首页 理论教育 人脸检测和识别技术的发展及特点

人脸检测和识别技术的发展及特点

时间:2023-06-29 理论教育 版权反馈
【摘要】:人脸识别技术是一种依据人的面部特征,如统计或几何特征来自动进行身份鉴别的一种技术,它综合运用了数字图像/视频处理、模式识别等多种技术。(二)优势人脸识别作为一种新兴的生物特征识别技术,与虹膜识别、指纹扫描、掌形扫描等技术相比,人脸识别技术在应用方面具有独到的优势。人脸识别技术所独具的活性判别能力保证了他人无法以非活性的照片、木偶、蜡像来欺骗识别系统。

人脸检测和识别技术的发展及特点

人脸识别技术是一种依据人的面部特征,如统计或几何特征来自动进行身份鉴别的一种技术,它综合运用了数字图像/视频处理、模式识别等多种技术。

(一)人脸检测和识别技术的发展历程

1.可见光人脸识别技术

可见光人脸识别技术是一种生物识别加智能视频分析技术,通过视频采集面部生物特征,在任何可见光和黑暗环境中与数据库数据分析比对,精确识别合法和黑名单用户,解决了监狱、军队、政府、公安电力等高端用户室外可见光环境下精准识别,完全打破世界原有落后的生物技术识别和被动式监控安防格局,创造主动式高安全级别的完整意义的主动防范。

可见光是光谱中人眼可以感知的部分,可见光谱没有精确的范围,一般人的眼睛可以感知可见光的波长在400~700nm之间。作为可为人眼感知的光源,也是生活中最常见的光源。因此,传统的人脸识别技术主要基于可见光图像的人脸识别,这也是人们最熟悉的人脸识别方式。但这种方式有着难以克服的缺陷,尤其在环境光照发生变化时,识别效果会急剧下降,无法满足实际系统的需要。解决光照问题的方案有三维图像人脸识别和热成像人脸识别。

2.多光源人脸识别技术

在自然界中,除人眼可见的光线外,还存在着红外、紫外等不可见的光线。

为了克服可见光因环境因素而变化的影响,相关企业做了大量的研究和技术开发。基于红外与可见光融合的多光源人脸识别方法是人脸识别技术的一项革命性创新,目的在于消除可见光变化对人脸识别的影响。

可见光图像受光源影响较大,而单纯的红外图像可以独立光源,但对温度变化比较敏感。实践证明,红外与可见光融合的多光源人脸识别方法比任意单一光源的识别更有效。它是一种基于融合红外与可见光图像人脸识别方法,对红外与可见光人脸图像分别采用主成分分析与线性辨别分析相结合的方法进行特征提取和识别,并利用获得的识别结果与它们各自的置信度进行决策融合,并确定最终的人脸识别结果。实验表明,可以有效提高人脸识别性能和对各种应用环境的适用性。

(二)优势

人脸识别作为一种新兴的生物特征识别技术,与虹膜识别、指纹扫描、掌形扫描等技术相比,人脸识别技术在应用方面具有独到的优势。

1.自然性

该识别技术同人类(甚至其他生物)进行个体识别时所利用的生物特征相同。例如脸部识别,人类也是通过观察比较人脸区分并确认身份的。另外具有自然性的识别还有语音识别、体形识别等。而指纹识别、虹膜识别等都不具有自然性,因为人类或者其他生物并不通过此类生物特征区别个体。

2.不易察觉性

不易被察觉对于一种识别方法也很重要。这会使该识别方法不令人反感,并且因为不容易引起人的注意而不容易被欺骗。人脸识别具有这方面的特点,它完全利用可见光获取人脸图像信息。而不同于指纹识别或者虹膜识别,需要利用电子压力传感器采集指纹,或者近距离采集虹膜图像。这些特殊的采集方式很容易被人察觉,从而更有可能被伪装欺骗。这一特点特别适用于逃犯跟踪系统。

3.直观性突出(www.xing528.com)

人脸识别技术所使用的依据是人的面部图像,而人脸无疑是肉眼能够判别的最直观的信息源,方便人工确认、审计,“以貌取人”符合人的认知规律。

4.识别精确度高,速度快

与其他生物识别技术相比,人脸识别技术的识别精度处于较高的水平,误识率、拒认率较低。

5.惟一性

在安全性要求高的应用场合,人脸识别技术要求识别对象必须亲临识别现场,他人难以仿冒。人脸识别技术所独具的活性判别能力保证了他人无法以非活性的照片、木偶、蜡像来欺骗识别系统。这是指纹等生物特征识别技术所难以做到的。举例来说,用合法用户的断指即可仿冒合法用户的身份而使识别系统无从觉察。

6.使用通用性设备

人脸识别技术所使用的设备为一般的计算机、摄像机等常规设备。由于目前计算机、闭路电视监控系统等已经得到了广泛的应用,因此对于多数用户而言使用人脸识别技术无需添置大量专用设备,从而既保护了用户的原有投资又扩展了用户已有设备的功能,满足了用户安全防范的需求。

(三)人脸检测和识别技术的研究范畴

人脸检测和识别技术作为一种新兴的生物特征识别技术,概括说,它是一种依据人体面部特征的自动身份鉴别技术。其综合运用了数字图像/视频处理、模式识别、计算机视觉等多种技术。人脸识别的研究范围大致可以分为以下几个方面的内容:

1)人脸检测(Face Detection)。从各种不同的场景中检测出人脸的存在并确定其位置。在大多数的场合中由于场景较复杂,人脸的位置是预先不知道的,因而首先必须确定场景中是否存在人脸,如果存在人脸,再确定图像中人脸的位置。脸部毛发、化妆品、光照、噪声、面部倾斜和人脸大小变化以及各种遮挡等因素会使人脸检测问题变得更为复杂。人脸检测的主要目的是在输入的整幅图像上寻找人脸区域,把图像分割成两个部分(人脸区域和非人脸区域),从而为后续处理奠定基础。

2)人脸表征(Face Representation)。采取某种表示方式表示检测出的人脸和数据库中的已知人脸。通常的表示法包括几何特征(如欧氏距离、曲率、角度)、代数特征(如矩阵特征矢量)、固定特征模板、特征脸、云纹图等。

3)人脸辨识(Face Identification)。将已检测到的待识别的人脸与数据库中的已知人脸进行比较匹配,得出相关信息。这一过程的核心是选择适当的人脸表征方式与匹配策略,系统的构造与人脸的表征方式密切相关。通常是选择全局的方法或者选择基于特征的方法进行匹配。显然,基于侧面像所选择的特征和基于正面像的特征是有很大的区别的。

4)表情分析(Expression Analysis)。对待识别人脸的表情信息(快乐、悲伤、恐惧、惊奇等)进行分析,并对其加以归类。

5)生理分类(Physical Classification)。对待识别人脸的生理特征进行分析,得出其种族、年龄、性别、职业等相关信息。显然,完成这一操作需要大量的知识并且通常是非常困难和复杂的。

目前,对人脸识别的研究工作主要集中在前3个方面。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈