人脸识别研究的背景意义现状及特征提取方法研究

人脸识别研究的背景意义现状及特征提取

方法研究

1研究背景与意义 (1)

2国内外研究现状 (2)

2.1 人脸识别的研究现状 (2)

2.2 人脸识别中稀疏编码的研究现状 (3)

3人脸的特征提取方法概述 (5)

3.1 基于局部特征的方法 (5)

3.2 基于整体特征的方法 (5)

基于特征脸方法 (6)

基于弹性匹配的方法 (6)

基于神经网络的方法 (6)

基于不变性的方法 (6)

基于Fisher线性判别方法 (7)

1研究背景与意义

人脸识别技术具有广泛的应用前景，在国家安全、军事安全和公共安全领域，智能门禁、智能视频监控、公安布控、海关身份验证、司机驾照验证等都是典型的应用；在民事和经济领域，各类银行卡、金融卡、信用卡、储蓄卡的持卡人的身份验证，社会保险人的身份验证等具有重要的应用价值；在家庭娱乐等领域，人脸识别也具有一些有趣有益的应用，比如能够识别主人身份的智能玩具、家政机器人，具有真实面像的虚拟游戏玩家等等。

近年来许多神经生理学家在视觉系统上已展开了全面深入的研究，并且取得了一些有重要意义的研究成果。这就使得在工程上利用计算机来模拟视觉系统成为可能。基于这一认识，利用已有的生物学科研成果，联系信号处理、计算理论以及信息论知识，通过对视觉系统进行计算机建模，使计算机能在一定程度上模拟人的视觉系统，以解决人工智能在图像处理领域中碰到的难题。神经稀疏编码算法正是这样一种建模视觉系统的人工神经网络方法。这种算法编码方式的实现仅依靠自然环境的统计特性，并不依赖于输入数据的性质，因而是一种自适应的图像统计方法。

传统的人脸识别系统中，不管是基于整体的或者局部特征的人脸识别方法，都需要建立很好的模型来提取特征，而稀疏编码理论对特征的选取方面要求相对

较低，所以结合特征提取方法再对稀疏编码算法进行深入研究，并应用到人脸识别中，扩展了人脸识别的方法理论，将会对该领域的研究起到一定的促进作用，因此具有很重要的学术意义。目前，稀疏编码SC方法在盲源信号分离、语音信号处理、自然图像特征提取、自然图像去噪以及模式识别等方面已经取得许多研究成果，具有重要的实用价值，是当前学术界的一个研究热点。进一步研究稀疏编码技术，不仅会积极地促进图像信号处理、神经网络等技术的研究，而且也将会对相关领域新技术的发展起到一定的促进作用。

2国内外研究现状

2.1 人脸识别的研究现状

人脸识别的研究历史比较悠久，Galton早在1888年和1910年就分别在《Nature》杂志发表了两篇关于利用人脸进行身份识别的文章，对人类自身的人脸识别能力进行了分析，但当时还不可能涉及到人脸的自动识别问题。最早的关于人脸识别问题的研究论文见于1964年Bertillon在Panoramic Research Inc.发表的技术报告，和1965年Chan在Panoramic Research Inc.发表的技术报告，到现在已有四十余年的历史。近年来，人脸识别研究得到了诸多研究人员的青睐，涌现出了诸多技术方法。尤其是1990年以来，人脸识别更得到了长足的发展，每年都有大量的学术论文发表。现在，几乎所有知名的理工科大学和IT产业的主要公司都有研究组在从事人脸识别的研究。

人脸识别的研究大致可分为四个阶段。第一个阶段以Bertillon，Allen和Parke 为代表，主要研究人脸识别所需要的面部特征。该阶段是人脸识别研究的初级阶段，非常重要的成果不是很多，也基本没有获得实际应用。

第二个阶段是人机交互识别阶段。该阶段代表性工作是Goldstion，Harmon 和Lesk等用几何特征参数来表示人脸正面图像。他们用21维特征矢量表示人脸面部特征，并设计了基于这一特征表示的识别系统。在这个阶段，Kanade博士于1973年在京都大学完成了第一篇人脸识别方面的博士论文。该阶段的方法仍摆脱不了操作员的干涉。

第三个阶段是真正的机器自动识别阶段。这一阶段时间相对短暂，但却是人脸识别研究的高潮期，不但诞生了主成分分析、线性判别分析、弹性图匹配、局部特征分析、独立分量分析、支持向量机、神经网络、隐马尔可夫模型、柔性模型(FlexibleModels)(包括主动形状模型(ASMs)和主动表观模型(AAMs))等若干

代表性的人脸识别算法，美国军方还组织了著名的FERET 人脸识别算法测试，并出现了若干商业化运作的人脸识别系统，最为著名的是Visionics(现为Idenfx)的Facelt 系统。这一阶段的人脸识别技术发展非常迅速，所提出的算法在较理想图像采集条件、用户配合、中小规模正面人脸数据库上达到了非常好的性能。从技术方案上看，2D 人脸图像线性子空间判别分析、统计表观模型、统计模式识别方法是这一阶段的主流技术。

第四个阶段是鲁棒的人脸识别技术的研究阶段。近几年来，研究人员针对影响人脸识别的一些主要因素，例如光照、姿态、表情、年龄、遮挡、低分辨率等变化因素，提出了很多解决方法。如对于光照变化的处理方法主要有熵图像法、光照锥法、球谐波函数法、九点光源法等。对于姿态变化的处理方法主要有多视角法、局部到整体几何特征变换匹配法、通用3D 模型法、3D 形变模型法、光流场法[7]等。

总体而言，目前非理想成像条件下(尤其是光照和姿态)、用户不配合、大规模人脸数据库上的人脸识别问题逐渐成为研究的热点。解决这类问题的方法的特点是通过描述和补偿变化因素，从而提高算法的性能。非线性建模方法、基于Boosting 的学习技术、基于3D 模型的人脸建模与识别方法等逐渐成为备受重视的技术发展趋势。

目前，国外对人脸识别问题的研究很多，比较著名的有CMU( 卡耐基· 梅隆大学)、MIT( 麻省理工学院)、YALE( 耶鲁大学) 等机构；国内的清华大学、中国科学院自动化研究所、上海交通大学、南京理工大学、哈尔滨工业大学等单位都有人员从事人脸识别相关工作的研究。关于人脸识别研究的重要国际会议有IEEE 的FG(IEEE International Conference Automatic Face and Gesture Recognition)、ICIP(International Conference on Image Processing)、CVPR(Conference on Computer Vision and Pattern Recognition ) 等。

2.2 人脸识别中稀疏编码的研究现状

① 假设条件

稀疏编码模型能够表示初级视觉皮层简单细胞编码外界视觉刺激图像的过程和特征,这种动态映射和表达层细胞的发放特性导致了细胞发放的稀疏分布。由于哺乳动物的视觉生理过程是很复杂的，在用稀疏编码模型模拟初级视觉系统神经元的感受野特性时，通常需要设置以下的假设:

1) 输入数据具有稀疏性(或超高斯性)结构；

2) 各个稀疏系数),,1(m i s i 之间是统计独立的；

3) 稀疏变换是一种线性变换；