人臉檢測(cè)與識(shí)別技術(shù)綜述

1、第29卷第2期2006年2月合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版J OU RNAL OF H EFEI UN IV ERSIT Y OF TECHNOLO GYVol.29No.2Feb.2006收稿日期:2005203210;修改日期:2005205209作者簡(jiǎn)介:王偉(1979-,男,安徽合肥人,合肥工業(yè)大學(xué)博士生;張佑生(1941-,男,湖南瀏陽(yáng)人,合肥工業(yè)大學(xué)教授,博士生導(dǎo)師.人臉檢測(cè)與識(shí)別技術(shù)綜述王偉,張佑生,方芳(合肥工業(yè)大學(xué)計(jì)算機(jī)與信息學(xué)院,安徽合肥230009摘要:人臉的檢測(cè)與識(shí)別技術(shù)因其巨大的應(yīng)用價(jià)值及市場(chǎng)潛力,引起各方面的關(guān)注,已經(jīng)成為圖像工程和模式識(shí)別領(lǐng)域的研究熱點(diǎn)。文章在回顧人

2、臉檢測(cè)與識(shí)別技術(shù)發(fā)展歷程的基礎(chǔ)上,對(duì)人臉檢測(cè)與識(shí)別的多種相關(guān)技術(shù)作了介紹與評(píng)論,并討論了該技術(shù)的最新發(fā)展方向及其國(guó)內(nèi)的發(fā)展情況。關(guān)鍵詞:人臉檢測(cè);特征提取;人臉識(shí)別中圖分類(lèi)號(hào):TP317.4文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):100325060(2006022*Survey of human face detection and recognition technologyWAN G Wei ,ZHAN G Y ou 2sheng ,FAN Fang(School of Computer and Information ,Hefei University of Technology ,Hefei 230

3、009,China Abstract :The technology of face detection and recognition has att racted t he attention of many re 2searchers in t he field of image engineering because of it s great application value and market 2potential.The develop ment of face detection and recognition are briefly reviewed.Some of t

4、he technologies and latest p rogress are discussed and analyzed.Especially ,it s develop ment in China is simply int roduced.The f ut ure develop ment of t he technology is also discussed.K ey w ords :face detection ;feat ure ext raction ;face recognition0引言隨著社會(huì)的發(fā)展,諸如視覺(jué)監(jiān)控、遠(yuǎn)程教育、人機(jī)交互技術(shù)及安全等各方面都迫切希望能夠進(jìn)行

5、快速、有效的身份驗(yàn)證。生物特征因?yàn)樽陨淼姆€(wěn)定性和差異性,已經(jīng)成為身份驗(yàn)證的主要手段。人臉是一種極為復(fù)雜的、多維的模式,也是一種典型的非剛性模式。人的面部特征十分豐富,除了形狀、表情之外,還有五官的特征及分布。通過(guò)對(duì)這些特征的研究,可以理解人的情緒等狀況。與其他利用視網(wǎng)膜識(shí)別(無(wú)法確保對(duì)人體的安全性及指紋識(shí)別(涉及個(gè)人隱私等人體生物特征進(jìn)行身份驗(yàn)證相比,人臉識(shí)別的應(yīng)用具有直觀、友好及方便等特點(diǎn),正越來(lái)越受到國(guó)際學(xué)術(shù)界、企業(yè)界、政府及國(guó)防軍事部門(mén)的高度關(guān)注,具有廣泛的應(yīng)用前景。人臉檢測(cè)與識(shí)別是模式識(shí)別領(lǐng)域中的經(jīng)典問(wèn)題之一。此外,還涉及圖像處理、解剖學(xué)及生理學(xué)等多方面多領(lǐng)域的知識(shí)。該技術(shù)研究最早可追

6、溯到19世紀(jì)法國(guó)人Galto n1的工作。現(xiàn)代研究始于20世紀(jì)60年代末70年代初,并隨著科學(xué)技術(shù)而發(fā)展。自90年代以來(lái)一直是研究熱點(diǎn),各種算法層出不窮,相關(guān)雜志上發(fā)表的有關(guān)論文數(shù)以千計(jì)。國(guó)內(nèi)在這方面的研究起步于20世紀(jì)80年代,受到了國(guó)家863計(jì)劃的大力扶持,發(fā)展很快。2000年以來(lái),每年一屆的“中國(guó)生物識(shí)別學(xué)術(shù)會(huì)議”極大地推動(dòng)了包括人臉識(shí)別在內(nèi)的生物識(shí)別技術(shù)水平的發(fā)展。現(xiàn)在,國(guó)內(nèi)也已建成世界上較全面、規(guī)模最大的東方人臉圖像數(shù)據(jù)庫(kù)2。人臉檢測(cè)與識(shí)別可分為人臉檢測(cè)、人臉特征提取和人臉識(shí)別3個(gè)階段,整個(gè)流程如圖1所示。即對(duì)像集中的圖像逐幅進(jìn)行檢測(cè),判斷其中是否存在人臉,如果人臉存在,則對(duì)其進(jìn)行精

7、確定位,并進(jìn)行人臉識(shí)別,通過(guò)特征提取,獲得人臉信息,進(jìn)行身份驗(yàn)證 。圖1人臉檢測(cè)與識(shí)別流程1人臉檢測(cè)與定位人臉檢測(cè)就是從各種不同圖像中確定人臉的存在,并且確定人臉的數(shù)量、尺寸、位置和位姿,實(shí)質(zhì)是使人臉與背景(非人臉?lè)蛛x,它是完成自動(dòng)人臉識(shí)別的第一步,是人臉識(shí)別的基礎(chǔ)3。人臉檢測(cè)是一個(gè)相當(dāng)復(fù)雜的問(wèn)題,由于面部表情的不同及光照條件的變化,眼、口、鼻、耳和胡須等影響,面部傷痕的出現(xiàn)等,均可不同程度地影響人臉檢測(cè)的準(zhǔn)確度,導(dǎo)致誤檢(將非人臉區(qū)誤認(rèn)為人臉或漏檢。因此,多年來(lái),人臉檢測(cè)方法的研究一直引起人們的關(guān)注。人臉檢測(cè)方法可分為基于知識(shí)的和基于統(tǒng)計(jì)的兩大類(lèi)4。1.1基于知識(shí)的方法利用人的先驗(yàn)知識(shí)建立若

8、干規(guī)則,將人臉檢測(cè)問(wèn)題轉(zhuǎn)化為基于面部特征不變量的假設(shè)/驗(yàn)證問(wèn)題。利用人臉的橢圓形輪廓特性,文獻(xiàn)5提取邊緣特征,并根據(jù)廣義Hough 變換提取橢圓形狀信息,進(jìn)行人臉檢測(cè)。文獻(xiàn)6提出了一種基于知識(shí)的快速人臉檢測(cè)方法,采用符合人臉生理結(jié)構(gòu)特征的人臉鑲嵌圖模型,建立較為完備的知識(shí)庫(kù),并采用多級(jí)檢測(cè)的步驟加快檢測(cè)速度。另外,文獻(xiàn)7在傳統(tǒng)的鑲嵌圖法基礎(chǔ)上,提出了一種新的廣義三分圖的人臉模型分塊方案,取得較好效果。眼睛是人臉上最獨(dú)特的一種器官,已成為許多檢測(cè)方法所利用的關(guān)鍵特征。此外,由于人的膚色在圖像中的聚類(lèi)特性及對(duì)方向的不敏感性,已在人臉檢測(cè)中得到了應(yīng)用8。基于知識(shí)的方法需要利用人臉的幾何和灰度等方面的

9、特征整理出各種檢測(cè)規(guī)則,建立規(guī)則庫(kù),這種規(guī)則庫(kù)還需要在實(shí)用中不斷修改和完善。1.2基于統(tǒng)計(jì)的方法將人臉圖像看作一個(gè)高維矢量,在高維空間中對(duì)分布信號(hào)進(jìn)行檢測(cè)。基于特征空間的方法將圖像變換至某一個(gè)特征空間,再根據(jù)圖像在此空間中規(guī)律區(qū)分人臉和非人臉。主分量分析先進(jìn)行K 2L 變換,得到特征值從大到小排序的特征臉9。這樣既有效降低了維數(shù),又保留了所需要的識(shí)別信息。基于模板匹配的方法通過(guò)與已建立的若干模板,進(jìn)行匹配比較檢測(cè)人臉的存在問(wèn)題。文獻(xiàn)10的基于多模板匹配的單人臉檢測(cè)效果較好。此外還有基于神經(jīng)網(wǎng)絡(luò)和基于支持向量機(jī)等方法?；诮y(tǒng)計(jì)的方法較適合對(duì)正面人臉圖像進(jìn)行檢測(cè),但圖像中人臉尺度及位姿發(fā)生變化,特

10、別是旋轉(zhuǎn)變化,會(huì)使檢測(cè)難度加大,準(zhǔn)確率相應(yīng)降低。2人臉的特征提取與識(shí)別人臉特征的提取與識(shí)別可看成是一個(gè)對(duì)3D 物體的2D 投影進(jìn)行匹配的問(wèn)題。人臉是個(gè)非剛性模型,在不同情況下可能存在形變(如表情、位姿等,從而造成模式的改變。此外,環(huán)境因素對(duì)人臉特征的提取與識(shí)別的效率影響很大。圖像中存在影響人臉檢測(cè)效果的多種干擾,所以在進(jìn)行人臉特征提取和識(shí)別之前,一般要對(duì)圖像進(jìn)行某種“標(biāo)準(zhǔn)化處理”,即預(yù)處理,以去除背景和人體其他部位(如頭發(fā)、上衣等可能造成的不良影響,進(jìn)行幾何歸一化和灰度歸一化處理,提高人臉檢測(cè)與識(shí)別的準(zhǔn)確率11。幾何歸一化根據(jù)檢測(cè)定位結(jié)果,將人臉變換至圖像同一位置及同樣大小;灰度歸一化對(duì)圖像進(jìn)

11、行光照補(bǔ)償?shù)忍幚怼９庹兆兓瘜?duì)人臉的正確識(shí)別有著重要的影響,FERET 12測(cè)試和FRV T 13測(cè)試都表明光照變化仍是人臉識(shí)別系統(tǒng)的瓶頸之一。減少光照變化影響的方法主要有14不變特征法、光照變化建951第2期王偉,等:人臉檢測(cè)與識(shí)別技術(shù)綜述模方法以及光照條件標(biāo)準(zhǔn)化。不變特征法對(duì)光照校正的作用有限,光照變化建模算法的復(fù)雜性較高,而光照條件標(biāo)準(zhǔn)化方法受主觀因素影響較大。因此,解決光照變化問(wèn)題的理想方法是這3類(lèi)方法的融合。人臉特征提取與識(shí)別的方法可分為基于局部特征的識(shí)別和基于整體特征的識(shí)別。2.1基于局部特征的方法基于局部特征的方法是從臉部器官的形狀及其相互位置關(guān)系為出發(fā)點(diǎn),提取與識(shí)別人臉特征。盡管

12、各個(gè)人的臉部器官在形狀、大小上存在一定的差異,但其相互位置關(guān)系及特征點(diǎn)形狀等特性方面均有一定的規(guī)律,這為人臉特征提取與識(shí)別提供了可能。局部模板匹配是一種較為常用的方法。文獻(xiàn)15采用可變形模板技術(shù),建立眼睛模型,根據(jù)能量函數(shù)調(diào)整模板參數(shù)達(dá)到最佳匹配,以實(shí)現(xiàn)人臉識(shí)別目標(biāo)。文獻(xiàn)16受人臉側(cè)面輪廓的啟發(fā),使用一種簡(jiǎn)單而有效的灰度投影方法進(jìn)行人臉特征提取與識(shí)別,并運(yùn)用于三維人臉識(shí)別。由于灰度投影法的特性,可將其與模板匹配方法結(jié)合,提高識(shí)別的效果。2.2基于整體特征的方法基于整體特征的方法從整體上對(duì)人臉進(jìn)行特征提取,進(jìn)而識(shí)別人臉。單個(gè)器官的某些變化不會(huì)對(duì)整個(gè)人臉識(shí)別造成多大影響。此類(lèi)方法較多,它是目前人臉

13、識(shí)別領(lǐng)域的一種主流方法。2.2.1基于特征臉?lè)椒ㄌ卣髂樂(lè)椒ㄊ菑闹鞣至糠治龇▽?dǎo)出的一種人臉識(shí)別方法。K2L變換是種常用的正交變換,將其用于人臉識(shí)別取得了較好的效果17。它根據(jù)一組人臉圖像構(gòu)造主分量子空間,由于主元具有人臉的形狀,也稱(chēng)特征臉。將測(cè)試圖像投影到主分量子空間上,得到了一組投影系數(shù),與各個(gè)已知的人臉圖像進(jìn)行比較識(shí)別,取得了較好的識(shí)別效果。特征臉?lè)椒ㄔ砗?jiǎn)單,易于實(shí)現(xiàn),實(shí)質(zhì)上是一種統(tǒng)計(jì)性的模板匹配方法。特征臉?lè)椒ò讶四樧鳛橐粋€(gè)整體來(lái)處理,大大降低了識(shí)別復(fù)雜度。但是,由于忽視了人臉的個(gè)性差異,該方法有一定的理論缺陷。研究表明,隨著光照條件、人臉角度及人臉相對(duì)尺寸的變化,識(shí)別率將急劇下降18。

14、實(shí)驗(yàn)證明,特征臉?lè)椒ǖ淖R(shí)別率隨訓(xùn)練圖像數(shù)目的增大而增大,當(dāng)然,計(jì)算復(fù)雜程度也相應(yīng)增加了。2.2.2基于彈性匹配的方法該方法采用網(wǎng)格作為模板,將圖像間的比較變?yōu)榫W(wǎng)格間的比較。文獻(xiàn)19使用一種基于動(dòng)態(tài)鏈接結(jié)構(gòu)的彈性匹配法來(lái)定位人臉,并根據(jù)人臉數(shù)據(jù)庫(kù)進(jìn)行匹配識(shí)別。將物體用稀疏圖形描述,其頂點(diǎn)用局部能量譜的多尺度描述來(lái)標(biāo)記,邊則表示拓?fù)溥B接關(guān)系,并用幾何距離標(biāo)記,再應(yīng)用彈性圖形匹配技術(shù)來(lái)尋找最近的已知圖形。彈性匹配方法整體識(shí)別性能優(yōu)于特征臉?lè)椒?但計(jì)算量大,識(shí)別速度慢。2.2.3基于神經(jīng)網(wǎng)絡(luò)的方法人工神經(jīng)網(wǎng)絡(luò)目前正越來(lái)越被頻繁地應(yīng)用于人臉識(shí)別,大部分的人臉識(shí)別神經(jīng)網(wǎng)絡(luò)都采用多層感知器和BP(Back

15、propagation學(xué)習(xí)算法20。實(shí)驗(yàn)表明該法具有較強(qiáng)的適應(yīng)能力和魯棒性,可以有效地運(yùn)用與多人臉、不同尺寸、不同姿態(tài)、不同膚色、不同光照條件和復(fù)雜背景的情況,是一種有效的人臉識(shí)別方法。而且通過(guò)適當(dāng)增加訓(xùn)練樣本的數(shù)量和類(lèi)型,可以進(jìn)一步提高識(shí)別性能。由于神經(jīng)網(wǎng)絡(luò)方法具有良好的學(xué)習(xí)特性,且不受模式形變的影響,所以使用神經(jīng)網(wǎng)絡(luò)的方法識(shí)別效果較好,其發(fā)展趨勢(shì)是使用混合神經(jīng)網(wǎng)絡(luò)或神經(jīng)網(wǎng)絡(luò)群來(lái)達(dá)到更好的識(shí)別效果。2.2.4基于不變性的方法利用人臉的某種穩(wěn)定的不變性特征也可進(jìn)行人臉識(shí)別。奇異值具有穩(wěn)定性、不變性(旋轉(zhuǎn)、平移、轉(zhuǎn)置不變性,可用于描述人臉。因此將人臉圖像看作一個(gè)數(shù)值矩陣,用奇異值分解提取奇異值,

16、構(gòu)成奇異值向量用于人臉識(shí)別21。用于圖像識(shí)別的不變矩理論也常用于人臉的識(shí)別22,同類(lèi)人臉圖像產(chǎn)生的不變矩特征相差不大,不同類(lèi)人臉圖像產(chǎn)生的不變矩特征相差較大。實(shí)際表明,不變矩適用于人臉識(shí)別,效果較好。2.2.5基于Fisherface的方法基于線性判別分析的Fisherface方法23是解決小樣本問(wèn)題的一種方法,其實(shí)質(zhì)是將人臉圖像表示成一個(gè)列向量,通過(guò)LDA變換提取其特征向量。一般先對(duì)人臉圖像運(yùn)用PCA方法進(jìn)行變換降維,再使用LDA方法,以避免LDA方法對(duì)高維人臉圖像空間計(jì)算的不穩(wěn)定性。061合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版第29卷3人臉檢測(cè)與識(shí)別技術(shù)近期發(fā)展3.1基于隱馬爾可夫模型的人臉檢測(cè)隱馬

17、爾可夫模型采用概率統(tǒng)計(jì)的方法描述時(shí)變信號(hào)。文獻(xiàn)24提出了基于離散馬爾可夫模型和奇異值特征的人臉檢測(cè)方法,其實(shí)質(zhì)是將奇異值特征轉(zhuǎn)化為向量序列,再利用HMM對(duì)其進(jìn)行識(shí)別,取得較好的效果。3.2貝葉斯人臉識(shí)別方法貝葉斯決策方法是統(tǒng)計(jì)模式識(shí)別中的一個(gè)基本方法25,26。將兩幅圖像灰度差=Ij-I k作為模式矢量,當(dāng)其中的人臉屬于同一個(gè)人時(shí),為類(lèi)內(nèi)模式I,屬于不同人時(shí)為類(lèi)間模式E。采用最大后驗(yàn)概率準(zhǔn)則能夠較好的解決此類(lèi)模式分類(lèi)問(wèn)題。不過(guò),人臉識(shí)別不同于一般的模式分類(lèi),不僅要判斷待檢測(cè)圖像X與數(shù)據(jù)庫(kù)中的圖像Y是屬于類(lèi)內(nèi)模式還是屬于類(lèi)間模式,還要判斷圖像X 與圖像Y是否屬于同一個(gè)人。如果判斷出X與數(shù)據(jù)庫(kù)中的

18、多個(gè)Y都屬于同一個(gè)人,則還需要進(jìn)一步判斷哪一對(duì)匹配最好。因此,該問(wèn)題具有較高的復(fù)雜性。3.3基于支持向量機(jī)的人臉檢測(cè)方法支持向量機(jī)方法是統(tǒng)計(jì)學(xué)理論中最年輕的部分之一,其主要理論在19921995年間才基本完成,目前仍在不斷發(fā)展之中,十分適合用于研究人臉識(shí)別兩類(lèi)模式的小樣本問(wèn)題27。支持向量機(jī)的基本思想9認(rèn)為,通過(guò)非線性變換將輸入空間變換到一個(gè)高維空間,在高維空間求取最優(yōu)線性分類(lèi)面,以解決那些線性不可分的分類(lèi)問(wèn)題。而這種非線性變換是通過(guò)定義適當(dāng)?shù)膬?nèi)積函數(shù)(即核函數(shù)來(lái)實(shí)現(xiàn)的。支持向量機(jī)的判別函數(shù)為f(x=sgn(6N i=1a i y i k(x,x i+bk(xi,x j稱(chēng)為核函數(shù),核函數(shù)的選取

19、應(yīng)使其為特征空間的一個(gè)點(diǎn)積,即存在函數(shù),使(xi(x j=k(x i,x j。SVM技術(shù)中核心函數(shù)及其參數(shù)的選取難度較大。3.4基于核學(xué)習(xí)方法的人臉檢測(cè)與識(shí)別在支持向量機(jī)不斷發(fā)展并得到廣泛應(yīng)用的同時(shí),人們對(duì)核函數(shù)本身不斷進(jìn)行研究,逐漸形成了一類(lèi)較完整的核學(xué)習(xí)方法。此類(lèi)方法的基本思想28是:對(duì)于原空間中線性不可分的數(shù)據(jù),首先經(jīng)過(guò)一個(gè)非線性映射:R dH,x(x,映射到一個(gè)高維的特征空間H(也稱(chēng)核空間,維數(shù)可以無(wú)窮大中,只要選擇滿足Mercer條件的核函數(shù)k,就可以在這個(gè)特征空間中隱含地進(jìn)行運(yùn)算,實(shí)現(xiàn)數(shù)據(jù)在高維空間中的線性分類(lèi)(或近似線性分類(lèi),其中核函數(shù)的設(shè)計(jì)至關(guān)重要。常用的核函數(shù)有多項(xiàng)式核函數(shù),

20、即k(xi,x j=(x i x j+1d,徑向基核函數(shù)k(xi,x j=exp(-x i-x j2和Sigmoid核函數(shù)k(x i,x j=tan hb(x i x j+c。主分量分析(PCA方法是一種線性技術(shù),它不能提取圖像像素的高階非線性關(guān)系。而核主分量分析方法可彌補(bǔ)PCA的不足,其實(shí)質(zhì)是在高維特征空間H中應(yīng)用PCA,效果明顯優(yōu)于PCA。核Fisher判決分析是將核學(xué)習(xí)方法與FDA 算法結(jié)合的產(chǎn)物,即在高維特征空間H中進(jìn)行線性Fisher判決分析,識(shí)別結(jié)果28好于FDA算法。3.5三維人臉識(shí)別當(dāng)前,國(guó)內(nèi)外很多研究者都致力于研究具有不變性的人臉識(shí)別系統(tǒng),其中重要的方法是利用人臉的三維特征進(jìn)

21、行識(shí)別29,30。這種方法能較好地解決二維人臉識(shí)別存在的問(wèn)題(如受表情、光照和人臉位姿等影響較大,發(fā)展空間較大。三維人臉識(shí)別中器官區(qū)域的標(biāo)定大都采用基于高斯曲率的方法進(jìn)行,一般利用三維深度圖像,根據(jù)人臉不同器官區(qū)域的曲率不同,通過(guò)高斯曲率分析人臉的凹凸區(qū)域,對(duì)面貌曲面進(jìn)行分割,得到眼、鼻等器官,再進(jìn)行識(shí)別31。此類(lèi)方法比較容易實(shí)現(xiàn)器官的粗定位,但精確特征的提取仍是個(gè)難題。另外,也可從已有的二維照片中提取三維信息,利用直觀的人臉三維幾何特征,確定特征點(diǎn)后直接進(jìn)行分割識(shí)別32。但此方法對(duì)人臉照片的拍攝角度要求較高,對(duì)于正、側(cè)面照片實(shí)現(xiàn)較為容易,而其他姿態(tài)的人臉照片確定人臉繞x、y、z軸旋轉(zhuǎn)角度較為

22、復(fù)雜,識(shí)別準(zhǔn)確性不夠穩(wěn)定。目前還有一種重要方法是首先建立三維人臉模型,再利用模板匹配的方法進(jìn)行識(shí)別。文獻(xiàn)33首先建立三維人臉網(wǎng)格模型,再利用PCA方法降維,形成三維特征臉,再進(jìn)行分類(lèi)識(shí)別。文獻(xiàn)34通過(guò)建立三維可變形模板提取眼睛的精確特征,此方法建模效果直接影響到識(shí)別準(zhǔn)確性,建模越復(fù)雜,識(shí)別正確性越高,但計(jì)算復(fù)雜性就越大。161第2期王偉,等:人臉檢測(cè)與識(shí)別技術(shù)綜述三維人臉建模非常復(fù)雜,特別是人臉三維數(shù)據(jù)的獲取存在困難,但只要將三維信息加入到現(xiàn)有人臉識(shí)別算法中,識(shí)別效果就會(huì)大大提高。4國(guó)內(nèi)研究概況國(guó)內(nèi)人臉檢測(cè)與識(shí)別的研究自20世紀(jì)80年代起步后,大都集中在基于幾何特征、代數(shù)特征、神經(jīng)網(wǎng)絡(luò)和模板匹

23、配的檢測(cè)和識(shí)別這幾個(gè)方面,特別是有關(guān)神經(jīng)網(wǎng)絡(luò)的研究比重較大。在此基礎(chǔ)上,基于多分類(lèi)器的人臉檢測(cè)與識(shí)別受到的關(guān)注較大,這方面的研究成果較多。特別是近幾年引入三維特征后,利用三維與二維信息的融合進(jìn)行人臉檢測(cè)與識(shí)別成為另一個(gè)亮點(diǎn)。中國(guó)科學(xué)院計(jì)算所的“面像檢測(cè)與識(shí)別核心技術(shù)”這一國(guó)家863項(xiàng)目取得重大突破,達(dá)到了國(guó)際先進(jìn)水平,標(biāo)志著我國(guó)在人臉識(shí)別這一當(dāng)今熱點(diǎn)科研領(lǐng)域掌握了一定的核心技術(shù),并已應(yīng)用到會(huì)議代表入場(chǎng)的身份認(rèn)證上。雖然人臉檢測(cè)與識(shí)別受到了國(guó)內(nèi)學(xué)術(shù)界的較大關(guān)注,并在20世紀(jì)末、21世紀(jì)初取得了較大的發(fā)展,但總體上,目前仍處于起步階段,研究大都基于幾何特征或代數(shù)特征,與國(guó)際水平仍存在較大差距。但隨

24、著J DL大規(guī)模人臉圖像數(shù)據(jù)庫(kù)2的建立以及各種生物識(shí)別會(huì)議的召開(kāi),我國(guó)生物識(shí)別研究隊(duì)伍正不斷擴(kuò)大,水平在不斷提高,與國(guó)外差距也在不斷縮小。5結(jié)束語(yǔ)人臉檢測(cè)中基于統(tǒng)計(jì)的方法有一定優(yōu)勢(shì),目前發(fā)展也較快。但由于人臉圖像的復(fù)雜度,基于統(tǒng)計(jì)的方法需要大量的人臉樣本和非人臉樣本進(jìn)行訓(xùn)練,而非人臉樣本的收集非常困難?；谥R(shí)的方法簡(jiǎn)單、直觀,檢測(cè)效果依賴于特征提取和預(yù)先定義的規(guī)則,對(duì)質(zhì)量較好的圖像有較好的檢測(cè)效果,對(duì)復(fù)雜的圖像檢測(cè)效果一般不夠好。對(duì)于這兩類(lèi)方法的不足,解決途徑是結(jié)合知識(shí)與統(tǒng)計(jì)的方法,同時(shí)利用交叉學(xué)科的相關(guān)技術(shù)。基于非剛性模型的人臉特征提取與識(shí)別的方法(如彈性匹配更符合實(shí)際,能取得較好效果。未

25、來(lái)的發(fā)展方向是多種識(shí)別方法的綜合運(yùn)用及多分類(lèi)器的融合,人臉整體與局部(包括人臉細(xì)節(jié)匹配方法相結(jié)合,低層特征與高層知識(shí)的融合。三維人臉識(shí)別處于發(fā)展期,由于三維人臉模型的復(fù)雜性和趣味性,引起了很多學(xué)者的關(guān)注,并投入了大量的精力,但仍有很多問(wèn)題需要探索和研究。隨著三維信息獲取裝置的改進(jìn),三維人臉識(shí)別將成為研究的熱點(diǎn)。參考文獻(xiàn)1Galton S F.Personal identification and description-IJ.Nature,1888,21:173-177.2周德龍,張曉華,劉博,等.J DL大規(guī)模人臉圖像數(shù)據(jù)庫(kù)介紹A.生物識(shí)別研究新進(jìn)展(2C.北京:清華大學(xué)出版社,2003.1

26、18-120.3章毓晉.中國(guó)圖像工程及當(dāng)前的幾個(gè)研究熱點(diǎn)J.計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào),2002,14(6:489-500.4周杰,盧春雨,張長(zhǎng)水,等.人臉自動(dòng)識(shí)別方法綜述J.電子學(xué)報(bào),2000,28(4:102-106.5Wang J G,Tam T N.A new face detection met hod basedon shape informationJ.Pattern Recognition Letters, 2000,21(6/7:463-471.6姜軍,張桂林.一種基于知識(shí)的快速人臉檢測(cè)方法J.中國(guó)圖像圖形學(xué)報(bào)(A版,2002,7(1:6-10.7盧春水,張長(zhǎng)水,聞芳,等.基

27、于區(qū)域特征的快速人臉檢測(cè)法J.清華大學(xué)學(xué)報(bào)(自然科學(xué)版,1999,39(1: 101-105.8Hsu R L,Mottaleb M A,J ain A K.Face detection in colorimagesJ.IEEE Trans Pattern Analysis and Machine In2 telligence,2002,24(5:696-706.9邊肇祺,張學(xué)工.模式識(shí)別(第2版M.北京:清華大學(xué)出版社,2000.1-50.10梁路宏,艾海舟,何克忠.基于多模板匹配的單人臉檢測(cè)J.中國(guó)圖像圖形學(xué)報(bào),1999,4(10:825-830.11趙慧琳,王林泉,葛元.人臉圖像定位與標(biāo)

28、準(zhǔn)化算法J.計(jì)算機(jī)工程,2003,29(22:158-160.12Phillips P J,Moon H,Syed A,et al.The FERET evalua2tion met hodology for face2recognition algorit hmsJ.IEEETPAMI,2000,22(10:1090-1104.13Phillips P J,Grot her P,Micheals R J,et al.FRV T2002:evaluation reportR/OL./DL s/FRV T_2002_Evaluation_Report.pdf,

29、2003-03.14Sim T,Kanade T.Combing models and exemplar for facerecognition:an illuminating exampleA.Proc of CVPR2001Workshop on Models versus Exemplars in ComputerVisionC.December,2001.15Yuwen W,Hong L,Hongbin Z.A new met hod of detec2ting human eyelids based on deformable templatesA.2004IEEE Internat

30、ional Conference on Systems,Man and261合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版第29卷 2期 第 Cybernetics C . 2004. 604 - 609. 王 ,等 : 人臉檢測(cè)與識(shí)別技術(shù)綜述 偉 163 sis wit h application to adaptive Bayesian face recognition J . Pattern Recognition ,2005 ,38 (4 : 617 - 621. 26 Shuicheng Y , Xiaofei H , Yuxiao H , et al . Bayesian shape localiz

31、ation for face recognition using global and local tex2 t uresJ . IEEE Trans on Circuit s and Systems for Video Technology , 2004 ,14 (1 :102 - 113. tection using SVM A . Proc of t he 2004 Intelligent Sen2 2005 ,38 (6 :787 - 798. 16 Li T , Asari V. A novel technique for t he ext raction of dept h inf

32、ormation by gradient analysis on grayscale images A . Proc of 33rd Applied Imagery Pattern Recognition Workshop C . 2004. 223 - 228. 17 2Bo Z , Chang2Shui Z. Lower bounds estimation to KL Bai Cybernetics C . 2002. 1 314 - 1 318. 426 - 430. and Gest ure Recognition C . 2004. 183 - 188. al Conference

33、on Machine Learning and Cybernetics C . 2004. 3 666 - 3 669. Recognition ,2003 ,36 (3 :649 - 655. ke Mo ment Invariant A . Proc of F GR 2002 C . 2002. 330 - 335. 23 張燕昆 ,劉重慶 . 基于 DC T 與 LDA 的人臉識(shí)別方法 A . 2002. 55 - 59. 681 - 688. t ransform in face rep resentation and recognition A . Proc of 2002 Inte

34、rnational Conference on Machine Learning and 18 蘇宏濤 ,張艷寧 , 王 , 等 . 光照變化條件下的人臉識(shí)別 晶 研究 J . 西北工業(yè)大學(xué)學(xué)報(bào) ( 自然科學(xué)版 ,2004 ,22 ( 4 : 19 Takat sugu H , Yo shio I , Masahiko Y. Parallelization be2 t ween face localization and person identification A . Proc of Sixt h IEEE International Conference on Automatic Fac

35、e 20 Ping W , Wei2Qing X , Xiao2Quan W. A design and com2 21 Yuan T , Tieniu T , Yunhong W. Do singular values con2 tains adequate information for face recognitionJ . Pattern 22 avad H , Majid A , Karim F. An efficient met hod for rec2 J 24 李士進(jìn) ,楊靜宇 ,陸建峰 . 基于奇異值特征和隱馬爾可夫模 25 Liwei W , Xiao W , J uf u F. Int rapersonal subspace analy2 ognition of human faces using higher orders Pseudo Zerni2 plement for face recognition A . Proc of 2004 Internation2 生物識(shí)別研究新進(jìn)展 ( 1 C . 北京 : 清華 大學(xué) 出 版社 , 型的人 臉 檢 測(cè) J . 中 國(guó) 圖 像 圖 形 學(xué) 報(bào) , 2001 , 6 ( 7 : 2004 年安徽省高校學(xué)報(bào)總被引頻次和