综述《自动化技术与应用》2004年第23卷第12期Survey人脸图像检测与识别方法综述王科俊,姚向辉(哈尔滨工程大学自动化学院,黑龙江哈尔滨150001)摘要:本文对人脸识别技术中的检测和识别分成两部分进行了讨论。
首先,系统的整理分析了人脸检测的各种方法。
其次,作为人脸识别技术的第二个环节,对人脸的各种识别方法进行了比较性的论述,重点讨论了当前热点的识别算法。
最后对人脸识别技术的发展方向进行了展望。
关键词:人脸检测;人脸识别;特征提取;模式识别中图分类号: TP391141 文献标识码:A 文章编号: 100327241 (2004) 1220005205Survey of Human Face Detection and RecognitionWANG Ke -jun ,YAO Xiang -hui(College of Automatization , Harbin Engineering University , Harbin 150001 ,China) Abstract :This paper describes the problem of human face detection and recognition. Firstly it synthesizes and analyzes the methods of human face de2tection systematically from the view of the classification of human face detection ,detection effect and future prospect.of the Human face recognition , this paper discusses different recognition methods comparatively. It emphasizes the recognition algorithmmostly used at present and views the trend of human face recognition.As the second stageKey words :Face detection ; Face recognition ; Feature extraction ; Pattern recognition1 引言自从美国9. 11事件后,人的身份确定问题就不仅仅是为了银行存款、电子商务、家庭安全等服务了,而是提升到了国家安全的角度,如何利用人体的生物特征(如指纹、人脸、虹膜、掌纹等)迅速判断并确定一个人的身份成了现在各个国家重点研究的技术。
这就迫切需要生物识别技术的发展和完善。
生物识别技术在上个世纪已经有了一定的发展,其中应用最广泛的是指纹识别技术,在全球生物识别市场上指纹识别占了53 %份额,这说明指纹识别技术已经趋近于成熟,但是人脸识别技术的研究目前还处于起步阶段。
指纹、掌型、虹膜等识别技术都需要被识别者配合,但人的面部识别则可以用摄像头远距离捕捉图像,在当事人不知不觉的情况下完成身份确认识别工作,这对反恐怖活动等有非常重大的意义。
人脸的检测与人脸的识别是人脸识别技术两个不可分的部分,一个完整的人脸识别系统将是这两部分的有机结合,为了论述方便,下文将对人脸检测和识别的各种方法分别进行论述。
收稿日期:2004 -006 -102 人脸的检测方法目前很多人脸识别技术的研究工作都是假定图像中的人脸已经被检测和定位,而为了设计出一个自动人脸识别系统,快速而高效的检测出人脸是比较关键的一步。
目前人脸检测还是一个相当困难的工作,还有许多问题有待解决。
国内外比较流行的人脸检测方法主要有:基于特征的人脸检测算法[1 ]、基于统计的人脸检测算法、基于模板的人脸检测算法和基于人脸彩色信息的检测算法[7 ]等。
2. 1 基于面部重要特征的人脸检测方法基于特征的人脸检测方法是利用人脸的先验知识导出的规则来进行人脸检测的。
人脸各个器官的分布总是存在着一定的规律性,例如人的两个眼睛总是对称分布在人脸的上半部分,鼻子和嘴唇中心点的连线基本与两眼之间的连线垂直,嘴巴绝对不会超过眼睛的两端点,如果这个人的双眼距离为d,那么双眼到嘴的垂直距离一般在0. 8 —1. 25倍的d,人们就可以利用这些描述人脸局部特征分布的规则来进行人脸检测。
当满足这些规则的图像区域找到后,则认为一幅人脸已被检测出来,然后可以对候选的人脸区域进行进一步的论证,以确定候选区域是否是Techniques of Automation & Applications |. 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. 《自动化技术与应用》2004年第23卷第12期综述Survey实现人脸的检测。
实际上,人脸检测问题被转化为了统计模式识别中的二分类问题。
为一维)通过某种变换,转换到另外一个空间,在这个空间上,人基于特征空间的方法的思想是将人脸的二维图像(可转化(2)基于特征空间的方法2. 3 基于模板匹配的人脸检测方法人脸。
这种方法所存在的问题主要是:检测率不高,如果图像背景中存在类人脸区域,则必然会导致误检;对于不同视角的人由于某些人脸特征不可见,所以不能使用这种方法检测;用于描述人脸特征之间关系的规则不易设计,规则制定的过高或者过低会造成拒识或误识。
基于面部重要器官特征的人脸检测方法在人脸识别研究的初期应用比较多,现在人们往往把它作为其它检测方法的辅助手段。
2. 2 基于统计的人脸检测方法基于统计的人脸检测方法[3 ,4]不是针对人脸的某一特征,它是从整个人脸的角度出发,利用统计的原理,从成千上万张人脸图像中提取出人脸共有的一些规律,利用这些规律来进行人脸的检测。
由于人脸图像的复杂性,显式地描述人脸特征具有一定困难,因此基于统计的方法越来越受到重视。
此类方法将人脸区域看作一类模式,使用大量的“人脸”与“非人脸”样本,构造并训练分类器,通过判别图像中所有可能区域属于哪类模式的方法脸特征与非人脸特征的区别能更好的体现出来了,这样就可以比较容易的进行人脸的检测。
主分量分析(PCA , Principal -Component Analysis) [2 ,6 ]是一种常用的方法。
它是根据图像的统计特性进行正交变换(K-L变换),以消除原有向量各个分量间的相关性,变换得到对应特征值依次递减的特征向量,即特征脸。
具体的实现方法是:同时使用N ×N象素分辨率的“人脸”和“非人脸”样本,样本预处理后按行列顺序展开为样本向量进行主分量分解。
采用k均值聚类方法在特征空间中建若干个“人脸”簇(Clusters) ,同时建立包围“人脸”簇的若干个“非人脸”簇,以使“人脸”与“非人脸”模式的边界区分开来。
这种方法的一大难点就是非人脸的样本很难获得。
因为随着环境的不同而不同,非人脸区域很难有确定性。
特征空间方法还有因子分解方法( Factor Analysis , FA)和Fisher准则方法( Fisher Linear Discriminant , FLD)。
此外,小波变换也被用于人脸检测,如小波变换中提取人脸的多分辨率特征作为分类的依据。
特征空间方法优于其它方法的一点就是它能把特征压缩。
从而使计算量减小,这对于搜索式的人脸检测来说是非常有价值的。
特征空间的方法无论是对于人脸检测还是人脸识别,都是很有前景的研究方向。
(3)基于人工神经网的方法由于人工神经网络(ANN)高度的自适应性,它对于图像的容忍度相当高,对于平移、变形、噪声甚至局部残缺的图像都能够保持一定的识别率,因而有时候可能会达到传统方法很难达到的可喜效果。
人工神经网(ANN)方法是把模式的统计特性隐含在ANN的结构和参数之中,对于人脸这类复杂的、难以显式描述的模式,基于ANN的方法具有独特的优势。
采用3层以上的BP网络或是Hopfield网络,取得足够量的N ×N像素的人脸样本和非人脸样本,作为神经网络输入的训练样本,进行人工神经网络的训练,训练过程中不断调整网络的权值和层数,最后使网络能将人脸和非人脸能很好的区分开来。
然后用这个训练好的网络来对含有人脸图像的背景图像进行搜索,找到符合条件的区域。
这就是人工神经网络方法用于人脸检测的基本原理。
人工神经网络虽然有它独特的优势,但也有致命的缺点,一方面是用于训练输入的样本维数过高,计算量太大,不容易收敛,搜索的过程也会很慢。
另外一个问题就是很难找到一个标准的非人脸的样本,来适应各种情况。
基于统计模型的人脸检测方法是目前比较流行的人脸检测方法,是解决复杂的人脸检测问题的有效途径。
早期基于模板匹配的检测方法[8 ,9]是这样做的:首先建立一个标准的人脸模板,由包含局部人脸特征的子模板构成,然后对一幅输入图像进行全局搜索,对应不同尺度大小的图像窗口,计算与标准人脸模板中不同部分的相关系数,通过预先设置的阈值来判断该图像窗口中是否包含人脸。
Yullie等人[10 ]提出了基于弹性模板的方法用于人脸的检测。
弹性模板[11 ]是由一个根据被测物体形状而设定的参数化的可调模板和与之相应的能量函数所构成,能量函数要根据图像的灰度信息、被测物体轮廓等先验知识来设计。
当用弹性模板进行人脸检测时,首先,将可调模板在待测图像中移动,并动态地调整其参数,计算能量函数。
当能量函数到达最小值时,根据其位置和参数所决定的可调模板形状应该达到与人脸形状的最佳拟合,这样就检测到了一幅人脸。
这种方法的优点在于,由于使用的弹性模板可调,能够检测不同大小、具有不同偏转角度的物体。
但是其缺点是检测前必须根据待测人脸的形状来设计弹性模板的轮廓,否则会影响收敛的结果;当对图像进行全局搜索时,由于要动态地调整参数和计算能量函数,计算时间过长。
3 人脸的识别方法人脸识别的研究已经有很长的历史,最早可以追溯到上个世纪法国人Galton[11 ]的工作,但真正有发展还是近30年的事。
人脸识别的输入图像通常有3种情况:正面、倾斜、侧面。
从| Techniques of Automation & Applications. 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. 综述《自动化技术与应用》2004年第23卷第12期Survey1973年Kanade[12]的工作起至今,大多数人脸识别研究工作的对象为正面或接近正面的人脸图像。