人臉識(shí)別經(jīng)過近 40 年的發(fā)展，取得了很大的發(fā)展，涌現(xiàn)出了大量的識(shí)別算法。這些算法的涉及面非常廣泛，包括模式識(shí)別、圖像處理、計(jì)算機(jī)視覺、人工智能、統(tǒng)計(jì)學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、小波分析、子空間理論和流形學(xué)習(xí)等眾多學(xué)科。所以很難用一個(gè)統(tǒng)一的標(biāo)準(zhǔn)對(duì)這些算法進(jìn)行分類。

人臉識(shí)別技術(shù)

根據(jù)輸入數(shù)據(jù)形式的不同可分為基于靜態(tài)圖像的人臉識(shí)別和基于視頻圖像的人臉識(shí)別。因?yàn)榛陟o態(tài)圖像的人臉識(shí)別算法同樣適用于基于視頻圖像的人臉識(shí)別，所以只有那些使用了時(shí)間信息的識(shí)別算法才屬于基于視頻圖像的人臉識(shí)別算法。

人臉識(shí)別系統(tǒng)算法有哪些?

一個(gè)典型的基于視頻圖像的人臉識(shí)別系統(tǒng)一般都是自動(dòng)檢測(cè)人臉區(qū)域，從視頻中提取特征，最后如果人臉存在則識(shí)別出人臉的身份。在視頻監(jiān)控、信息安全和出入控制等應(yīng)用中，基于視頻的人臉識(shí)別是一個(gè)非常重要的問題，也是目前人臉識(shí)別的一個(gè)熱點(diǎn)和難點(diǎn)。

基于視頻比基于靜態(tài)圖像更具優(yōu)越性，因?yàn)?Bruce 等人和 Knight 等人已證明，當(dāng)人臉被求反或倒轉(zhuǎn)時(shí)，運(yùn)動(dòng)信息有助于(熟悉的)人臉的識(shí)別。雖然視頻人臉識(shí)別是基于靜態(tài)圖像的人臉識(shí)別的直接擴(kuò)展，但一般認(rèn)為視頻人臉識(shí)別算法需要同時(shí)用到空間和時(shí)間信息，這類方法直到近幾年才開始受到重視并需要進(jìn)一步的研究和發(fā)展。目前視頻人臉識(shí)別還有很多困難和挑戰(zhàn)，具體來說有以下幾種：

視頻圖像質(zhì)量比較差：視頻圖像一般是在戶外(或室內(nèi)，但是采集條件比較差)獲取的，通常沒有用戶的配合，所以視頻人臉圖像經(jīng)常會(huì)有很大的光照和姿態(tài)變化。另外還可能會(huì)有遮擋和偽裝。

人臉圖像比較?。和瑯?，由于采集條件比較差，視頻人臉圖像一般會(huì)比基于靜態(tài)圖像的人臉識(shí)別系統(tǒng)的預(yù)設(shè)尺寸小。小尺寸的圖像不但會(huì)影響識(shí)別算法的性能，而且還會(huì)影響人臉檢測(cè)，分割和關(guān)鍵點(diǎn)定位的精度，這必然會(huì)導(dǎo)致整個(gè)人臉識(shí)別系統(tǒng)性能的下降。

視頻人臉識(shí)別起源于基于靜態(tài)圖像的人臉識(shí)別，即識(shí)別系統(tǒng)自動(dòng)的檢測(cè)和分割出人臉，然后用基于靜態(tài)圖像的識(shí)別方法進(jìn)行識(shí)別。對(duì)這類方法的一個(gè)提高是加入了人臉跟蹤。在這類系統(tǒng)中，通過利用姿態(tài)和從視頻中估計(jì)到的深度信息合成一個(gè)虛擬的正面人臉。這個(gè)階段的另外一個(gè)能提高識(shí)別率的方法是利用視頻中充裕的幀圖像，基于每幀圖像的識(shí)別結(jié)果，使用 ” 投票 ” 機(jī)制。投票方法可以是確定的，但是概率投票方法一般來說更好。投票機(jī)制的一個(gè)缺點(diǎn)是計(jì)算結(jié)果的代價(jià)比較昂貴。