别算法
模板匹配
[5 ,8]方法的思想是
:库中存储着已知人脸的若干模 板
,这些模板即可以是整张人脸的灰度图像 (view
based) ,也可
以是各生理特征区域的灰度图像 ( sub view
based) ,如眼睛模
板、鼻子模板、嘴模板
,还可以选择经过某种变换的人脸图像作
Techniques of Automation & Applications |
. 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net
《自动化技术与应用》 2004年第 23卷第
12期综 述
Survey
为模板存储。为了取得光照的不变性 ,有些系统采用经过梯度
滤波后的人脸图像作为模板。识别的时候 ,经过同样变换的输
入图像的所有像素点位置与库中所有模板采用归一化相关度量 进行匹配识别
,来达到分类的目的
,完成人脸的识别。上述为静
态模板匹配
,但是它存在着对不同表情的人脸鲁棒性差的缺点 ,
针对这一情况
,人们提出了弹性模板匹配。
弹性模板匹配是根据待检测人脸特征的先验的形状信息 (通常利用小波特征
),定义一个参数描述的形状模型 ,该模型的
参数反映了对应特征形状的可变部分
,如位置、大小、角度等 ,它
们最终通过模型与图像的边缘、峰、谷和灰度分布特性的动态地 交互适应来得以修正。由于模板变形利用了特征区域的全局信 息
,因此可以较好地检测出相应的特征形状。由于可变形模板 要采用优化算法在参数空间内进行能量函数极小化 ,因此算法
的主要缺点在于两点
:一、对参数初值的依赖程度高 ,很容易陷 入局部最小
;二、计算时间长。针对这两方面的问题 ,可采用了
一种由粗到细的检测算法
:首先利用人脸器官构造的先验知识、
面部图像灰度分布的峰谷和频率特性粗略检测出眼睛、鼻子、
嘴、下巴的大致区域和一些关键的特征点 ;然后在此基础上
,给备等都会给人脸检测与识别系统带来很大的影响 ,另外需要建
出了较好的模板的初始参数
,从而可以大幅提高算法的速度和立用于测试的标准数据库等等。 精度。
人脸是塑性变形体 ,与刚体不同
,更适合用弹性模型来描
弹性模板匹配的方法对比特征脸方法有一定的优势 ,它一述。因此
,任何基于刚体特性的特征抽取方法都很难达到满意
般采用小波变换特征来描述人脸的局部信息 ,并和人眼视网膜
对图像的响应相似
,而且一定程度上容忍光线等的干扰
,对细微
的表情不敏感。而且弹性匹配中的人脸模型还考虑了局部人脸 细节
,并保留了人脸的空间分布信息
,它的可变形匹配方式一定
程度上能容忍人脸从三维到二维投影引起的变形。目前国内利 用弹性模板匹配进行识别的还比较少 ,但是从国外众多的关于 弹性匹配的研究结果来看
,它在人脸识别技术中有很重要的地 位。
3. 4 基于人工神经网络的人脸识别算法 作为一种非线性动力学系统 ,神经网络在解决问题的自适
应性和鲁棒性方面表现出极好的特性。很早人们就证明了利用 神经网络进行联想记忆的可行性。 J.L. Perry和
J . M. Carney[19 ]
利用多层感知机设计了一个人脸识别系统。中国科技大学的杨 奕若等采用两种不同功能的神经网络组成模型的人脸识别系 统
,识别系统由压缩网络和识别网络组成 ,输入人脸图像经压缩 网络压缩 (降维
),其隐含层输出再输入识别网络进行识别 ,所实
现的识别系统对未学习的样本识别率达到了 76 %[20]。
通常利用神经网络进行识别需要考虑两方面的因素 : (1)选
择人脸图像的哪些参数作为神经网络的输入 ; (2)选择何种神经 网络。
神经网络的输入策略有两种
:
第一类是将提取到的特征向量作为输入向量。这些特征向
量可以是由几何特征提取的特征向量 ,也可以是全局特征提取
如
KL、KL -FSAT、WT等变换后得到的特征向量。
第二类是将人脸图像像素直接输入神经网络。输入可以是 全局人脸图像
,也可以是经过定位的局部人脸组分图像。
第一种输入策略可以有效的控制神经网络的规模 ,提高神
经网络的运行速度
,但同时对提取特征的要求较高
,提取什么特
征以及提取多少特征才能满足识别的要求很难先验得出。而第 二种输入策略对于特征提取的要求降低 ,并可以根据样本集自 身的群体特性 (方差特征
)来进行特征选择
,但同时带来的问题
是网络的规模扩大而造成收敛的缓慢及不稳定
,计算量太大。
所以将全局的特征提取与人工神经网络结合起来可能会在人脸 识别方面得到比较好的效果。
4 总结与展望
近二十年来
,研究者在人脸检测与识别技术方面取得了许 多成绩
,但是要设计并实现一个健壮的人脸检测识别系统 ,还有
许多问题待于解决
:年龄变化、表情变化、光照变化、不同采集设
的效果。另外
,人脸识别是人类视觉的独特过程
,因此人脸识别
必须结合生理学和心理学的研究成果。最后
,人脸识别的复杂
性使得仅仅单独使用任何一种现有的方法都不可能取得很好的 识别效果。将各种方法有效综合是以后研究的必然趋势 ,如何
与基于其它生物特征的鉴别系统结合以提高识别效率也是一个 有意义的研究方向。
相信随着计算机技术和生物识别技术的发展 ,以及人脸的
检测与识别技术的不断完善 ,在不远的将来
,一套准确而高效的
人脸检测与识别系统就会呈现在我们的面前。
5 参考文献 :
[1] YANG G. , HUANG T -S. Human face detection in complex back2 ground[J]. PatternRecognition1994,27 (1):53-63 [2] 乔宇 ,黄席越 ,柴毅
,基于加权主元分析的人脸识别 [J ].重庆
大学学报 :自然科学版
,2004 ,27 (3) :28 -31