式有很多種，最簡(jiǎn)單的就是將整個(gè)人臉圖像作為輸入層，也可以對(duì)人臉圖像進(jìn)行采樣，然后用低分辨率圖像作為輸入層。 很多臉部識(shí)別系統(tǒng)都采用了多層感知機(jī) (Multi． Layer Perceptor)作為人工神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)。 總之，特征臉?lè)椒ㄊ且环N簡(jiǎn)單、快速、使用的基于變換系數(shù)的算法，但由于它在本質(zhì)上依賴于訓(xùn)練集合測(cè)試集圖像的灰度相關(guān)性，而且要求測(cè)試圖像與訓(xùn)練集比較接近，所以存在著很大局限。從壓縮能量的角度來(lái)看， KL 變換是最優(yōu)的，變換后的低維空間對(duì)于人臉有很好的表達(dá)能力，較好的判別能力。雖然它考慮了人臉圖像的所有差異 (從壓縮角度 )，但沒(méi)有考慮這些差異是類(lèi)內(nèi)差異 (如光照變化，頭飾變化或幾何變化 )還是類(lèi)間差異 (從分類(lèi)角度 )。通常情況下， KL 變換的變換矩陣由訓(xùn)練樣本類(lèi)間散布矩陣的特征矢量生成。顯然，這些特征中的一部分是難以精確測(cè)量出來(lái)或者是不能用幾何參數(shù)準(zhǔn)確描述的。也就是說(shuō)對(duì)這些矢量要求具有較 高的模式分類(lèi)能力，同時(shí)還要有一定的穩(wěn)健性，能夠消除由于時(shí)間變遷、光照變化等其他干擾因素所帶來(lái)的影響。目前，絕大部分關(guān)于人臉識(shí)別方法的文章都是基于人臉圖像整體特征的，主要有特征臉?lè)?、最佳鑒別向量集法，貝葉斯法，基于傅立葉不變特征法，彈性圖匹配法，其他相關(guān)方法有線性子空間法，可變形模型法和神經(jīng)網(wǎng)絡(luò)法。基于整體的識(shí)別方法也各自有自己的缺陷，所以近年來(lái)的研究趨勢(shì)是將人臉的局部特征分析和整體識(shí)別結(jié)合起來(lái)。 人臉識(shí)別方法分類(lèi) 根據(jù)研究角度的不同，我們對(duì)人臉識(shí)別方法可以進(jìn)行不同的分類(lèi)方法。在實(shí)際操作中，我們主要是通過(guò)各種變換來(lái)達(dá)到對(duì)圖像進(jìn)行降維的效果，如特征臉?lè)椒ㄖ?KL 變換就是特征提取，而主元選取就是特征選擇。人臉檢測(cè)的目的是檢測(cè)輸入的圖像中是否含有人臉，而人臉定位是確定輸入的圖像中人臉位置以及大小，并將人臉從背景中分割出來(lái)。 (4)表情分析 ((Facial Expression Analysis):即對(duì)待識(shí)別人臉的表情進(jìn)行分析，并對(duì)其分類(lèi) 。 人臉識(shí)別 (Face Recognition)是指基于己知的人臉樣本庫(kù)，利用圖像處理和模式識(shí)別技術(shù)從靜態(tài)或動(dòng)態(tài)場(chǎng)景中，識(shí)別或驗(yàn)證一個(gè)或多個(gè)人 4 臉。整個(gè)生物識(shí)別技術(shù)市場(chǎng)的規(guī)模 2020年將達(dá)到 40 億美元左右，國(guó)內(nèi)市場(chǎng)有可能達(dá)到 40 億人民幣。普通人可以對(duì)人臉認(rèn)證系統(tǒng)的結(jié)果進(jìn)行判定，而上述其他生物特征一般只能通過(guò)專(zhuān)家認(rèn)定。在各種生物特征認(rèn)證技術(shù)中，人臉識(shí)別技術(shù)的市場(chǎng)份額僅次于指紋識(shí)別技術(shù)。但是，隨著網(wǎng)絡(luò)、通信、交通等技的飛速發(fā)展，人們活動(dòng)的現(xiàn)實(shí)空間和虛擬空間不斷擴(kuò)大，需要身份認(rèn)證的場(chǎng)合也變得無(wú)不在。人臉預(yù)處理 。本文介紹了幾種主要的預(yù)處理方法，如幾何歸一化，灰度歸一化。并且詳細(xì)介紹了人臉識(shí)別很重要的一個(gè)步驟 — “人臉預(yù)處理”，文中提到的人 臉預(yù)處理方法都是從圖像處理的角度著手的，主要目的是使人臉圖像標(biāo)準(zhǔn)化，并在一定程度上消除光照的影響。 關(guān)鍵詞 人臉識(shí)別 。傳統(tǒng)的身份識(shí)別方法主要基于身份標(biāo)識(shí)物 (如證件、卡片 )和身份標(biāo)識(shí)知識(shí) (如用戶名、密碼 )來(lái)識(shí)別身份，這在很長(zhǎng)一段時(shí)期是非?？煽亢头奖愕淖R(shí)別方法，得到了廣泛的應(yīng)用。人臉識(shí)別技術(shù)基于生理特征進(jìn)行識(shí)別，是最主要的生物特征身份認(rèn)證技術(shù)之一。在各種身份證明材料中，一般也會(huì)含有標(biāo)準(zhǔn)的正面人臉照片； (5)具有方便、快捷、強(qiáng)大的事后追蹤能力。根據(jù)預(yù)計(jì)，生物特征識(shí)別技術(shù)在 20202020 年的增長(zhǎng)率將保持30%左右，在國(guó)內(nèi)這一數(shù)字會(huì)更高。因此，人臉識(shí)別研究仍然遠(yuǎn)遠(yuǎn)沒(méi)有到達(dá)完善的境地，還有非常大的發(fā)展空間。這一過(guò)程的核心是選擇適當(dāng)?shù)娜四槺硎?方式與匹配策略 。 5 圖 (1)人臉的檢測(cè)和定位，人臉檢測(cè)與人臉定位是相互聯(lián)系但又有所區(qū)別的兩個(gè)概念。 （ 3)特征提取和選擇，對(duì)人臉進(jìn)行識(shí)別主要依據(jù)人臉的特征，也就是說(shuō)依據(jù)不同個(gè)體之間有較大差異而對(duì)同一個(gè)體則比較穩(wěn)定的度量。因?yàn)橹暗念A(yù)處理步驟與圖像處理的工作是相通的，而之后的識(shí)別步驟與一般的模式識(shí)別問(wèn)題是一致的?；诰植刻卣鞣治龅姆椒ㄗR(shí)別結(jié)果取決于特征定位算法的準(zhǔn)確性，而且要求圖像的像素較高，因此要近距離拍攝圖片?；谌四槇D像整體特征的人臉識(shí)別方法由于不需要精確提取人臉圖像中部件的具體信息 ，而且可以充分利用到人臉圖像本身具有的灰度信息，因此可獲得更好的識(shí)別性能。如果要獲得一個(gè)準(zhǔn)確、穩(wěn)定和可靠的識(shí)別結(jié)果，就要求這些被選出的幾何特征參數(shù)包含足夠豐富的辨識(shí)人臉的信息，且能反映不同人臉之間的差別。例如眼睛顯得比較小、鼻子顯得比較寬，以及皮膚的紋理、顏色上的差異等等。KL 變換用于人臉識(shí)別的前提是人臉圖像處于低維空間，并且不同人臉是線性可分的。但 KL 變換只是從壓縮角度來(lái)看是最優(yōu)的，從分類(lèi)角度來(lái)看卻不是最優(yōu)的。 KL 變換在 90 年代初受到了很大的重視，實(shí)際用于人臉識(shí)別取得了很好的效果，一般庫(kù)德大小為 100 幅左右，識(shí)別率在 70％ 100％之間不等，這主要取決于人臉庫(kù)圖像的質(zhì)量。將局部特征向量加權(quán)進(jìn)行匹配得到一些好的效果。但總的來(lái)說(shuō)，由于人類(lèi)對(duì)自身思維機(jī)理認(rèn)識(shí)的不足，所以對(duì)人工神經(jīng)元作了極度的簡(jiǎn)化 ，這種模擬表現(xiàn)為極其膚淺和簡(jiǎn)單。主元分析法的方差是由大到小排列的，而多層感知機(jī)的方差是均勻分布到每個(gè)隱層神經(jīng)元上。 彈性匹配圖臉部識(shí)別方法 在利用圖匹配進(jìn)行識(shí)別的方法中，一個(gè)目標(biāo) (如一個(gè)人臉圖像 )可 以采用一張圖 (Graph)來(lái)表示。 在彈性圖匹配方法中，將人臉圖像庫(kù)中的圖像和待識(shí)別圖像都用特征矢量圖表示。 (2)另外是一組聯(lián)系每一個(gè)狀態(tài)的概率密度函數(shù)。與 Eigenface 方法不同的是， Fisherface 采用的投影方 14 向幾乎與類(lèi)內(nèi)散布方向垂直，而 Eigenface 方法采用的投影方向是使所有類(lèi)散布最大化。而現(xiàn) 在逐步擴(kuò)大到社會(huì)生活的各個(gè)領(lǐng)域，例如在海關(guān)邊檢、物業(yè)管理、網(wǎng)絡(luò)安全、視頻會(huì)議、計(jì)算機(jī)訪問(wèn)控制等方面都有著廣泛的應(yīng)用。在保密要求非常嚴(yán)格的部門(mén)除了證件，還可以加上另外一些 生物識(shí)別手段，如指紋識(shí)別、手掌識(shí)別、語(yǔ)音識(shí)別等。 人臉識(shí)別問(wèn)題中的難點(diǎn) 人類(lèi)具有很強(qiáng)的人臉識(shí)別能力，嬰兒可以很快學(xué)會(huì)辨認(rèn)其父母的臉。即使是目前最好的人臉識(shí)別系統(tǒng)在室外光照條件下，其識(shí)別性 能也會(huì)急劇下降。 (2)計(jì)算的復(fù)雜性 很多經(jīng)典的識(shí)別問(wèn)題譬如文字識(shí)別只需要處理相對(duì)較少的類(lèi)，而且每個(gè)類(lèi)有大量的訓(xùn)練樣本，但在人臉識(shí)別問(wèn)題中，通常需處理相當(dāng)多的類(lèi)，并且每個(gè)類(lèi)存在很少的訓(xùn)練樣本，識(shí)別算法必須在很少的樣本中提取特征，通過(guò)訓(xùn)練進(jìn)行人臉圖像的匹配。 人臉識(shí)別的發(fā)展方向 由于人臉識(shí)別領(lǐng)域仍存在上述很多問(wèn)題未徹底解決，因此未來(lái)人臉識(shí)別必然圍繞著現(xiàn)有難點(diǎn)的解決而繼續(xù)發(fā)展。 建立一個(gè)包含人臉圖像的數(shù)據(jù)庫(kù)是做任何人臉識(shí)別系統(tǒng)的開(kāi)發(fā)的前提。人臉姿態(tài)也有相當(dāng)程度的變化，深度旋轉(zhuǎn)和平面旋轉(zhuǎn)可達(dá) 200，人臉的尺度也有多達(dá) 10%的變化。 圖像的幾何歸一化 圖像的幾何歸一化也可以稱為圖像的標(biāo)準(zhǔn)化，主要是指各幅人臉圖像中，人臉的關(guān)鍵部位在圖像中的相對(duì)位置是否都一樣。 縮放圖像的方法主要有兩種 :一是直接用灰度插值的方法來(lái)縮小原圖像，二是用小波變換進(jìn)行圖像的分解?；叶戎狈綀D的橫坐標(biāo)表示灰度級(jí)，縱坐標(biāo)則表示該灰度級(jí)出現(xiàn)的頻率，整個(gè)直方圖反映了圖像的每一個(gè)灰度級(jí)和其出現(xiàn)的頻率之間的統(tǒng)計(jì)關(guān)系，因此從直方圖可以看出圖像最基本的統(tǒng)計(jì)特征，即圖像的概貌，如圖 ： 21 (a)原始圖像 （ b） 直方圖均衡化后的圖像 圖 均衡化原理 : 八位灰度 (unit8類(lèi) )圖像有 256個(gè)灰度級(jí)，但原圖像經(jīng)過(guò)數(shù)字化后，實(shí)際灰度范圍往往沒(méi)有占滿 0255的全部灰度級(jí)，而是集中在某幾個(gè)“收集箱”，一個(gè)收集箱僅僅是亮度標(biāo)度范圍的一小部分。其基本思想是提取出高維數(shù)據(jù)空間中的主元，即主要特征，把數(shù)據(jù)放在一個(gè)低維的特征空間里進(jìn)行處理，同時(shí)保持原始數(shù)據(jù)的絕大部分信息，從而對(duì)高維數(shù)據(jù)空間進(jìn)行降維，解決了維數(shù)過(guò)高的問(wèn)題。 其中，第一步人臉圖像的預(yù)處理在第二章詳細(xì)介紹過(guò)，下面將介紹利用 PCA 進(jìn)行人臉識(shí)別的流程。以部分新的分量表示原矢量的均方誤差最小 。 特征值的選擇 我們通過(guò) KL變換得到了 m個(gè)特 征向量，雖然 m遠(yuǎn)遠(yuǎn)小于 n，但通常m 還是很大。 F的值通常取 。特征臉?lè)椒ㄓ?jì)算簡(jiǎn)單，概念清晰，易于實(shí)現(xiàn)且效果良好。 圖 (第一個(gè)為平均臉，其余為特征臉 ) 經(jīng)典 PCA人臉識(shí)別方法的實(shí)現(xiàn)過(guò)程 完整的 PCA 人臉識(shí)別算法包括以下兩個(gè)過(guò)程 : 一、訓(xùn)練過(guò)程，步驟如下 : (1)獲取人臉庫(kù)中的人臉圖像，并進(jìn)行相關(guān)的預(yù)處理，建立訓(xùn)練集； (2)對(duì)訓(xùn)練集中的圖像進(jìn)行主成份分析，得到特征臉，形成特征子空間； (3)把訓(xùn)練集中的圖像投影到特征子空間，保存相應(yīng)的特征向