人臉識別技術及應用簡介

　　1.1 鑒別、驗證和監控

　　(1) 鑒別(identification)：鑒別回答"這是誰?"(Who am I?) 。將給定的人臉圖象與計算機中存儲的N個人的圖象逐個比較，輸出M幅圖象，這些按與給定圖象的相似度從大到小排列，再由人來確定這是誰。通常，一個人在計算機中只存儲一幅正面圖象。

　　(2) 驗證(verification)：驗證回答"這是否為某人?"(Am who I say I am?)。將給定的人臉圖象與與計算機中存儲的某人的圖象比較，回答給定的圖象是否為某人的圖象。通常，一個人在計算機中存儲多幅不同角度的圖象。

　　(3) 監控(watch list)：監控同時具有鑒別和驗證，回?quot;這是否為要找的人?"(Are you looking for me?)。將未知身份的人的圖象輸入計算機，計算機決定這個人是否在監控名單中，如果在，還必須確定這個人的身份。

　　1.2 人臉識別和人頭識別

　　(1) 人臉識別：輸入給計算機識別的人臉圖象，只包括人的臉部部分，沒有背景、頭發、衣服等。這時，計算機在進行真正的人臉識別。

　　(2) 人頭識別：輸入給計算機識別的人臉圖象，除了包括人的臉部有皮膚的部分外，還有部分背景、頭發、衣服。這時，人臉的五官特征是次要的，頭發、背景、人臉輪廓等是主要特征，一旦頭發、背景等變化，識別率下降。

　　1.3 自動與半自動人臉識別

　　(1) 自動人臉識別：輸入到計算機的圖象可以是包含人臉的圖象，由計算機自動檢測人臉部分進行分割后，進行識別。最初人們認為人臉檢測是件容易的事，后來發現人臉檢測可能比人臉識別更困難(特別是在灰度圖象情況下，這時沒有運動信息和膚色信息可利用)，人臉檢測已經是一個獨立的研究課題。

　　(2) 半自動人臉識別：采用人工確定人臉圖象中兩眼各自的中心位置，計算機根據這兩個位置分割人臉圖象，進行識別。常用于人臉鑒別。

　　2 人臉識別的性能

　　2.1主要性能指標

　　測量人臉識別的主要性能指標有：(1)誤識率(False Aclearcase/" target="_blank" >ccept Rate, FAR)：這是將其他人誤作指定人員的概率;(2)拒識率(False Reject Rate, FRR)：這是將指定人員誤作其它人員的概率。

　　計算機在判別時采用的閾值不同，這兩個指標也不同。一般情況下，誤識率FAR 隨閾值的增大(放寬條件)而增大，拒識率FRR 隨閾值的增大而減小。因此，可以采用錯誤率(Equal Error Rate, ERR)作為性能指標，這是調節閾值，使這FAR和FRR兩個指標相等時的FAR 或 FRR。

　　2.2 影響人臉識別性能的因素及解決方法

　　(1) 背景和頭發：消除背景和頭發，只識別臉部圖象部分。

　　(2) 人臉在圖象平面內的平移、縮放、旋轉：采用幾何規范化，人臉圖象經過旋轉、平移、縮放后，最后得到的臉部圖象為指定大小，兩眼水平，兩眼距離一定。

　　(3) 人臉在圖象平面外的偏轉和俯仰：可以建立人臉的三維模型，或進行三維融合(morphing)，將人臉圖象恢復為正面圖象。

　　(4) 光源位置和強度的變化：采用直方圖規范化，可以消除部分光照的影響。采用對稱的從陰影恢復形狀(symmteric shape from shading)技術，可以得到一個與光源位置無關的圖象。

　　(5) 年齡的變化：建立人臉圖象的老化模型。

　　(6) 表情的變化：提取對表情變化不敏感的特征，或者將人臉圖象分割為各個器官的圖象，分別識別后再綜合判斷。

　　(7) 附著物(眼鏡、胡須)的影響。

　　(8) 照相機的變化：同一人使用不同的照相機拍攝的圖象是不同的。

　　3 應用情況

　　在無數影視或新聞中出現過這樣的場景：警方利用人臉識別技術抓住了罪犯。然而，在現實生活中，人臉識別技術的效果并不令人滿意。

　　美國陸軍實驗室在13周時間內，用270人的圖象測試一個人臉識別系統，發現識別率只有 51%。這套系統在機場中進行測試時，存儲了250人的圖象，其中的15人在1個月內通過攝影機958次，只有455次被正確辨認，識別率只有47%。在美國一個機場開展的一項為期8周的公開測試中，使用一家公司的人臉識別系統，在4個星期出錯率為53%。在另一個機場開展的一項為期90天的測試中，人臉識別系統發出的錯誤警報也太多。

　　人臉識別技術效果不盡如人意的原因：真人的電視圖像與存儲在數據庫中的照片在布光和角度方面有差別。目前的人臉識別技術在人處于靜止狀態或一小群人通過檢測點時有效，因此不適合在交通流量大的機場和街道拐角處使用。人臉識別要得到廣泛采用，還很有待時日。

　　4 FERET人臉識別測試

　　1993年，美國國防部高級研究項目署 (Advanced Research Projects Agency)和美國陸軍研究實驗室(Army Research Laboratory)成立了Feret(FacE REcognition Technology) 項目組，建立了feret 人臉數據庫，用于評價人臉識別算法的性能。

　　被測試的算法分為兩種：(1) 半自動算法。這種算法需要人工指出圖象中人的兩眼中心的坐標;(2) 全自動算法。這種算法能夠自動定位圖象中的人臉，然后進行識別。

　　測試時，人臉圖象分為兩個集合：(1) 已知身份的人的圖象組成庫藏集 (gallery) 或目標集(target)。(2) 輸入給算法的未知身份的人的圖象組成探測集 (probe)或查詢集(query)。

　　對于人臉鑒別，查詢集合中的圖象分為四種：(1) FB圖象，圖象與目標集合中的圖象是在同日、同光照條件下拍攝。(2) fc圖象：圖象與目標集合中的圖象是在同日、不同光照的條件下拍攝。(3) 復像I (duplicate I) ：圖象與目標集合中的圖象是在不同日、不同照相機的條件下拍攝。(4) 復像II(duplicate II)：圖象與目標集合中的圖象是在一年以后、不同照相機的條件下拍攝。

　　測試時，被測試的算法作為服務器運行，測試統計程序作為客戶運行，客戶首先向服務器傳輸庫藏集合，然后，逐幅向服務器傳輸查詢圖象，服務器接收到查詢圖象后，將結果返回客戶。

　　到1997年底為止，參加測試的算法中，對FB圖象的識別率很高，庫藏1196人中首選率(輸出的侯選圖象集合中，排在第一幅的圖象與查詢圖象為同一人的概率)達96%;對fc圖象的識別率也比較高，庫藏1196人中首選率達 81%;對兩個復像的識別率低，對復像 I，庫藏1196人中首選率為 60%，對復像II，庫藏 864人中首選率為 51%。

　　測試發現的主要問題：識別算法對光照變化敏感;查詢圖象和目標圖象相隔一年半后，識別算法的性能下降;識別算法對人臉位置變化敏感：人臉偏轉角度大于15度后，性能下降;識別算法對相機敏感。

　　5 FVRT人臉識別測試

　　FERET測試在1997年以后。沒有再進行，后來，人們組織了人臉識別廠商比賽FVRT(Face Recognition Vendor Test)。FVRT在2000年進行了第一次，在2002年進行了第二次，主要針對工業界。FRVT2002對成熟的全自動人臉識別系統進行獨立的技術評價，提供評價人臉識別系統滿足大規模、真實世界應用能力的性能度量。

　　FRVT2002由兩個測試子集組成：高度計算密集(HCInt, high computational intensity)測試和中等計算密集(MCInt, medium computational intensity)測試。每個測試需要11天時間。

　　HCInt 測試用于評價當前系統在極具挑戰性的真實世界問題上的性能，HCInt測試必須在三個等價的高端工作站上進行。HCInt 測試擁有37437人的121589幅圖象，圖象由美國國務院墨西哥非移民護照檔案提供，由此得到人臉識別算法在超大規模數據集合上的真實世界性能。

　　MCInt 測試提供一個參與者在不同圖象格式(靜止或視頻)和不同條件下(光照、姿態)的人臉識別性能，用于發現在HCInt 測試中沒有標明的有希望的人臉識別技術。MCInt 測試僅在一臺工作站上進行，

　　FRVT2002的測試結果分為：鑒別、驗證、監控三類。

　　驗證算法的性能：

　　FAR 條件 識別率(1-FRR)

　　0.1% 平均效果 82%

　　1% 室內同日同光照 95%

　　1% 室內同日不同光照 95%

　　1% 室內不同日同光照 89%

　　1% 護照照片、不同日 90%

　　1% 室內、室外同日 54%

　　鑒別算法的性能(37437人，一人一幅作為庫藏，每人二幅作為查詢圖象)：

　　期望圖象在結果集合中位置 識別率

　　排列第一 72%

　　排列在前20位 82%

　　排列在前50位 87%。

　　監控算法的性能(FAR=1%)：

　　監控表大小 識別率(1-FRR)

　　25人 77%

　　50人 75%

　　100人 72%

　　300人 70%

　　400人 65%

　　800人 63%

　　1600人 60%

　　3000人 56%

　　FRVT2002結論：(1)自FRVT2000以來，室內圖象的識別性能有較大提高，室外圖象的識別有待提高;(2)男性比女性易于識別(男性輪廓明顯，特征顯著);(3)老年人比年輕人易于識別;(4)識別性能隨庫藏大小的對數成下降趨勢;(5)采用三維融合(morphing)模型(將一個三維模型與一個非正面人臉圖象擬合，校正姿勢變化，將非正面圖象變換為正面圖象，變換后的正面圖象再與其它正面圖象匹配)，可以提高識別率。

　　6 北京科瑞奇公司人臉鑒別系統簡介

　　北京科瑞奇技術開發股份有限公司在2002年開發了一種人臉鑒別系統，對人臉圖象進行處理，消除了照相機的影響，再對圖象進行特征提取和識別。這對于人臉鑒別特別有價值，因為人臉鑒別通常使用正面照，要鑒別的人臉圖象是不同時期拍攝的，使用的照相機不一樣。系統可以接受時間間隔較長的照片，并能達到較高的識別率，在計算機中庫藏2300人的正面照片，每人一張照片，使用相距1--7年、差別比較大的照片去查詢，首選率可以達到50%，前20張輸出照片中包含有與輸入照片為同一人的照片的概率可達70%。

原文轉自：http://www.kjueaiud.com