人脸识别人工智能系统的原理与发展.docx
《人脸识别人工智能系统的原理与发展.docx》由会员分享,可在线阅读,更多相关《人脸识别人工智能系统的原理与发展.docx(7页珍藏版)》请在冰点文库上搜索。
人脸识别人工智能系统的原理与发展
人脸识别人工智能系统原理与发展
一、引言
人脸识别系统以人脸识别技术为核心,是一项新兴生物识别技术,是当今国际科技领域攻关高精尖技术。
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,利用生物统计学原理进行分析建立数学模型,具有广阔发展前景。
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
广义人脸识别实际包括构建人脸识别系统一系列相关技术,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;而狭义人脸识别特指通过人脸进行身份确认或者身份查找技术或系统。
生物特征识别技术所研究生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音(语音)、体形、个人习惯(例如敲击键盘力度和频率、签字)等,相应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,当指定人像在摄像头拍摄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人像或是指定人像与数据库中已登记某一对像作比对核实确定其是否为同一人。
搜索式比对是指,从数据库中已登记所有人像中搜索查找是否有指定人像存在。
人脸建模与检索:
可以将登记入库人像数据进行建模提取人脸特征,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),将指定人像进行建模,再将其与数据库中所有人模板相比对识别,最终将根据所比对相似值列出最相似人员列表。
真人鉴别功能:
系统可以识别得出摄像头前人是一个真正人还是一幅照片。
以此杜绝使用者用照片作假。
此项技术需要使用者作脸部表情配合动作。
图像质量检测:
图像质量好坏直接影响到识别效果,图像质量检测功能能对即将进行比对照片进行图像质量评估,并给出相应建议值来辅助识别。
人脸识别系统识别优势
慧眼人脸识别考勤机人脸识别优势在于其自然性和不被被测个体察觉特点。
所谓自然性,是指该识别方式同人类(甚至其他生物)进行个体识别时所利用生物特征相同。
例如人脸识别,人类也是通过观察比较人脸区分和确认身份,另外具有自然性识别还有语音识别、体形识别等,而指纹识别、虹膜识别等都不具有自然性,因为人类或者其他生物并不通过此类生物特征区别个体。
不被察觉特点对于一种识别方法也很重要,这会使该识别方法不令人反感,并且因为不容易引起人注意而不容易被欺骗。
人脸识别具有这方面特点,它完全利用可见光获取人脸图像信息,而不同于指纹识别或者虹膜识别,需要利用电子压力传感器采集指纹,或者利用红外线采集虹膜图像,这些特殊采集方式很容易被人察觉,从而更有可能被伪装欺骗。
人脸识别系统识别特点
人脸识别虽然人脸识别有很多其他识别无法比拟优点,但是它本身也存在许多困难。
人脸识别被认为是生物特征识别领域甚至人工智能领域最困难研究课题之一。
人脸识别困难主要是人脸作为生物特征特点所带来。
人脸在视觉上特点是。
第一、不同个体之间区别不大,所有人脸结构都相似,甚至人脸器官结构外形都很相似。
这样特点对于利用人脸进行定位是有利,但是对于利用人脸区分人类个体是不利。
第二、人脸外形很不稳定,人可以通过脸部变化产生很多表情,而在不同观察角度,人脸视觉图像也相差很大,另外,人脸识别还受光照条件(例如白天和夜晚,室内和室外等)、人脸很多遮盖物(例如口罩、墨镜、头发、胡须等)、年龄等多方面因素影响。
在人脸识别中,第一类变化是应该放大而作为区分个体标准,而第二类变化应该消除,因为它们可以代表同一个个体。
通常称第一类变化为类间变化(inter-classdifference),而称第二类变化为类内变化(intra-classdifference)。
对于人脸,类内变化往往大于类间变化,从而使在受类内变化干扰情况下利用类间变化区分个体变得异常困难。
人脸识别系统身份识别
慧眼人脸识别考勤机视频监控正在快速普及,众多视频监控应用迫切需要一种远距离、用户非配合状态下快速身份识别技术,以求远距离快速确认人员身份,实现智能预警。
人脸识别技术无疑是最佳选择,采用快速人脸检测技术可以从监控视频图象中实时查找人脸,并与人脸数据库进行实时比对,从而实现快速身份识别。
但近距离人脸识别技术对用户种种限制使得其在视频监控中难以使用。
面向视频监控远距离人脸识别技术在强劲需求带动下应运而生。
由于视频监控摄像机距离目标较远且用户处于非配合运动状态,使得采集质量好人脸图像比较困难,极易产生运动模糊,所采集图像质量远低于近距离配合状态下获取人脸图像;同时由于用户处于非配合运动状态,活动更自由,侧脸和背对摄像机概率大大增加,这就给人脸检测、人脸跟踪、人脸对比识别带来相当大困难;此外。
监控场景中通常会有多人同时出现,身体容易相互遮挡,给身份关联带来一定困难,且系统还需要对每一个人保持跟踪识别,这一系列因素导致面向视频监控远距离人脸识别难度非常大。
经过长期持续研究探索,在视频监控人脸识别技术上取得重大阶段性进展,使得把人脸识别技术应用在视频监控上成为可能。
相对于近红外人脸识别技术,可见光人脸识别会受到光线变化影响和照片视频攻击,但另一方因其可以很方便与现有各种普通监控摄像头联系,不需要专用红外摄像头,所以在与传统监控相结合,乃至升级都比较方便。
但其自身局限性也决定了其识别准确率远不及近红外技术,所以建议开发者使用在辅助人工之场合,例如人脸监控,VIP通道等。
人脸识别系统基本方法
人脸识别方法很多,主要人脸识别方法有:
(1)几何特征人脸识别方法:
几何特征可以是眼、鼻、嘴等形状和它们之间几何关系(如相互之间距离)。
这些算法识别速度快,需要内存小,但识别率较低。
(2)基于特征脸(PCA)人脸识别方法:
特征脸方法是基于KL变换人脸识别方法,KL变换是图像压缩一种最优正交变换。
高维图像空间经过KL变换后得到一组新正交基,保留其中重要正交基,由这些基可以张成低维线性空间。
如果假设人脸在这些低维线性空间投影具有可分性,就可以将这些投影用作识别特征矢量,这就是特征脸方法基本思想。
这些方法需要较多训练样本,而且完全是基于图像灰度统计特性。
目前有一些改进型特征脸方法。
(3)神经网络人脸识别方法:
神经网络输入可以是降低分辨率人脸图像、局部区域自相关函数、局部纹理二阶矩等。
这类方法同样需要较多样本进行训练,而在许多应用中,样本数量是很有限。
(4)弹性图匹配人脸识别方法:
弹性图匹配法在二维空间中定义了一种对于通常人脸变形具有一定不变性距离,并采用属性拓扑图来代表人脸,拓扑图任一顶点均包含一特征向量,用来记录人脸在该顶点位置附近信息。
该方法结合了灰度特性和几何因素,在比对时可以允许图像存在弹性形变,在克服表情变化对识别影响方面收到了较好效果,同时对于单个人也不再需要多个样本进行训练。
(5)线段Hausdorff距离(LHD)人脸识别方法:
心理学研究表明,人类在识别轮廓图(比如漫画)速度和准确度上丝毫不比识别灰度图差。
LHD是基于从人脸灰度图像中提取出来线段图,它定义是两个线段集之间距离,与众不同是,LHD并不建立不同线段集之间线段一一对应关系,因此它更能适应线段图之间微小变化。
实验结果表明,LHD在不同光照条件下和不同姿态情况下都有非常出色表现,但是它在大表情情况下识别效果不好。
(6)支持向量机(SVM)人脸识别方法:
近年来,支持向量机是统计模式识别领域一个新热点,它试图使得学习机在经验风险和泛化能力上达到一种妥协,从而提高学习机性能。
支持向量机主要解决是一个2分类问题,它基本思想是试图把一个低维线性不可分问题转化成一个高维线性可分问题。
通常实验结果表明SVM有较好识别率,但是它需要大量训练样本(每类300个),这在实际应用中往往是不现实。
而且支持向量机训练时间长,方法实现复杂,该函数取法没有统一理论。
人脸识别系统技术细节
一般来说,人脸识别系统包括图像摄取、人脸定位、图像预处理、以及人脸识别(身份确认或者身份查找)。
系统输入一般是一张或者一系列含有未确定身份人脸图像,以及人脸数据库中若干已知身份人脸图象或者相应编码,而其输出则是一系列相似度得分,表明待识别人脸身份。
目前人脸识别算法可以分类为:
基于人脸特征点识别算法(Feature-basedrecognitionalgorithms)。
基于整幅人脸图像识别算法(Appearance-basedrecognitionalgorithms)。
基于模板识别算法(Template-basedrecognitionalgorithms)。
利用神经网络进行识别算法(Recognitionalgorithmsusingneuralnetwork)。
人脸识别系统用途
人脸识别系统其实是台特殊摄像机,判断速度相当快,只需要0.01秒左右,由于利用是人体骨骼识别技术,所以即使易容改装,也难以蒙过它眼睛。
而且“人脸识别系统”具有存储功能,只要把一些具有潜在危险性“重点人物”“脸部特写”输入存储系统,重点人物如擅自闯关,就会在0.01秒之内被揪出来,同时向其他安保中心“报警”。
另外,某些重要区域如控制中心只允许特定身份工作人员进出,这时候面部档案信息未被系统存储所有人全都会被拒之门外。
与此前指纹识别系统相比,人脸识别系统有很多改进。
指纹技术使用寿命不如人脸识别系统,使用成本也高于人脸识别系统。
由于沾水、沾汗、沾灰,还有传感器只能在室内使用等原因,指纹识别系统在露天户外使用可能性很小。
而用于人脸识别摄像机一天24小时都可工作,第一它不侵犯人权,第二它是很安全,无论室内还是户外均可使用。
人脸识别系统意味着每个人脸上都贴着名字,外人看不见,但监控系统能看得见。
包括外国人,从踏入中国一瞬间,他图像和个人资料就会进入电脑控制中心,不管在什么地方出现,都可认出此人。
而且被观察人不知道有设备在监视他,起到了科技奥运、文明奥运功能。
人脸识别系统具有广泛应用:
人脸识别出入管理系统、人脸识别门禁考勤系统、人脸识别监控管理、人脸识别电脑安全防范、人脸识别照片搜索、人脸识别来访登记、人脸识别ATM机智能视频报警系统、人脸识别监狱智能报警系统、人脸识别RFID智能通关系统、人脸识别公安罪犯追逃智能报警系统等等。
人脸识别系统应用案例
1.企业、住宅安全和管理。
如人脸识别门禁考勤系统,人脸识别防盗门等。
2.电子护照及身份证。
这或许是未来规模最大应用。
在国际民航组织(ICAO)已确定,从2010年4月1日起,其118个成员国家和地区,必须使用机读护照,人脸识别技术是首推识别模式,该规定已经成为国际标准。
美国已经要求和它有出入免签证协议国家在2006年10月26日之前必须使用结合了人脸指纹等生物特征电子护照系统,到2006年底已经有50多个国家实现了这样系统。
今年年初,美国运输安全署(TransportationSecurityAdministration)计划在全美推广一项基于生物特征国内通用旅行证件。
欧洲很多国家也在计划或者正在实施类似计划,用包含生物特征证件对旅客进行识别和管理。
中国电子护照计划公安部一所正在加紧规划和实施。
3.公安、司法和刑侦。
如利用人脸识别系统和网络,在全国范围内搜捕逃犯。
4.自助服务。
如银行自动提款机,如果用户卡片和密码被盗,就会被他人冒取现金。
如果同时应用人脸识别就会避免这种情况发生。
三、总结
人脸识别技术是一门融合生物学、心理学和认知学等多学科、多技术(模式识别、图像处理、计算机视觉等)新生物识别技术,可用于身份确认(一对一比对)、身份鉴别(一对多匹配)、访问控制(门监系统)、安全监控(银行、海关监控)、人机交互(虚拟现实、游戏)等,因其技术特征而具有广泛市场应用前景。
人脸识别
相比于其他识别技术,人脸识别优势比较明显,主要集中在三个方面:
一是自然性,所谓自然性是指该识别方式同人类(包括其它生物)进行个体识别时所利用生物特征相同,是通过观察比较人脸区分和确认身份;具有自然性识别还有语音识别和体形识别,而指纹识别和虹膜识别等因人类或其他生物不能通过此类生物特征区别个体所以不具备自然性。
二是非强制性,被识别人脸图像信息可以主动获取而不被被测个体察觉,人脸识别是利用可见光获取人脸图像信息,而不同于指纹识别或者虹膜识别需要利用电子压力传感器采集指纹,或者利用红外线采集虹膜图像,这些特殊采集方式很容易被人察觉,从而带有可被伪装欺骗性。
三是非接触性,相比较其他生物识别技术而言,人脸识别是非接触,用户不需要和设备直接接触,而同时能够满足在实际应用场景下进行多个人脸分拣、判断及识别。
我们坚信,随着人脸识别技术进一步成熟和社会认同度提高,人脸识别产品将应用在更多领域。
我们相信人脸识别技术在未来几年内将会有更广阔发展空间,也能够为安防领域作为更大贡献。