当前位置:文档之家› 红外人脸识别技术概述

红外人脸识别技术概述

红外人脸识别技术概述
红外人脸识别技术概述

题目热红外成像人脸识别技术概述

学院数学与计算机学院

专业计算机软件与理论

年级 2010级

学生学号 12010130417

学生姓名张亮

指导教师刘立波

2010年10 月20 日

热红外成像人脸识别技术概述

张亮

宁夏大学数学计算机学院银川

摘要:研发一个稳定可靠的人脸识别系统至今还是计算机视觉中的一个难题。用红外图像来进行人脸识别是近几年才发展的一个新领域。本文对红外人脸识别技术,特别是特征提取的研究,进行了综述,并对未来红外人脸识别的方向进行了展望。

关键词:人脸识别红外图像特征提取

Thermal infrared imaging technology overview for face recognition

Zhanliang

(School of Mathematics and Computer ,Ningxia University , Yinchuan)

Abstract : Developing a reliable face recognition system has been a challenge problem.Infrared appears to be a good ahernative imagery as it is independent of external illumination.In this paper we present a survey on Infrared human face recognition,especially on feature extraction.Several major issues for further research are also addressed in this paper.Keywords : Face recognition,infrared images,feature extraction

目录

1.引言 (1)

2.红外人脸图像的特性 (1)

2.1.红外人脸图像的光照不变特性[1-2] (1)

2.2.红外人脸图像的其它特性[3] (2)

3.红外图像人脸识别的特点 (2)

3.1.红外图像人脸识别的优势 (2)

3.2.红外图像人脸识别的难点 (3)

4.红外人脸特征提取与识别方法 (3)

4.1.等温线匹配方法 (3)

4.2.基于生理学结构的方法 (4)

4.3.基于传统统计识别的方法 (5)

4.4.其他特征提取/识别方法 (6)

4.5.基于血流图方法 (6)

5.方法分析及发展方向 (7)

6.结束语 (9)

参考文献 (9)

1.引言

随着社会的发展,人们越来越迫切要求快速而准确的身份验证和识别系统。而生物特征所具有的人类内在的特征和差异,使得基于生物的识别方法具有很强的鲁棒性和重复性,成为身份验证的主要手段。人脸识别技术,由于具有直观性、被动性和非侵犯性,是当今生物识别技术中最为活跃的一个领域。近十多年来,来自数学,计算机,心理学,乃至认知科学方面的研究人员都在努力探索能使计算机自动识别人脸的理论和算法,并产生了一批人脸识别系统。这一工作主要基于可见光照相机。其道理不言而喻:大量照片都由这类相机产生,且这种相机便宜、可靠、分辨率高。但是,到目前为止,还没有一个系统可以稳定可靠地应用于实际中。这种系统的性能受到光照、阴影、化妆等一系列外部因素的影响,而另一方面,脸是3维的弹性物体,它随姿态、表情、发型等变化而变化,而所有这些变化都难以建模、描述和分析于研究人员还无法回答“人脸识别基于什么”,“在变化的人脸中什么是独特的、不变的”等根本问题。至今,人脸识别仍是计算机视觉,模式识别领域最具挑战性的问题。

2.红外人脸图像的特性

2.1.红外人脸图像的光照不变特性[1-2]

环境光照的变化对可见光人脸成像及其人脸识别性能有很大的影响,为减小或消除这种影响,在可见光人脸识别方法中各种补偿措施得到研究和采用。而人脸热红外图像基本上不受周围环境光照的影响,不需采取补偿措施。多年来的研究工作已表明:环境光照的变化对红外图像的获取以及图像的质量影响很小,红外图像人脸识别推动人脸识别的发展以及提高人脸识别性能的最大优势就是其对变化光照环境具有不变的特点。

2.2.红外人脸图像的其它特性[3]

已有的实验都证明,采集的待检测识别人脸图像与训练图库中的图像存在的时间误差,将影响红外与可见光人脸识别的性能,且其对红外图像的人脸识别性能的影响比对可见光图像人脸识别性能的影响要大得多。另外,采集的红外人脸图像是人刚从寒冷的室外进入温度较高的室内,以及诸如人体温度的急剧变化、人脸表情的变化、人脸的姿态、人是否化妆和人是否戴眼镜等等,这些因素对红外人脸图像的成像都可产生一定的影响,从而也影响红外图像人脸识别的性能。在这些因素中,人是否戴眼镜对红外人脸图像的影响较大,从而明显影响其人脸识别的性能,而人脸姿态和人是否化妆对红外人脸图像的影响相对可见光人脸图像而言要小许多,所以对红外图像人脸识别性能的影响也相应要小。总之,红外人脸图像具有许多不同于可见光人脸图像的特性。

3.红外图像人脸识别的特点

由于红外与可见光成像的不同机理以及红外人脸图像所具有的特性,使得红外图像人脸识别与可见光人脸识别相比较具有其本身的一些特点。

3.1.红外图像人脸识别的优势

通过对红外人脸图像特性的研究、分析以及相关的实验总结,并与可见光图像人脸识别进行比较,笔者对采用红外图像进行人脸识别的一些优势和特点进行了探讨,并结合实际应用总结出了一些有意义结论,以对研究和设计高性能的红外人脸识别系统提供帮助,具体结论如下:

◆红外图像人脸识别抗干扰性强,不受人脸变化和位置的影响;

◆红外图像人脸识别是与光强独立的,其识别性能受环境光照变化的影响

很小;

◆红外图像人脸识别不受伪装的干扰,防欺骗性强,即使经过化妆或整容,

也不能改变人脸面部的血管分布,从而不会改变人脸的热辐射模式。

3.2.红外图像人脸识别的难点

红外图像人脸识别中的难点主要表现在:一方面,红外图像人脸识别有其本身的不足,如相对可见光人脸图像而言,红外人脸图像反映的是人脸的温度分布,红外人脸图像中人脸器官的边缘轮廓和细节特征较模糊;红外线对玻璃的透射性较差,因而对戴眼镜的人脸不好识别;某些生理变化(如酒精反应)和外部环境变化(如环境温度的改变),会对人脸的热辐射产生影响,从而影响红外人脸识别性能;红外人脸图像的采集时间误差对红外人脸识别有较大的影响等等。怎么克服这些因素的影响,从而提高红外图像人脸识别的性能是目前研究的难点。另一方面,相对可见光图像人脸识别而言,当前由于相关技术条件的限制,以及对红外图像人脸识别的研究还不多,也不够深入,怎样通过对红外人脸图像特性的深入研究而设计出合理、高效和适用各种不同实际应用情况的红外图像人脸识别方法,也是我们面临的一个难题。

4.红外人脸特征提取与识别方法

作为识别的基础和关键的一步,就是要提取出被识别对象的固有特征。如果能提取出每个人脸的独特特征,识别就可以很简单(如特征匹配的方法),否则就很困难,识别的重点只能放在分类器设计上。人脸识别之所以难,就在于人脸是个时变对象。直到今天,研究人员还无法回答“在变化的人脸中什么是独特的、不变的或至少是稳定的”等根本问题。综合现有文献,研究人员根据红外人脸图像的特点,结合人体生理学、生物传热学、模式识别等知识,提出了如下特征提取和识别方法。

4.1.等温线匹配方法

可见光人脸图像和红外人脸图像中都存在等高线(灰度值相等的点组成的线),在可见光中,等高线反映的是人脸的光照信息和一些人脸表面的结构信息,这些等高线受光线影响特别大,一般不具备很好的识别信息,所以不能用于人脸识别。而这些等高线在红外人脸图像中反映的是人脸皮肤下面的血管分布信息

[4-6]。使用噪声等效温差(NETD)小于或等于0.7℃的红外照相机所拍摄的人脸照片,每张脸一般含有100个或者更多的封闭的等温线[4-6],这些等温线的形状对于每个人来说都是独一无二的,即使是相似的双胞胎也是不同的,因为这些等温线是由脸皮下面复杂的血管和动脉网络产生的[4]。用等温线作为特征来识别通常有两类方法。

(1)等温线形状实时匹配主要有3种方法用于提取等温线特征[4-6]:用包含该特征的区域的标准模板进行提取;用几何分析的方法来分析等温线形状,分析的结果和脸部图像的质心即为所求的特征;用数学上的分形方法来表示等温线。Prokoski使用等温线实时匹配的方法,用于门禁系统识别(需要配合),准确率可以达到96%。

(2)等温线形状的置后匹配一是采用形状匹配,分析面部温度图像数据库中所有的形状,使用特征形状来比较形状的特征:周长,面积,质心在髫和Y轴的位置,面积/周长等等。每个人的图像用11个系数多项式来刻画,在特征空间中任何两个图像的差异都要计算,从而确定适当的阈值来得出匹配或不匹配的结果。这种方法对非合作的识别有很高的准确率,但是计算很复杂,需要较长的时间。应用于实时识别系统时还要依赖于硬件性能的提高。二是采用度量匹配,即抽取出人脸的几何特征点进行距离匹配。在清楚的可见光人脸图像中大概只有十个特征点(如外眼角、内眼角、耳朵同头部相连的最上面和最下面两个点、鼻孔的中心等)可以比较稳定地提取出来。而红外人脸图像除了眼睛、鼻子、嘴巴等脸部特征外,还可以从血管分布中(比如分叉点)提取信息,这是可见光所没有的。然而,不管是对可见光图像还是红外图像,特征点的提取受到图像分割精度的影响,特别是人脸姿态和尺度对距离度量的影响。所以脸部度量不是一个很鲁棒的识别方法旧[7]。

4.2.基于生理学结构的方法

这种方法的思想就是运用图像分割方法从红外人脸图中找出脸部血管的细节(minutiae)[8]或称为血管网络(vascular network)[9]。文献[6]、[8]由此提出两种方法:

(1)对称波形对称波形的提出基于一个假设,即每个人的不对称性都是唯一的,对称波形正是把这个不对称的唯一性用于识别。该方法首先对红外人脸图像

进行大小和灰度值归一化。为了减少人的头部旋转的影响,对称波形方法只分析两个外眼角之间的部分,所以只有当红外人脸图像中两只眼睛都能看到的时候,对称波形方法才能使用。有几种方法可以用来分析对称波形,其中有代表性的有:方法一:找出两外眼角之间的小块矩形区域,对该区域的每一行,找出一点,使得该点左右两边像素的灰度值之和的差最小。找出每一行的灰度值的中点,从上到下连接,所得到的折线就是要找的对称波形。方法二:分析等温线同水平线的交点,找到两个交点的中点。方法三:把图像进行二值化,然后找到每一行的中点;方法四:找到细节对称的点。对称波形方法可以用来判断人的头部的旋转、倾斜,从而可以得到人的正脸。对于小型的数据库,这几种方法都可以找出唯一的对称波形,但是对于大的数据库,这个方法就不大适用,但可以考虑用于分类。

(2)面部编码如果能从每个人脸中提取唯一的面部编码,就可以直接识别而不需要同数据库中每个人脸进行匹配比较。在观察每个人的对称波形差异度的基础上,可以考虑采用编码方法,该方法从对称波形中提取1维的条形码。从对称波形到条形码的转换看似很容易,其实不然,转换过程需要复杂的计算。在l维条形码之后也可以尝试2维的条形码,其方法是先建立一个数据库,该数据库中,人脸被分割成很多小单元,对每个小单元进行编码。当对一张人脸图像进行识别的时候,先对该人脸进行分割,对分割的每一块都同数据库中的内容进行比较,找出最匹配的一块,然后用数据库中该块的编码赋给它,这样就组成了2维的条形码[8]。这种方法看起来很有前途,但需要一个含有大量人脸图像的优化数据库。文献[10]与Prokoski的上述思想是一致的,只是图像分割的手段(采用数学形态学)、对所提取特

征的处理(分为局部特征和全局特征)及特征匹配的策略不同而已。

4.3.基于传统统计识别的方法

由于人脸图像的可变性,因而统计识别方法不仅在可见光也在红外人脸识别中得到广泛应用[11-21]。该方法将人脸图像作为随机向量,用统计的方法来抽取人脸的全局或局部特征。常用的方法有主成分分析(PCA)法、线性辨别分析(LDA)法、独立主元分析(ICA)法、局部特征分析(LFA)法等。

4.4.其他特征提取/识别方法

文献[7]提出用神经网络对红外人脸图像进行识别。为提高识别性能,红外图像进行了均衡化处理,归一化的图像的温度分布信息(灰度直方图)、局部平均温度信息以及人脸形状信息分别作为神经网络的输人参数进行分类,然后把分类结果进行融合。实验结果表明,当环境温度变化不大时,基于正面图像的识别率可达到97%以上。但是,由于该方法的灰度值进行了均衡化处理,改变了灰度直方图的最初形状,带来了一些失真;当人脸的姿态变化较大,或环境温度变化较大时,效果会大大下降。文献[22]提出了一种统计假设约减的方法,其思想是采用低水平模型和高水平模型相结合的方法。首先用低水平模型得到一组原始红外图像的相似度高的候选部分,然后再运用高水平模型对这些候选部分进一步测试,并得到最终识别结果。低水平模型运算速度快但结果不是非常好,而高水平模型准确性高但运算代价高,所以两者结合可以达到速度与识别准确性的平衡。文献[23]根据小波理论,将1幅图进行适当级数的小波包分解,得到1棵小波包分解树,选取其中识别率最高的若干个节点进行傅里叶变换,得到每个节点的特征矩阵,并以此来表示图的特征。文献[24]结合小波理论和离散余弦变换(DCT),先对人脸图像进行两级小波分解,再对低频子带进行分块并对每个子块进行DCT变换,提取部分变换后的系数作为子块的特征向量。实验结果证明,同基于传统PCA、DCT以及DWT(离散小波变换)+PCA等方法相比,这两种方法更好地提取了红外人脸图像的判别信息,得到了很好的识别效果。与文献[23]类似,文献[10]也把识别过程分成两步,首先用模糊连通分割方法把人脸从背景中分割出来,然后用Gabor滤波器对分割出来的脸部图像进行滤波处理,再利用两个参数的Bessel函数对滤波后的图像进行建模,并以此模型做初步分类,得到可能性高的候选对象,最后利用贝叶斯分类器找到准确的匹配。这种方法只获取表面温度信息,并未能得到皮肤内部的特征,因而对环境等因素的影响也不具有鲁棒性。

4.5.基于血流图方法

为提高红外人脸识别系统在时延环境下的识别性能,文献[16]基于人体的皮

肤温度分布和温度调节机理,结合红外成像原理及生物传热学知识提出了一个人脸的血流模型,该模型的作用就是把易受外部环境影响的温度信息(温谱图)转为人体的生理信息,比如血流的运动参数。而人体的血液循环信息相对来说是稳定的,不受外部环境影响的,可以基于这些特定的生物信息来识别不同的人。该模型的提出基于以下假设:

(1)只考虑皮肤表面的热交换;

(2)测试对象处于一个稳定的热平衡状态,因此将人体内部的温度看作是一个常量,同时不考虑人体的热调节功能(如出汗);

(3)周围环境温度比人体温度低;

(4)不考虑非正常的生理(像发烧,头痛,发炎等)和心理状态(像焦虑,害羞等)因素;

(5)红外相机已校准,能够精确测量温度;

在这些假设下,皮肤表面可用以下热量平衡公式来描述

Q r+Q e+Q f=Q c+Q m+Q b (1)

Q表示单位面积的热流量。下标r,e和f分别表示辐射、蒸发和对流,左边3项代表从皮肤表面到外界的流出热流量。下标c,m和b表示人体热传导、新陈代谢和血液对流,这些是从人体体内到皮肤表面的流入热流量。

5.方法分析及发展方向

红外图像由于不受光照影响、不存在阴影问题,而且更多地反映了人脸自身的信息(温度分布),为提取人脸的稳定特征,对识别率的提高有正面影响。应指出的是,Prokoski的论述“人是恒温动物,其温度均值和方差很稳定”。其实是有前提的,即相同的环境条件。所谓“人是恒温动物”,准确地说是指人体内部而不是外部(即皮肤)。实际上,每个人的皮肤表面温度时时刻刻都在变化,而这个变化不是线性的[25-26]。因此,基于等温线的方法是不准确的。人体生理学知识[25]告诉我们,脸部上表皮的血管只有10~15微米,而血管处的温度仅比其邻近区域的温度高0.1摄氏度。就目前的红外照相机,其分辨率还没有高到能捕捉到如此细微的差别,因此基于图像分割方法,从红外人脸图中找出脸部血管网络是

不可靠的。从硬件出发,开发高精度红外相机以得到清晰、稳定的血管网络,这是目前的研究方向之一。例如Sony公司就研发出一种红外相机[27]。它能拍到皮肤下的毛细血管并用于人脸识别。然而,更多的研究还是从算法上来提高红外人脸识别的性能。把融合技术运用到生物识别领域,形成多生物特征相结合(如人脸+指纹)、多成像源相结合(如可见光+红外[19-22 28-30])的生物识别系统是今后的重要发展方向之一。目前,融合技术在红外人脸识别中主要反映在如下3个层次:

(1)图像(或数据)级融合这类系统同时得到一个人脸的可见光图像和红外图像,然后利用融合技术合成一幅近似不随光线变化的图像。显然,这类系统的识别率大大高于可见光人脸识别系统;

(2)特征级融合即针对红外人脸图像,用不同的方法来抽取人脸特征,如小波脸、频谱脸、特征脸等。文献[26]则分别提取红外人脸的温度信息和几何信息,通过神经网络融合这两种信息。实验结果显示,不同的方法(角度)可以提取人脸不同方面的特征,基于特征的融合方法也是很有效的;

(3)决策级融合即不同特征(或基于同一幅红外人脸图像,如文献[26],或不同光源,通过分类器分别得到各自不同的分类结果(分数),而最终的决策由这些分数加权融合决定。这类融合方法相对来说容易实现而且有效,所以在多形式(多传感器)生物识别系统中得到广泛应用。文献[27]的实验结果显示,对时延图像,如果分别采用红外或可见光图像识别,识别率分别为74%和75%,如果结合红外和可见光图像,采用决策级融合技术,则识别率可提高到91%。最后要指出的是,上述血流模型(即式(2))的建立基于5个假设,其中之一就是稳定热场假设,即认为人体体内温度保持不变,代谢热也是常数,因此,血流量是稳定不变的,也就是说上述血流模型没有考虑到生理和心理因素对血流量的影响,是一个静态模型。文献[31]提出了一种基于动态血流模型的方法,从变化的人脸温谱图中提取人脸血流数据和状态信息;根据所辨识的状态信息,对血流数据做进一步的补偿和归一化处理,以得到鲁棒、独特的红外人脸生物(血流)特征,达到非常态下也具有鲁棒的识别性能,这也是一种非常新颖的方法。

6.结束语

本文只是对目前已有的红外图像人脸识别技术作了简单介绍,从研究成果看,红外人脸图像的对变化光照环境的不变性能提高人脸识别性能,采集的待检测识别人脸图像与训练库中的图像存在的时间识差对红外人脸识别的性能的影响比对可见光人脸识别的性能的影响要大得多[32]。

综上所述,红外图像人脸识别技术对识别在非控制的阴暗条件下的人脸和检测伪装尤其有用。它将弥补可见光人脸检测的不足,但是对影响红外图像人脸识别性能的有关因素的研究还不够深入,这将是一个值得继续研究的领域。

参考文献

[1] Chen X.Flynn P J.Bowyer K W Visible-light and Infrared Face Recognition 2003.

[2] Socolinsky D A.Wolff L B.Neuheisel J D Illumination Invariant Face Recognition Using Thermal Infrared Imagery 2001.

[3] Wolff L B.Socolinsky D A.Eveland C K Faces Recognition in the Thermal Infrared 2004.

[4] Prokoski F J.Coffin J S.Riedel R B Method for Identifying Individuals from Analysis of Elemental Shapes Derived from Biosensor Data 1992

[5] Kong S G.Heo J.Abidi B R Recent advances in visual and infrared race reeognition-a review 2005(01)

[6] Prokoski F J History,current status,and future of infrared identification 2000.

[7] Yoshitomi Y.Miyaura T.Tomita S Face identification using thermal image processing 1997.

[8] Prokoski F J Method and Apparatus for Recognizing and Classifying Individuals Based on Minutiae 2001.

[9] Buddharaju P.Pavlidis I.Kakodiaris I A Face recognition in the thermal infrared spectrum 2004.

[10] Buddharaju P.Pavlidis I.Tsiamyrtzis P Physiology-based face recognition using the vascular network extracted from thermal facial images:a novel approach 2005.

[11] Friedrich G.Yeshurun Y Seeing people in the dark:face recognition in infrared images 2002.

[12] 李江红外图像人脸识别方法研究[学位论文] 2005.

[13] Pereira D C Face Recognition Using Infrared Imaging 2002.

[14] Socolinsky D A.Selinger A A comparative analysis of face recognition performance with visible and thermal infrared imagery 2002.

[15] Wilder J.Phillips P J.Jiang C Comparison of visible and infrared imagery for face recognition 1996.

[16] Wu S Q.Jiang L J.Cheng L RIFARS:a real-time infrared face recognition system 2003.

[17] Chen X.Flynn P J.Bowyer K W Visible-light and infrared face recognition 2003.

[18] Chen X.Flynn P J.Bowyer K W IR and visible light face recognition 2005(03).

[19] Harihacan H.Kosehan A.Abidi B Fusion of visible and infrared images using empirical mode decomposition to improve face recognition 2006.

[20] Kim S-K.Lee H.Yu S Fusion of visual and infrared images for face recognition 2006.

[21] Koag S G.Heo J.Abidi M A Multiscale fusion of visible and thermal IR images for illuminationinvariant face recognition 2007(02).

[22] Srivastava A.Liu X Statistical hypothesis pruning for identifying faces from infrared images 2003(07).

[23] 韦礼珍.伍世虔.方志军Infrared face recognition based on wavelet packet transform and Fourier transform[期刊论文]-Journal of Computer Research and Development 2007(02).

[24] Wu S Q.Wei L Z.Fang Z J Infrared face recognition based on blood perfusion and sub-black DCT in wavelet domain 2007.

[25] Guytan A C.Hall J E Textbook of Medical Physiology 1996.

[26] Jones B F.Plassmann P Digital infrared thermal imaging of human skin 2002(06).

[27] Takignchi K Living-Tissue Pattern Detecting Method,Living-Tissue Pattern Detecting Device,Biometric Authentication Method,and Biometric Authentication Device 2007.

[28] Bebis G.Gyaourova A.Singh S Face recognition by fusing thermal infrared and visible imagery 2006(07).

[29] Bowyer K W.Chang K I.Flynn P J Face recognition using 2D,3D and infrared:is muhimodal better than multisample? 2006(11).

[30] Singh S.George A G.Pavlidis I Infrared and visible image fusion for face recognition 2004.

[31] Fujimasa IT.Chinzei T.Saito I Converting far infrared image information to other physiological data 2000(03).

[32] Socolinsky D,WbI仃L,Neuheisel J,et a1.Illumination invariant face recognition using thermal infrared imagery[C1.USA:Proc IEEE Computer Society Conference on Computer Vision and Pattern Recognition,2001:527—534.

人脸识别技术概述

计算机光盘软件与应用 2012年第5期 Computer CD Software and Applications 工程技术 — 49 — 人脸识别技术概述 杨万振 (东北大学,沈阳 110819) 摘要:作为多学科领域的具有挑战性的难题,人脸识别技术覆盖了模式识别、神经网络、生理学、计算机视觉、 心理学、数字图像处理、数学等诸多学科的内容。 关键词:人脸识别;算法 中图分类号:TP391.41 文献标识码:A 文章编号:1007-9599(2012)05-0049-01 一、引言 人脸识别特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸识别是一项热门的计算机技术研究领域,它属于生物特征识别技术,是对生物体(一般特指人)本身的生物特征来区分生物体个体。国内外的人脸识别的方法多种多样,并且不断有新的研究成果出现。但是,由于人脸识别问题巨大的复杂性,要建立一个能够完全自动完成人脸识别任务的计算机系统难度是相当大的,这不仅涉及到数字图像处理,而且还涉及到计算机视觉,人工智能和计算机网络及通讯等的多个学科领域的广泛知识。目前生物识别技术已广泛用于政府、军队、银行、社会福利保障、电子商务、安全防务等领域等[1,2]。随着技术的进一步成熟和社会认同度的提高,人脸识别技术将应用在更多的领域:1.公安、司法和刑侦。2.自助服务。3、.企业、住宅安全和管理。4.电子护照及身份证。5.信息安全。综上所述,人脸识别技术对于打击各类犯罪活动、维护国家安全和社会稳定等具有十分重大的意义。随着各种技术手段的综合应用和科学技术的发展, 相信人脸识别技术会不断向前发展,应用更加广泛。 二、人脸识别系统的基本框架 人脸识别过程包括两个主要环节:一是人脸的检测和定位,即从输入图像中找到人脸及其位置,并将人脸从中分割出来;二是对标准化的人脸图像进行特征提取与识别。 人脸识别系统基本框架图 如图所示,人脸识别系统各部分的功能和作用: (一)图像获取:用图像获取设备(数码相机、扫描仪、摄像机)获取图像,也可以在人脸图像库中获取图像,然后使用相应程序将图像转换成可处理的格式。 (二)检测定位:人脸检测是指在输入图像中确定所有人脸的大小、姿态和位置的过程。近年来,由于生物特征识别的发展和人际交互方式的发展,人脸检测定位的发展很迅速,但是其难点是容易受到亮度变化、人的头部姿势及图像背景等因素的影响。 (三)人脸图像预处理:对获取的图像进行适当的处理,使其具有的特征能在图像中表现的明显。该模块主要由灰度变化、光线补偿、对比度增强、高斯平滑处理、直方图均衡和图像二值化处理等子模块构成。 (四)特征提取部分:将预处理后得到的正规人脸图像按照相应的算法提取出用来识别的特征向量,将原始的人脸空间中的数据映射到特征空间中去。通常把原始人脸空间叫测量空间,把用以进行分类识别的空间叫特征空间,较高维数的测量空间的模 式表示可以经过变换变为在较低维数的特征空间中模式的表示。 (五)分类器设计:部分分类器的设计是在后台完成的,就是所谓训练过程,该过程结束后可生成分类器用于分类识别。模式识别问题事实上可以看做是一个分类问题,即把待识别的对象归于某一类之中。在人脸识别问题上就是把不同输入的人脸图像归于某个人这一类。其基本的做法就是在样本训练集的基础上确定某种判决规则,然后使按这种判决规则对待识别的对象进行分 类所引起的损失最小或造成的错误识别率最小。 (六)分类决策:就是运用已经设计好的分类器进行分类识别,得出最后的识别结果,并给出相应的判断。 三、人脸识别的常用方法 1.主分量分析法 2.线性判别分析法 3.独立分量分析法 4.隐马尔可夫模型法 5.弹性束图匹配法 四、人脸识别的技术优势 虽然目前人脸识别系统不是很成熟,但与虹膜识别、指纹 识别等其它生物特征识别技术相比,人脸识别的技术优势主要有以下几点: (一)非接触式操作,适用于隐蔽监控。由于人脸识别系统不需要接触,可以秘密开展,因此特别适用于网上抓逃、隐蔽监控等应用。这是虹膜、指纹等其他生物特征识别技术所不具备。 (二)无侵犯性,容易被接受。人脸识别系统一般为远距离 采集数据,减小了对用户造成生理上伤害几率,用户容易接受。 (三)图像采集设备成本低。目前,USBCCD/CMOS 摄像头非常低廉的价格,已成为计算机的标准配置,极大地扩展了人脸识别实用范围;此外,数码摄像机、数码相机和照片扫描仪等图像 采集设备在普通家庭的日益普及进一步增加了其可用性。 (四)更符合人类的识别习惯,可交互性强。人脸识别更 符合人识别人的习惯,故若与用户交互配合可以大大提高系统 的可靠性和可用性;但是指纹、虹膜识别却不具备如此优点。 (五)识别精确度较高、速度快。与其它生物识别技术相比,人脸识别的精度处于较高的水平,拒识率、误识率较低。 五、人脸识别研究的难点 人脸识别通常是通过对采集得到的人脸图像的分析计算来确定其身份的。人脸是具有复杂结构的三位可变形生物体,影响人脸识别效果的因素主要有以下几个: 姿态:人脸图像的变化,例如在三维人脸到二维人脸的成像过程中,由于相关的照相机-脸姿(正面的、45度、侧面、颠倒的)导致的不同,而一些脸部特征如眼睛或鼻子可能部分地或全部被遮挡。 组件的影响:面部的特征如胡须和眼镜等可能存在也可能不存在,这些组件包括形状、颜色和大小。 面部表情:人脸为可变形物体,人脸表情的变化直接影响人脸图像的模式。 图像的方向:照相机光轴的旋转不同可直接引起人脸图像的变化。 图像的条件:当图像产生时,一些因素如光(光谱、光源分布和强度)和照相机的特性(传感器的响应、透镜)影响人脸的外观。 参考文献: [1]Yin L.Basu A.Generating realistic facial expressions with wrinkles for model-based coding [J].Computer Vision and Image Understanding,2001,84(2):201-240 [2]李云峰,杨益,田俊香.人脸识别的研究进展与发展方向[J].科技资讯,2008(5):23-32

(完整版)人脸识别技术的弊端

三个方面的缺点: 1.识别精度低 2.自然性、不易察觉以及非接触性也致使人脸识别技术在一些特定领域面临环境复杂性。 便于收集的好处也带来了图像清晰度不高,角度不好等问题 3.人脸识别不只是隐私问题信息泄露面临更大安全隐患 人脸识别的一个缺点也在于信息的可靠性及稳定性较弱。 人脸所蕴含的信息量较指纹、虹膜等生物特征相比是比较少的,其变化的复杂性不够。例如,若要两个人的指纹或者虹膜基本相同,大概需要好几十乃至上百个比特(信息量的度量单位)达到完全重合才可以。但如果是人脸的话,十几个比特达到重合就可以了。在全世界,可以找到很多具有相似性的面孔。所以说,人脸的辨别性不是很高,它并没有那么独一无二。 另外,人自身内在的变化以及外在环境的变化都会影响采集时人脸的信息稳定度。相较于之前的人脸识别技术,目前的人脸识别技术有所提高,但是具体应用时还是不能达到完美状态,如今,保守估计,人脸识别技术准确率能达到99%,但没有达到100%。同时,对于双胞胎,由于相似特征太多,人脸识别基本不可能完成。比如在ATM机上使用人脸识别技术,是在使用密码信息的基础上辅助的认证功能。如果脱离了密码输入,完全使用人脸识别技术进行存取款操作,是不太可能的。 例如,2018年7月,美国公民自由联盟(ACLU)对美国国会议员的照片应用了亚马逊算法,该算法确定其中28人是因犯罪而被捕的人。 如果说双胞胎根本不应该用此技术来进行分辨的情况下,如何解决整容带来的无法辨别的问题?在如今整容手段如此先进的情况下? 其一,应用“人脸识别”技术的视频采集机器设备愈来愈普及化,会否对大家的人身自由权与隐私权产生威协,这个问题如何解决?其二,人工智能的市场应用,会否产生新的岐视与不公平,并对人们具有的社会道德纪律产生挑战? 例如:一些商业算法在识别肤色较深的人员和女性方面不如识别肤色较浅的男人准确。

人脸识别系统的原理与发展

人脸识别系统的原理与发展 一、引言 人脸识别系统以人脸识别技术为核心,是一项新兴的生物识别技术,是当今国际科技领域攻关的高精尖技术。它广泛采用区域特征分析算法,融合了计算机图像处理技术与生物统计学原理于一体,利用计算机图像处理技术从视频中提取人像特征点,利用生物统计学的原理进行分析建立数学模型,具有广阔的发展前景。2012年4月,铁路部门宣布车站安检区域将安装用于身份识别的高科技安检系统人脸识别系统;可以对人脸明暗侦测,自动调整动态曝光补偿,人脸追踪侦测,自动调整影像放大; 二、概述 人脸识别系统概述 广义的人脸识别实际包括构建人脸识别系统的一系列相关技术,包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音(语音)、体形、个人习惯(例如敲击键盘的力度和频率、签字)等,相应的识别技术就有人脸识别、指纹识别、掌纹识别、虹膜识别、视网膜识别、语音识别(用语音识别可以进行身份识别,也可以进行语音内容的识别,只有前者属于生物特征识别技术)、体形识别、键盘敲击识别、签字识别等。 人脸识别系统功能模块 人脸捕获与跟踪功能:人脸捕获是指在一幅图像或视频流的一帧中检测出人像并将人像从背景中分离出来,并自动地将其保存。人像跟踪是指利用人像捕获技术,当指定的人像在摄像头拍摄的范围内移动时自动地对其进行跟踪。 人脸识别比对:人脸识别分核实式和搜索式二种比对模式。核实式是对指将捕获得到的人像或是指定的人像与数据库中已登记的某一对像作比对核实确定其是否为同一人。搜索式的比对是指,从数据库中已登记的所有人像中搜索查找是否有指定的人像存在。 人脸的建模与检索:可以将登记入库的人像数据进行建模提取人脸的特征,并将其生成人脸模板(人脸特征文件)保存到数据库中。在进行人脸搜索时(搜索式),将指定的人像进行建模,再将其与数据库中的所有人的模板相比对识别,最终将根据所比对的相似值列出最相似的人员列表。

BJJD智能人脸识别监控引领安防科技

BJJD智能人脸识别监控科技 系统背景 目前银行营业网点、ATM自动柜员机、网吧、饭店、宾馆、地铁的恶性事件时有发生,作案手段也越来越多,更加隐蔽、技术性更高,严重影响了人们的人身安全。因此,为了加强银行营业点、网吧、饭店、宾馆、地铁的系统安全管理,提高保障客户的安全,增强为客户服务竞争的优势,对安防体系与刑侦技术的要求,各地银行、网吧、饭店、地铁都在逐步建设和完善安防体系,提高整体的安防水平。 现状分析 视频监控系统在安防领域中的应用是非常多的。视频监控系统的发展可以分成三代,第一代是以CCTV(闭路电视)系统为代表的模拟式监控系统,功能非常简单;第二代是将模拟视频信号进行数字化处理,数据的质量、存储、检索等性能指标都大幅提高,并有非常丰富的系统功能,但是存在如下几个问题 1)现有监控系统大部分只是实时地把现场录制下来; 2)存储空间非常大,事后的查询量非常大,大部分是靠保安对某一时间段进行录像的查看,工作量很大,效率也非常低; 3)摄像机画面以场景为主,无法看清人脸,发生恶性案件后缺乏清晰人像记录,不利于破案,这就大大降低了系统的实用性与安全性; 4)包括ATM机、金融网点大门在内的一些地点由于光照原因,产生逆光的效果,使监控画面漆黑难辩,行同虚设。 而正在新兴的第三代,则以智能化为关键,将关注的焦点集中到监控对象——人本身,从传统的庞大视频流中将人的特征直接提取出来,并针对性地对这些特征进行分析得到一张清晰的人脸照片并可进行识别等处理,从而能够直接了解到人的信息,这在安全防范应用上无疑是有巨大的价值的。 系统结构 从体系结构上看,本方案主要是嵌入到现有的监控系统中,不影响现有的监控系统,只需要增加一路需要采集到清晰人脸的一路摄像机以及具有自主知识产权的视频盒,如下所示。 具有国际领先的智能人脸识别算法核心技术,和自主知识产权的智能人脸识别网络服务器产品,从下图可知,嵌入式视频人脸采集服务器为用户提供包含人脸采集、视频叠加、光照补偿等功能,适合已有DVR的金融网点监控升级使用,

人脸识别技术综述 论文

本科生毕业论文(设计) 题目人脸识别技术综述 学院计算机学院 专业计算机科学与技术 学生姓名陶健 学号 0643041077 年级 2006 指导教师周欣 教务处制表 二Ο年月日

人脸识别技术综述 计算机科学与技术 学生陶健老师周欣 [摘要]随着社会信息化,网络化得不断发展,个人身份趋于数字化,隐性化,如何准确的鉴定,确保信息安全得到越来越多的重视。人脸识别,一种应用比较广泛的生物识别方法,在基于人脸固有的生物特征信息,利用模式识别和图行图像处理技术来对个人身份进行鉴定,在国家安全,计算机交互,家庭娱乐等其他很多领域发挥着举足轻重的作用,能提高办事效率,防止社会犯罪等,有着重大的经济和社会意义。 本文主要研究了人脸识别在图像检测识别方面的一些常用的方法。由于图像处理的好坏直接影响着定位和识别的准确率,因此本文对图像的一些识别算法做了着重的介绍,例如基于二维Gabor小波矩阵表征人脸的识别算法,基于模型匹配人脸识别算法等。此外,本文还提及了一般人脸识别系统的设计,并着重介绍了图像预处理环节的光线补偿,图像灰度化等技术,使图像预处理模块在图像处理过程中能取到良好的作用,提高图像识别和定位的准确率。 [主题词]:人脸识别;特征提取;图像预处理;光线补偿

Face Recognition Overview Computer Science Student:TAO Jian Adviser: ZHOU Xin [Abstract] With the information society, network was growing, personal identity tends to digital, hidden, how to accurately identify, to ensure that information security is more and more attention. Face recognition, an application of biometric identification methods more widely, based on biometric facial information inherent in the use of pattern recognition and image processing techniques to map line of personal identity ,play a great role in the national security, computer interaction, family entertainment and many other areas. Face recognition can improve efficiency, prevent social crime, of course it has significant economic and social significance. This paper studies aspects of face recognition in image detection and some common methods of identification. As the image processing directly impact on the accuracy of location and identification, so some of image recognition algorithm will be focused presentation, such as Gabor wavelet-based two-dimensional matrix representation of face recognition algorithms, model-based matching face recognition algorithm. In addition, the article also mentioned a general recognition system design, and highlights the image preprocessing part of the light compensation, gray image techniques, the image preprocessing module in the image processing to get to the good , and improve image recognition and positioning accuracy. [Key Words] Face recognition; feature extraction; image preprocessing; light compensation

人脸识别技术发展及应用分析解读

人脸识别技术发展及应用分析 人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机采集人脸图像,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部的一系列相关技术处理,包括人脸图像采集、人脸定位、人脸识别预处理、记忆存储和比对辨识,达到识别不同人身份的目的。 市场现状 人脸识别技术的研究始于20世纪60年代末期。 20世纪90年代后期以来,一些商业性的人脸识 别系统逐渐进入市场,但是,这些技术和系统离 实用化都有一定距离,性能和准确率也有待提高。 美国遭遇恐怖袭击后,这一技术引起了广泛关 注。作为非常容易隐蔽使用的识别技术,人脸识 别逐渐成为国际反恐和安全防范重要的手段之一。 近年来,人脸识别在中国市场,也经历着迅速的 发展,而且发展的脚步也越来越快。主要原因有以下两方面。 科技的进步 国际上,美国标准与技术研究院(NIST)举办的Face Recognition Vendor Test 2006,通过大规模的人脸数据测试表明,当今世界上人脸识别方法的识别 精度比2002年的FRVT2002至少提高了一个数量级(10倍),而对于高清晰,高质量人脸图像识别,机器的识别精度几乎达到100%。在我国,近年来科技界和社会各个方面都认识到人脸识别技术的重要性,国家政策对人脸识别技术研究给予了很大支持,使得我国人脸识别技术也得到了迅速的发展。 应用需求的增加 越来越趋向于高科技的犯罪手段使得人们对各种场合的安全机制要求也近乎 苛刻,各种应用需求不断涌现。人脸识别市场的快速发展一方面归功于生物识别需求的多元化,另一方面则是由于人脸识别技术的进步。从需求上来说,除了传统的考勤、门禁等应用外,视频监控环境下的身份识别正成为一种迫切的需求,

人脸识别技术综述

人脸识别研究综述 摘要:论文首先介绍了人脸识别技术概念与发展历史,解释人脸识别技术的过程与优缺点;随后对近几年人脸识别技术的研究情况与一些经典的方法进行详细的阐述,最后提出人脸识别技术在生活中的应用与展望。 关键词:人脸识别研究现状应用与展望 一、概念 人脸识别技术是基于人的脸部特征,对输入的人脸图像或者视频流。首先判断其是否存在人脸,如果存在人脸,则进一步的给出每个脸的位置、大小和各个主要面部器官的位置信息。并依据这些信息,进一步提取每个人脸中所蕴涵的身份特征,并将其与已知的人脸进行对比,从而识别每个人脸的身份。 广义的人脸识别实际包括构建人脸识别系统的一系列相关技术,包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。 二、发展历史 人脸识别的研究历史比较悠久。高尔顿(Galton)早在1888 年和1910 年就分别在《Nature》杂志发表了两篇关于利用人脸进行身份识别的文章,对人类自身的人脸识别能力进行了分析。但当时还不可能涉及到人脸的自动识别问题。最早的AFR1的研究论文见于1965 年陈(Chan)和布莱索(Bledsoe)在Panoramic Research Inc.发表的技术报告,至今已有四十年的历史。近年来,人脸识别研究得到了诸多研究人员的青睐,涌现出了诸多技术方法。 三、过程与优缺点 人脸的识别过程: (1)首先建立人脸的面像档案。即用摄像机采集单位人员的人脸的面像文件或取他们的照片形成面像文件,并将这些面像文件生成面纹(Faceprint)编码贮存起来。 (2)获取当前的人体面像。即用摄像机捕捉的当前出入人员的面像,或取照片输入,并将当前的面像文件生成面纹编码。 (3)用当前的面纹编码与档案库存的比对。即将当前的面像的面纹编码与档案库

智能锁方案——综述人脸识别智能门锁方案

智能锁方案——综述人脸识别锁方案 人脸识别技术相对其他生物识别技术所具有的优越性:不用直接接触,智能交换,用户接受程度高;直观性突出,符合人们“以貌识人”的认知规律;可靠性强,不易仿冒,安全性好。人脸识别技术,是基于人的脸部特征信息进行身份认证的生物特征识别技术,人脸识别技术正逐渐从商用市场向民用市场延伸,经历了从门禁、考勤应用向家庭智能门锁应用渗透的发展过程。目前,人脸识别智能门锁克服了人脸识别系统的巨大功耗、必须外接交流电源的难题,可采用高能碱性电池供电,电池可以使用一年的震撼效果。可广泛应用于办公、公寓、财务室、机要室、家庭等领域。 1、人脸识别智能门锁介绍

当下,智能家居市场火爆,预计在未来智能家居会成为家庭生活主要的消费对象。国内智能家居的发展首先以智能家电作为切入点进入智能家居市场,包括智能电视、智能空调、智能冰箱、智能音箱等产品。另外值得一提的是,在智能安防方面,曾经的机械锁已经被现在以人脸识别技术作为支持的人脸识别智能门锁取代,以最新的姿态开始进军智能家居领域。作为智能家居的第一道安全防线,人脸识别门锁在智能家居安防方面所占权重明显加大。 2、人脸识别智能门锁方案简述 名创博能研发的人脸识别智能门锁方案,方案中人脸识别智能门锁以自身独特的优势立足于生物识别领域,人脸识别智能门锁采用误识率和拒真率为零几率的世界先进的人脸识别技术,能达到这项技术要求的在生物识别企业中凤毛麟角;电池使用时间长攻克了人脸识别行业一直以来未解决的难题,四节碱性电池能连续使用一年以上,目前来说属于行业领先者;识别速度快,能在一秒内完成识别,有效防视频、伪造脸。

3、人脸识别智能门锁结语 担心自己大门不安全的朋友,名创博能研发的人脸智能门锁方案中可以让你完全没有这项负担,想要进入智能锁关闭的房门,只能够刷正确的脸,才可以打开锁。人脸识别智能门锁是一种拥有很强安保能力的智能锁,选择它就选择了安全,希望本文能够帮助大家,让大家放心使用人脸识别智能门锁。

智能人脸识别系统技术设计方案

智能人脸识别系统技术方案

目录 1智能人像比对平台 1.1系统结构 建立标准统一的共享人像库,并在此基础上,部署完整的人像比对判定平台。该系统由人像标准化采集系统,人像数据库子系统、基础比对服务平台、人脸识别应用平台4大部分组成,支持前端人像采集、静态人脸查询、移动警务通人脸识别一体化服务。 该平台支持统一人像数据交换接口,兼容大多数人像数据交换标准。统一的安全标准接口,兼容PKI密钥,网络加密狗等常见的安全标准接口。系统总体结构如下: 系统采用B/S架构,以浏览器方式进行人像预处理、人像比对、结果查询、用户管理、系统运行状态查询等管理操作,减少了系统后台管理、人口治安及其他警种成百上千终端安装和维护难度,方便未来多警种共享应用。系统可提供标准的WebService接口,将业务系统获取的人像照片与相关人像库进行比对。 1.2设计原则 本着统一标准、分级管理、资源共享、无缝对接的设计原则,以人像比对算法为核心,整合多区域现有资源,实现准确识别、快速反映,覆盖全面的智能人像识别应用平台。 1.2.1先进性 该平台算法由中国科学院自动化研究所研究员、国际知名人脸识别专家、IEEE院士李子青教授领衔研发,是基于中国自主知识产权,针对公安各警种业务特点专门研发的综合智能人像识别应用系统平台。

1.2.2开放性 人像采集与比对平台具有统一的服务接口,兼容公安部拟指定的统一人像数据交换标准草案。统一的安全验证,兼容PKI密钥,身份认证等常见的安全验证机制。 1.2.3扩展性 整个平台系统接口分为系统级别之间的接口与单个系统开放出来的服务接口组成。系统可“随需而变,以不变应万变”提供多种可靠服务功能。 1、系统级接口 系统级接口指的是不同地区部署的人像辅助识别平台之间的接口,主要有两种访问方式第一种采用页面查询的方式,以只查询方式进行访问,通过系统提供的Guest权限进行页面访问。适用于不同平台之间快速的调阅查询。第二种通过请求服务与直接调阅的形式进行数据库的查询,系统预留标准数据库查询接口,以市,县二层结构进行数据库间的查询调用,采用本系统建立的数据中心,纵向上进行直接的调用,高层中心保留下级中心的数据库信息索引。即市级中心直接查询市级与县级中心,市级中心直接查询县级中心。横向上以请求服务形式进行调用,横向系统间不保留对方的数据库信息索引,而是通过请求服务方式进行。 2、服务接口 服务接口适用于该系统与其他业务应用系统做二次开发或者集成用接口,包括所有系统级接口与平台应用接口。 人像基础比对服务平台通过WebService进行与其他系统的交换机制,通过标准的XML或者Jason格式文件进行数据交换,兼容《GA/T 922.2-2011标准第二部分人像数据采集标准》中的数据格式交换。 服务接口主要以WebService与ActiveX等方式提供。满足各业务系统二次开发,集成使用。 服务接口说明

人脸自动识别方法综述_周杰

人脸自动识别方法综述 周 杰,卢春雨,张长水,李衍达 (清华大学自动化系,北京100084) 摘 要: 人脸自动识别是模式识别、图像处理等学科的一大研究热点,近几年来关于人脸识别的研究取得了很大进展.本文重点对近三、四年来人脸识别的研究进行综述并对各种方法加以评论. 关键词: 人脸自动识别;人脸检测;人脸定位 中图分类号: TP39114 文献标识码: A 文章编号: 0372-2112(2000)04-0102-05 A Su rvey of Automa tic Human Face Recognition ZHOU Jie,LU Chun -yu,ZHANG Chang -shui,LI Yan -da (De partment o f Automation ,Tsinghua Unive rsit y ,Be ijing 100084,China) Abstract: Automatic human face recogni tion is attractive in pattern recogniti on and i mage processing.In this paper we gave a survey of automatic human face recogni tion,mainly ai ming at the latest progress. Key words: automatic hu man face recognition;face detection;face localization 1 引言 随着社会的发展,各个方面对快速有效的自动身份验证的要求日益迫切.由于生物特征是人的内在属性,具有很强的自身稳定性和个体差异性,因此是身份验证的最理想依据.这其中,利用人脸特征进行身份验证又是最自然直接的手段,相比其它人体生物特征它具有直接、友好、方便的特点,易于为用户所接受[1]. 人脸识别是人类视觉最杰出的能力之一,它的研究涉及模式识别、图像处理、生理学、心理学、认知科学,与基于其它生物特征的身份鉴别方法以及计算机人机感知交互领域都有密切联系,因此早在六七十年代即引起了研究者的强烈兴趣.进入九十年代,由于各方面对人脸识别系统的迫切需求,人脸识别的研究重新变得非常热门.目前美国等国有许多研究组在从事人脸识别的研究,这些研究受到军方、警方及大公司的高度重视和资助,美国军方每年还专门组织人脸识别比赛以促进这一领域的发展.在国内,也开始有一些学校从事人脸识别相关的研究.近几年来关于人脸识别的研究取得了很大进步,国际上发表有关论文的数量大幅增长,IEEE 的PAM I 汇刊还于1997年7月出版了人脸识别专辑,每年的国际会议上关于人脸识别的专题也屡屡可见.而目前人脸识别综述的文章还是截止到1994年,因此我们认为非常有必要对近几年的研究工作进行一下总结.在本文中我们将对人脸识别方法进行综述,其中主要介绍近三、四年的研究工作,之前的研究工作请参看文[2,3]. 2 人脸自动识别系统 人脸自动识别系统包括两个主要技术环节(如图1所 示):首先是人脸检测和定位,即从输入图像中找到人脸及人脸存在的位置,并将人脸从背景中分割出来,然后才是对归一化的人脸图像进行特征提取与识别 . 图1 人脸自动识别系统构成 这两个环节的研究独立性很强.由于在很多特定情况下人脸检测与定位的工作比较简单,因此/特征提取与识别0环节得到了更为广泛和深入的研究;而近几年来随着人们越来越关心各种复杂情形下的人脸自动识别系统,人脸检测与定位才得到了较多的重视. 评价一个人脸自动识别系统的标准,一个是误识率即将某人错识别为其他人,另一个是虚警率即将其他人识别为这个人.这二者之间是存在矛盾的,所以在实际问题中往往需要进行某种折衷.如,在安全性要求较高的计算机登录系统中,必须要求虚警率要尽可能低,而误识率则可以高一些,这样只是增加合法用户的等录时间,并不会降低计算机系统的安全性.这一点同样适用于特征提取与识别环节,但是对于人脸检测与定位,我们一般则要求误识率要尽可能低,因为这样才可以保证所要识别的人不会在这一步就丢失. 收稿日期:1999-03-15;修订日期:1999-07-06基金项目:自然科学基金(No.69775009)资助课题 第4期2000年4月电 子 学 报ACTA ELECTRONICA SINICA Vol.28 No.4 April 2000

人脸识别智能锁解决方案

人脸识别智能锁解决方案 篇一:汉王人脸识别智能化管理解决方案 汉王人脸识别智能化管理解决方案 目录 一、汉王人脸识别简介 ................................................ ................................................... ................................... 3 二、通道式人脸识别系统 ................................................ ................................................... ............................... 3 系统工作原理 ................................................ ................................................... ............................................ 3 通道式人脸识别系统拓扑图 ................................................ ................................................... .................... 4 应用场景及实现功能 ................................................ ...................................................

基于深度学习的人脸识别技术综述

基于深度学习的人脸识别技术综述 简介:人脸识别是计算机视觉研究领域的一个热点,同时人脸识别的研究领域非常广泛。因此,本技术综述限定于:一,在LFW数据集上(Labeled Faces in the Wild)获得优秀结果的方法; 二,是采用深度学习的方法。 前言 LFW数据集(Labeled Faces in the Wild)是目前用得最多的人脸图像数据库。该数据库共13,233幅图像,其中5749个人,其中1680人有两幅及以上的图像,4069人只有一幅图像。图像为250*250大小的JPEG格式。绝大多数为彩色图,少数为灰度图。该数据库采集的是自然条件下人脸图片,目的是提高自然条件下人脸识别的精度。该数据集有6中评价标准: 一,Unsupervised; 二,Image-restricted with no outside data; 三,Unrestricted with no outside data; 四,Image-restricted with label-free outside data; 五,Unrestricted with label-free outside data; 六,Unrestricted with labeled outside data。 目前,人工在该数据集上的准确率在0.9427~0.9920。在该数据集的第六种评价标准下(无限制,可以使用外部标注的数据),许多方法已经赶上(超过)人工识别精度,比

如face++,DeepID3,FaceNet等。 图一/表一:人类在LFW数据集上的识别精度

表二:第六种标准下,部分模型的识别准确率(详情参见lfw结果) 续上表

人脸识别技术分析

人脸识别技术分析 近年来,由于反恐、国土安全和社会安全的需要,世界上各个国家都对安防领域加大了投入。在安防行业中,生物识别一直是市场中备受关注的焦点之一,近年来保持着较高的增长率,其中人脸识别是一个活跃的研究领域,也是人类视觉最杰出的能力之一。虽然人脸识别的准确性要低于虹膜、指纹的识别,但由于它的无侵害性和对用户最自然、最直观的方式,使人脸识别成为最容易被接受的生物特征识别方式。目前人脸识别技术不断得到发展,该技术广泛应用到电子护照、生物特征身份证、体育场馆、银行、公安等系统中,对安检、奥运反恐、刑侦追逃等有重要意义。当前由于其应用日渐增多该市场份额比重在不断增加,前景普遍被看好。 对于人脸识别的应用,依照摄像机到用户的距离可将其分为近距离人脸识别(普遍必要用户合作)、中距离人脸识别和远距离人脸识别系统(FaceRecognitionataDistance(FRAD)),其中远距离人脸识别技术关注的是在一个广阔区域内进行非合作的人脸自动识别,这种远距离生物特征的提取和识别可以通过采用主动视觉系统解决。目前,在很多商业、安防和国防应用中都需要在开阔区域内进行远距离(10~20米或更远)非合作的人员识别。比如用于安防目的的人员识别和监督、入侵检测,以及在广阔的区域内通过智能摄像机网络进行人员跟踪等。人脸识别与视频监控的无缝对接可极大地提升传统视频监控的预警功能和智能化程度,并极大地拓展人脸识别技术的应用空间。 在近距离人脸识别中,摄像机可以轻松捕捉高辨别率和相对稳定的人脸图像。而可在FRAD应用中,人脸图像质量却是个大难题,可以说,远距离人脸识别是视频人脸识别应用中最具挑战性的形式之一。近年来国内外针对远距离人脸识别的研究很多,从目前的发展情况来看,对于广阔的覆盖区域已经有一些有效的解决办法,如可通过多摄像机主动视觉系统完成FRAD,即系统通过广视场摄像机(WFOV)检测和追踪人脸,通过自动控制的近视场(NFOV)全方向旋转及变焦(PTZ)摄像机采集高分辨率人脸图像。本文对国外远距离人脸识别系统的研究情况以及美国通用电气公司新研发的远距离人脸识别系统——生物特征监控系统进行介绍。 国外远距离人脸识别的研发情况 近年来,国际上对人脸及人脸面部表情识别的研究逐渐成为科研热点,很多机构都在进行这方面的研究,吸引了大量的研究人员和基金支持,其中走在前边的主要是美国、欧洲、英国和日本等国家。在远距离人脸研究方面,主要是采用主动视觉的方法进行设计和开发,集中用于人脸图像采集和识别目的的自动目标选择和摄像机控制系统,以下介绍一些主要的实现方式。 第一,美国乔治亚理工学院在较早前的工作中,研发了一套由一对WFOV摄像机和一对NFOV摄像机构成的主动视觉系统。该系统用于人机互动,应用范围仅为几米远,但可检测皮肤颜色,并采用三角测量法进行3D定位,并自动控制NFOV摄像机采集人脸图像、 第二,西门子公司推出了一套实时双摄像机人脸图像采集系统,该系统采用了安装于头顶的全景摄像机进行目标定位,PTZ摄像机采集人脸图像。

人脸识别技术

东北石油大学 人脸识别技术 题目:浅谈人脸识别 专业:计算机科学与技术 班级:计科09-7 学号:090702140715 姓名:陈晨

浅谈人脸识别 在2008年的北京奥运会开幕式上,由中科院研究的人脸识别系统成功的得到应用为奥运期间的安全提供了一个快速高效的防范系统,同时也让人们见识了人脸识别,人脸识别技术相对于指纹识别、虹膜识别、掌纹识别、声音识别、静脉识别、步态识别研究起来更难更复杂,但是由于它的自然性和不被被测个体觉察的的优势吸引了一大批科学家进行研究,都目前为止也取得了一定的成绩。下面是我对人脸识别技术简单的了解。 人脸识别,特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸识别是一项热门的计算机技术研究领域,人脸追踪侦测,自动调整影像放大,夜间红外侦测,自动调整曝光强度;它属于生物特征识别技术,是对生物体(一般特指人)本身的生物特征来区分生物体个体。 一、人脸识别技术基本介绍 人脸识别技术是基于人的脸部特征,对输入的人脸图象或者视频流。首先判断其是否存在人脸 , 如果存在人脸,则进一步的给出每个脸的位置、大小和各个主要面部器官的位置信息。并依据这些信息,进一步提取每个人脸中所蕴涵的身份特征,并将其与已知的人脸进行对比,从而识别每个人脸的身份。 广义的人脸识别实际包括构建人脸识别系统的一系列相关技术,包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音(语音)、体形、个人习惯(例如敲击键盘的力度和频率、签字)等,相应的识别技术就有人脸识别、指纹识别、掌纹识别、虹膜识别、视网膜识别、语音识别(用语音识别可以进行身份识别,也可以进行语音内容的识别,只有前者属于生物特征识别技术)、体形识别、键盘敲击识别、签字识别等。 二、人脸识别的研究范围 “人脸识别(Face Recognition)”的研究范围广义上讲大致包括以下5个方面的内容 1、人脸检测(Face Detection):即从各种不同的背景条件下检测出人脸的存在并确定其位 置.这一任务主要受光照、噪声、面部倾斜度以及各种各样遮挡的影响. 2、人脸表征(Face Representation):即采取某种表示方式表示检测出的人脸和数据的已知 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、人脸鉴别(Face Identification)(通常所说的“人脸识别”):即将待识别的人脸与数据库中的已知人脸比较,得出相关信息.这一过程的核心是选择适当的人脸的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. 4、表情/姿态分析(Expression/Gesture Analysis):即对待识别人脸的表情或姿态信息进行分析,并对其加以归类. 5、生理分类(Physical Classification):即对待识别人脸的生理特征进行分析,得出其年龄、性别等相关信息。 从人的角度来看,他们之间并没有一个十分清晰和绝对的界限,实现其中之一往往也就同时实现了其他方面,他们之间存在着相互依赖的关系。不过,为了便于计算机自

人脸识别智能监控系统解决处理办法

深圳亿维 人脸检测智能监控系统 技术方案

目录 第1章前言 (1) 1.1 项目背景 (1) 1.2 设计依据 (2) 1.3 设计原则 (2) 1.3.1 先进性 (2) 1.3.2 实用性 (2) 1.3.3 易用性 (3) 1.3.4 扩展性 (3) 1.4 用户需求 (3) 第2章系统方案 (5) 2.1 系统结构 (5) 2.2 系统功能 (7) 2.2.1 营业网点监控功能设计说明 (7) 2.2.1.1 ATM机监控 (7) 2.2.1.2 营业厅大门监控 (7) 2.2.1.3 营业厅监控 (8) 2.2.1.4 监控室 (8) 2.2.2 智能化 (8) 2.2.3 集中管理(联网模式) (9) 2.2.4 网络连接 (9) 2.2.5 人脸采集的现场因素分析 (10) 2.2.5.1 安装方位 (10) 2.2.5.2 镜头焦距 (10) 2.2.5.3 光照 (10) 2.2.5.4 场景复杂程度 (11) 2.2.5.5 人员的姿态和服饰 (12) 2.2.6 扩展与升级 (12) 2.3 系统构成 (13) 2.3.1 亿维锐创智能监控主机 (13) 2.3.1.1 功能特点 (13) 2.3.2 亿维锐创智能视频叠加器 (15) 2.3.2.1 功能及特点 (15) 2.3.2.2 系统参数 (15) 2.3.3 远程管理软件(联网模块) (16) 2.3.3.1 远程运行状态监控 (17) 2.3.3.2 远程录像检索回放 (17) 2.3.3.3 远程人脸检索查看 (17) 2.3.3.4 远程实况监看 (17) 2.3.3.5 系统维护 (18) 2.3.3.6 典型应用 (18) 2.4 配置选型 (18) 2.4.1 主要硬件 (18)

人脸识别技术综述

龙源期刊网 https://www.doczj.com/doc/ab8315273.html, 人脸识别技术综述 作者:唐勇 来源:《硅谷》2011年第09期 摘要:人脸识别是模式识别领域中一个具有实际应用价值和广阔应用前景的研究课题。 系统的对主流人脸识别算法进行综述,总结现阶段人脸识别研究的困难,并对未来人脸识别的发展方向进行展望。 关键词:人脸识别;光照补偿;人脸检测 中图分类号: TP316文献标识码:A文章编号:1671-7597(2011)0510029-01 0 引言 在信息技术飞速发展的今天,电子商务、电子银行、网络安全等应用领域急需高效的自动身份认证技术。当前,我国的各种管理系统大部分都使用证件、磁卡、IC卡和密码等传统技 术保障系统安全,在一定程度上无法避免伪造、丢失、窃取或遗忘,存在极大的安全隐患。基于人体生物特征的身份鉴别方法,如指纹识别、虹膜识别、人脸识别等利用生物特征的普遍性、唯一性、永久性、可接受性、防卫性进行身份识别可以避免上述已有的身份鉴别技术缺陷。 1 人脸识别常用算法 随着社会对人脸识别系统的迫切需求人脸识别研究再次成为热门课题。2008年我国在奥 运会的历史上是第一次采用人脸识别这种生物识别系统为之提供安全保障。目前常见的人脸识别基本算法可分为以下几类: 1.1 基于几何特征的人脸识别方法[2]。这类方法是通过人脸面部拓扑结构几何关系的先验知识,利用基于结构的方法在知识的层次上提取人脸面部主要器官特征,将人脸用一组几何特征矢量表示,识别归结为特征矢量之间的匹配。基于几何特征的识别方法具有存储量小、对光照不敏感等优点。但这种方法抽取稳定的特征比较困难,对强烈的表情变化和姿态变化鲁棒性较差,适合用于粗分类。 1.2 基于特征脸的人脸识别方法。特征脸法是人脸识别中常用的一种方法。该方法的主要是从人脸图像的全局特征出发,运用Karhunen Loeve变换理论,在原始人脸空间中求得一组正交向量,并以此构成新的人脸空间,使所有人脸的均方差最小,达到降维的目的。特征脸方法易受角度、光照、表情等干扰导致识别率下降。

相关主题
相关文档 最新文档