雖然人臉識別技術(shù)經(jīng)歷了較長的研究階段，但至今還是被認為是生物特征識別技術(shù)中較為困難的研究課題之一，其原因在于:

1.背景環(huán)境的復(fù)雜多樣

在進行人臉識別前需要先對監(jiān)控場景中的人臉進行定位，即人臉檢測。人臉檢測的正確與否直接影響人臉識別性能。當監(jiān)控場景的背景較為復(fù)雜時，人臉檢測率也會隨之降低，因此能夠適應(yīng)復(fù)雜背景環(huán)境的人臉檢測算法是人臉識別技術(shù)的難點之一。

2.光照條件的復(fù)雜多變

在智能視頻監(jiān)控系統(tǒng)的實際應(yīng)用中，會由于監(jiān)控環(huán)境光線的變化造成檢測到的人臉圖像存在不同的陰暗變化，如圖1所示。FRVT2006測試表明，不同光照條件下人臉識別雖然在性能上比FRVT2002有顯著提高，但是還沒在根本上克服光照對識別率的影響。

                                          圖:光線變化對采集到的人臉影響示意圖

3.人臉表情的多樣性

在實際應(yīng)用過程中，人臉的表情隨時都可能發(fā)生變化。下圖給出了部分表情變化的人臉圖像。從下圖可以看出，當人的表情發(fā)生變化時，可能會引起人臉輪廓以及紋理的變化，同時由于面部肌肉的牽引，面部的特征點的位置也會隨之改變。不同的表情引起面部的變化都不同，此外，不同的人的相同表情影響也不相同，因此很難用統(tǒng)一的標準來精確劃分各種表情對不同人的影響。

                                       圖:人臉表情變化多樣性示意圖

4.采集人臉的角度多樣性

人臉的角度多樣性主要是指由于拍攝角度的不同導致檢測到的人臉圖像的旋轉(zhuǎn)，包括平面旋轉(zhuǎn)和深度旋轉(zhuǎn)。圖3列出了部分不同角度拍攝的人臉圖像。從下圖可以看出，與表情變化對人臉圖像的影響相同，拍攝角度的變化同樣會導致人臉輪廓的變化，除此之外，由于角度的變化，可能會導致人臉的部分特征無法被正確提取，進一步導致人臉的錯誤識別。

                                      圖:采集人臉的角度多樣性示意圖

5.遮擋問題

即使是非人為故意遮擋，在實際應(yīng)用時檢測到的人臉圖像也經(jīng)常會出現(xiàn)如帽子、眼鏡等遮擋物，除了這些，胡子以及劉海的變化也直接影響人臉的特征提取。當人臉圖像發(fā)生遮擋時，人臉的很多信息會丟失，導致人臉識別算法出錯或失效。

人臉識別系統(tǒng)主要包括四個組成部分:人臉圖像檢測、人臉識別預(yù)處理、人臉特征提取以及特征匹配與識別。

1.人臉圖像檢測

人臉圖像檢測是人臉識別過程的關(guān)鍵環(huán)節(jié)之一。人臉檢測是指對于任意一幅給定的圖像，采用一定的策略對其進行搜索以確定其中是否含有人臉，如果有，則返回檢測到的人臉圖像的位置、大小以及姿態(tài)。人臉檢測主要利用人臉圖像的直方圖特征、顏色特征、模板特征、結(jié)構(gòu)特征以及haar特征等。

2.人臉圖像預(yù)處理

預(yù)處理是指在進行人臉識別前，為了提高識別率，通過圖像處理技術(shù)對檢測得到的人臉圖像進行的一系列圖像質(zhì)量提高。這些處理主要包括灰度校正、噪聲過濾、光線補償、直方圖均衡化、歸一化等。

3.人臉特征提取

人臉特征提取是對人臉進行特征建模的過程，提取方法主要分為兩大類:基于知識的表征方法和基于代數(shù)特征或統(tǒng)計學習的表征方法。目前人臉識別技術(shù)中使用的人臉特征主要包括視覺特征、人臉圖像變換系數(shù)特征，人臉圖像代數(shù)特征等。其中基于知識的表征方法主要是根據(jù)人臉五官的形狀描述以及它們之間的距離特性來獲得有助于人臉分類的特征數(shù)據(jù)，其特征分量通常是使用特征點間的歐幾里得距離、曲率或角度等?；趲缀翁卣鞯谋碚鞣椒ㄊ侵咐萌四樜骞僦g的結(jié)構(gòu)關(guān)系的幾何描述進行人臉表征的方法。

4.人臉匹配與識別

匹配與識別是指利用上一步提取到的人臉特征，與樣本庫中存儲的特征模板進行搜索匹配，在這個過程中，需要預(yù)先定義一個閾值，當相似度超過該閾值，則輸出匹配結(jié)果。

本文僅做學術(shù)分享，如有侵權(quán)，請聯(lián)系刪文