人臉識(shí)別原理

人臉識(shí)別技術(shù)自上世紀(jì)60年代迄今，已取得了長足的發(fā)展，涌現(xiàn)出了大量的識(shí)別算法。這些算法的涉及到了眾多學(xué)科，難以用一個(gè)統(tǒng)一的標(biāo)準(zhǔn)對(duì)這些算法進(jìn)行分類。下面介紹兩類人臉識(shí)別算法。

1、臉部特征識(shí)別算法

       特征臉方法利用主分量分析進(jìn)行降維和提取特征。主分量分析是一種應(yīng)用十分廣泛的數(shù)據(jù)降維技術(shù)，該方法選擇與原數(shù)據(jù)協(xié)方差矩陣前幾個(gè)最大特征值對(duì)應(yīng)的特征向量構(gòu)成一組基，以達(dá)到最佳表征原數(shù)據(jù)的目的。因?yàn)橛芍鞣至糠治鎏崛〉奶卣飨蛄糠祷爻蓤D像時(shí)，看上去仍像人臉，所以這些特征向量被稱為“特征臉”。

       在人臉識(shí)別中，由一組特征臉基圖象張成一個(gè)特征臉子空間，任何一幅人臉圖象（減去平均人臉后）都可投影到該子空間，得到一個(gè)權(quán)值向量。計(jì)算此向量和訓(xùn)練集中每個(gè)人的權(quán)值向量之間的歐式距離，取最小距離所對(duì)應(yīng)的人臉圖像的身份作為測(cè)試人臉圖像的身份。

       下圖給出了主分量分析的應(yīng)用例子。圖中最左邊的為平均臉，其他地為對(duì)應(yīng) 7 個(gè)最大特征值的特征向量。

        主分量分析是一種無監(jiān)督學(xué)習(xí)方法，主分量是指向數(shù)據(jù)能量分布最大的軸線方向，因此可以從最小均方誤差意義下對(duì)數(shù)據(jù)進(jìn)行最優(yōu)的表達(dá)。但是就分類任務(wù)而言，由主分量分析得到的特征卻不能保證可以將各個(gè)類別最好地區(qū)分開來。

        線性鑒別分析是一種著名的模式識(shí)別方法，通過將樣本線性變換到一個(gè)新的空間，使樣本的類內(nèi)散布程度達(dá)到最小，同時(shí)類間散布程度達(dá)到最大，即著名的 Fisher 準(zhǔn)則。

2、彈性圖匹配

        Lades 等人針對(duì)畸變不變性的物體識(shí)別問題提出了一種基于動(dòng)態(tài)連接結(jié)構(gòu)的彈性圖匹配方法，并將其應(yīng)用于人臉識(shí)別。所有人臉圖像都有相似的拓?fù)浣Y(jié)構(gòu)。人臉都可表示成圖，圖中的節(jié)點(diǎn)是一些基準(zhǔn)點(diǎn)（如眼睛，鼻尖等），圖中的邊是這些基準(zhǔn)點(diǎn)之間的連線。

       每個(gè)節(jié)點(diǎn)包含 40 個(gè) Gabor 小波（一種數(shù)字信號(hào)變換方法）系數(shù)，包括相位和幅度，這些系數(shù)合起來稱為一個(gè) Jet ，這些小波系數(shù)是原始圖像和一組具有 5 個(gè)頻率、 8 個(gè)方向的 Gabor 小波卷積（一種數(shù)字信號(hào)處理算子）得到的。這樣每幅圖就像被貼了標(biāo)簽一樣，其中的點(diǎn)被 Jets 標(biāo)定，邊被點(diǎn)之間的距離標(biāo)定。所以一張人臉的幾何形狀就被編碼為圖中的邊，而灰度值的分布被編碼為圖中的節(jié)點(diǎn)。如下圖所示：

彈性圖匹配方法中人臉的彈性束圖表示

        為了識(shí)別一張新的人臉，需要從該人臉中找到基準(zhǔn)點(diǎn)，提取出一個(gè)人臉圖，這可用彈性圖匹配得到。彈性圖匹配的目的是在新的人臉中找到基準(zhǔn)點(diǎn)，并且提取出一幅圖，這幅圖和現(xiàn)有的人臉束圖之間的相似度最大。經(jīng)過彈性圖匹配后，新的人臉的圖就被提取出來了，此圖就表征了新的人臉，用它作為特征進(jìn)行識(shí)別。進(jìn)行識(shí)別時(shí)，計(jì)算測(cè)試人臉和現(xiàn)有人臉束圖中的所有人臉之間的相似度，相似度最大的人臉的身份即為測(cè)試人臉的身份。

 由于該方法利用 Gabor 小波變換來描述面部特征點(diǎn)的局部信息，因此受光照影響較小。此外，在彈性匹配的過程中，網(wǎng)格的形狀隨著特征點(diǎn)的搜索而不斷變化，因此對(duì)姿態(tài)的變化也具有一定的自適應(yīng)性。該方法的主要缺點(diǎn)是搜索過程中代價(jià)函數(shù)優(yōu)化的計(jì)算量巨大，因而造成識(shí)別速度較慢，導(dǎo)致該方法的實(shí)用性不強(qiáng)。

[聯(lián)系我們] 常錦鵬 13423996558