叶海燕
摘 要:现今社会随着法律与管理的不断健全与改善,人脸检测与人脸识别技术的应用越来越多地走进人们的生活。人脸检测与识别技术不同于其他生物识别技术,其安全可靠、操作便捷,符合人们的生活需求。阐述人脸检测与识别技术的发展历程及现今技术难题在于复杂条件下人脸检测与识别,并分类总结了复杂条件下的人脸检测方法与人脸识别方法。
关键词:人脸检测;人脸识别;现状
一、人脸检测与识别技术的发展与现状
目前,人脸的检测与识别技术是计算机领域的热门研究项目之一,其是指应用计算机技术与数字图像处理技术对人脸有一个简单高效而又精准的识别。现今社会中人脸检测与识别技术使用广泛,相比于DNA识别技术、指纹识别技术及瞳孔识别技术等,其成本价格低、操作简便,在海关、银行、网络上具有极高的实用性。人脸检测与识别技术起源于20世纪中叶,其早期主要以寻找对比人脸的特征部位,计算特征部位之间的大小、间距等,对人脸进行简单的检测识别。直到20世纪末期,人脸的检测与识别技术已经能够整体对人脸的各部位各器官特征进行对比并提取信息,多方位提取人脸面部信息。
由于现今社会发展,人脸的检测与识别技术的使用不仅仅拘泥于政治军事中,其逐渐步入商业市场,因此人脸的检测与识别技术自2000年后有了很大的提高。其能够多角度动态识别人脸,在检测识别的精准度上更加准确。
二、复杂条件下的人脸检测与识别技术
1.人脸检测技术
人脸检测是对人脸信息进行处理的第一步,其是为判断研究图像中是否都有人脸存在,并将其从复杂的背景中分割拼接出来。在人脸检测技术中,通常要跟人脸定位技术一同使用。现今社会中应用于复杂条件下的人脸检测技术方法主要有以下几种:
(1)基于特征的人脸检测方法
基于特征的人脸检测方法是根据人脸的面部特征,验证人脸的存在。人脸的面部特征一般包括面部器官特征、面部纹理特征与面部肤色特征。面部器官特征是指眉毛、眼睛、嘴唇、鼻子等部位,对比模型确定人脸存在。其不足是容易受到表情与光照的影响,扭曲或虚化器官特征轮廓。面部纹理特征是指皮肤纹理与毛发纹理。如,利用空间人脸纹理呈现出的灰度共生矩阵纹理图中根据分辨率的不同可判断是否有人脸存在,且不受到表情、眼镜等因素的影响。在面部肤色特征的研究中,研究人员发现,面部肤色去除亮度后所得到的图像信息具有聚类性,可以通过颜色的不同对人脸进行检测分割,且操作简便。
(2)基于模型的人脸检测方法
基于模型的人脸检测方法是指利用人的五官进行定位,然后按照事先规定好的人脸标准进行人脸检测,其模板又可以分为预定义模板、变形模板与动态模板。预定义模板指预先设定需要确认的人脸轮廓及面部各器官模板,选出大致区域后进一步检测是否有人脸存在。变形模板指设定一个变形参数及能量函数,分析图像数据,检测是否有人脸存在,其优势在于光照表情等环境因素对其影响小,但计算操作较复杂。动态模板就是现今应用较为广泛的Snakes模型,其是用连续闭合曲线来计算出各阶段的能量函数,进行比对后是用微积分进行计算,检测是否有人脸存在。动态模板能较高地排除噪音对检测结果的影响。
(3)基于统计的人脸检测方法
基于统计的人脸检测方法使用得非常广泛,该方法通过检测大量的图像,判断是否有人脸存在,并设置分类器,将检测的图像所应用的方法进行保存,并在新的图像中分区分析,寻找其相适应的检测方法。
2.人脸识别技术
人脸识别技术是一种通过人面部特征进行身份识别的技术,其安全可靠在社会上得到了广泛应用。现今复杂条件下的人脸识别技术包括以下几种:
(1)基于模型的人脸识别方法
基于模型的人脸识别方法是一种较为常用、较为典型的方法,其与基于模型的人脸检测方法有相同之处,是通过对比面部各器官间距离与大小来进行识别的。目前,该人脸识别方法为半自主系统,系统只能大体定出面部器官位置,需要人手动精准。该方法对光照、方位的抗干扰能力较差。
(2)基于线性子空间的人脸识别方法
在对能量消耗分析的研究中,人们发现减少通信耗能可以从能量与功率两方面进行控制。据此为保证传输可以适当降低节点功率,减少其能量消耗。PCA是线性子空间人脸识别方法的代表方法,其寻找到图像的主成分并对数据进行重建复原,减少数据误差,寻找到识别所需的数据。ICA是PCA的一个推广的人脸识别方法,其将主成分数据线性变换,形成独立的线性组合,减小了數据之间彼此的依赖关系。
(3)基于稀疏表示的人脸识别方法
基于稀疏表示的人脸识别方式是利用多元线性回归模型与稀疏信号进行计算识别的,其抗光照、噪音、遮挡物等复杂条件能力较好,具有较高的识别能力与鲁棒性。
参考文献:
[1]苏宏涛,张艳宁,王晶,等.光照变化条件下的人脸识别研究[J].西北工业大学学报,2004(04).
[2]黄兴,王小涛,陆丽华.一种快速高效的人脸检测方法[J].计算机工程与应用,2013(03).
[3]徐品,童癸,瞿静.基于AdaBoost方法和人眼定位的动态人脸检测[J].电视技术,2011(09).
注:本文系2014年度巢湖学院院级科研项目一般项目(项目号XLY—201411)成果之一。
本文系安徽省高等学校省级自然科学研究项目:无线多跳协作网络中跨层路由关键问题研究项目(项目编号:KJ2014A172)成果之一。
编辑 薄跃华