张 敏 乔梦萱 刘 亭 张海艳

(北京城市学院，中国 北京100000)

0 引言

从美国9.11事件之后,人身份确定问题就不仅是在为了电子商务、家庭安全等服务了,而是提升到了国家安全的角度,如何利用人体的生物特征迅速确定一个人的身份成为各个国家重点研究的技术之一。在上个世纪，生物识别技术已经有了一定的发展,其中应用最广泛的便是指纹识别技术,在全球生物识别市场上指纹识别占了53%份额,这表明指纹识别技术已趋于成熟,但人脸识别技术的研究目前还处于起步阶段。人脸的检测与特征点提取是人脸识别技术不可分的部分,一个完整的人脸识别系统将是这两部分的有机结合。下文将对这两种技术做一些简单介绍及方法的论述。

1 人脸检测

1.1 人脸检测来源

最初人脸检测问题来源于人脸识别（FaceRecognition）。对于人脸识别的研究可以追溯到上个世纪六、七十年代，现如今经过几十年的曲折发展已日趋成熟。

人脸检测是自动人脸识别系统的一个关键环节，人脸检测中通常假设人脸位置一直或者容易获得，因此人脸检测问题并未受到广泛重视。随着电子商务等应用的蓬勃发展，人脸识别成为最有潜力的生物身份验证手段，在这种应用背景下，要求人脸识别系统能够对一般图象具有一定的识别能力。

1.2 人脸检测的定义

人脸检测指对于任意一副给定的图像，采用一定的策略对其进行搜索以确定其中是否含有人脸，如果是则返回脸的位置、大小和姿态。

1.3 人脸检测的难点

人脸是一类具有相当复杂的细节变化的自然结构目标，这类目标的挑战在于：由于外貌、表情、肤色等不同，人脸具有模式的可变性；一般情况下的人脸，可能存在眼镜或胡须等附属物；作为三维物体的人脸影像受由光照产生的阴影的影响。除此之外还有光照的影响，图象的成像条件等都对人脸的检测造成了不小的难度。

1.4 人脸检测的常用方法

目前常见的检测技术大致可分为3大类：

1）基于特征的方法

2）模板匹配法

3）基于统计的方法

具体方法有以下几种：

（1）参考模板法：首先设计一个或数个标准人脸的模板，再计算测试采集的样品与标准模板之间的匹配程度，并通过阈值来判断是否存在人脸。

（2）人脸规则法：人脸具有一定的结构分布特征，人脸规则的方法即提取这些特征生成相应的规则以判断测试样品是否包含人脸。

（3）特征子脸法：这种方法是将所有人脸集合视为一个人脸子空间，并基于检测样品与其在子空间的投影之间的距离判断是否存在人脸。

1.5 人脸检测的应用

每个人都有一张脸，是一个人最为重要的外貌特征。这种技术目前最热门的应用领域有三个方面：

（1）身份认证与安全防护。在世界上，在许多安全级别要求较高的区域，例如金融机构、机关办公大楼，都需要对人员进行大量的基于身份认证的门禁管理。除此之外，手机、笔记本电脑等个人电子用品，在开机和使用中也经常要用到身份验证的功能。

（2）图像搜索。目前，Google的图像搜索其实还只是文字搜索。基于人脸图像识别技术的搜索引擎将会具有广泛的发展前景。

1.6 人脸检测的现状

目前，国外对人脸检测问题的研究很多，比较著名的有MIT，CMU等；国内的清华大学、北京工业大学、中科院计算所和自动化所等都有人员从事人脸检测相关的研究。国际上发表的有关论文也大幅度增长，如IEEE的FG、ICIPCVPR等重要国际会议上每年都有大量关于人脸检测的论文，占有关人脸研究论文的1/3之多。由此可以看到世界对人脸检测技术的重视程度。

2 特征点提取

2.1 特征点提取的定义

特征提取是计算机视觉和图像处理中的一个概念。它是指使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是将图像上的点分为不同的子集，这些子集通常属于孤立的点、连续的曲线或者连续的区域。

特征点提取是人脸识别中最基本的问题之一。特征点提取不但从原始模式信息中提取出最有利于模式分类的特征，还能极大地降低模式样本的维数。所以对于人脸识别来说，有效的特征点提取时解决问题的关键之一。由下图，我们不难得出这样一个结论：特征提取在一个实际的人脸识别系统中也是至关重要的。

图1

2.2 特征点提取的难点

对于人脸识别中特征点提取技术来说，还存在各种不同的难点，主要因为人脸是一类具有相当复杂的细节变化的自然结构目标，对此类目标的挑战在于：人脸由于外貌、表情、肤色等的不同，所以人脸具有模式可变性；眼镜、头发、饰物和其他外部物体等引起面部图像的部分遮挡；复杂背景对人脸目标的干扰等都对特征点提取造成不同程度的影响。

2.3 特征点提取的常用方法

目前提取特征的方法分为两大类:基于整体特征的提取方法和基于局部特征的提取方法。这两类方法均在人脸识别研究领域取得了一定的成功,但同时各有其优缺点。前者不但保留了人脸部件间的拓扑关系,还能保留了各局部特征本身的信息,已成为特征提取方法的主流,然而面对较复杂的环境时,后者要好于前者。近年来的趋势是将人脸的整体特征和局部特征结合起来进行人脸识别。

2.3.1 基于局部特征的提取方法

该类方法有利用几何特征的提取方法和模板匹配法。模板匹配法是用一个包括人脸器官的模板来对各器官进行提取。当物体结构事先知道但大小、位置和中心不确定时,可变形模板法是一种有效的定位方法。

2.3.2 基于整体特征的提取方法

该类方法考虑了模式的整体属性,将人脸图像灰度分布作为一个特征模式来提取特征。由于对人脸整体特征的提取无需精确获取人脸各器官局部信息,可以充分考虑到图像本身具有的灰度信息,因此器官变化对人脸特征的影响不大,能够获得较好的识别效果。

除以上介绍的常用方法外，还有以下几种方法，在这里简单进行介绍：

1）基于几何特征的方法

思想：

提取人脸面部具有代表性的部位的相对位置和相对大小作为特征，再辅以人脸轮廓的形状信息作为特征。

特点：

容易受光照、面部表情、遮挡等因素的影响，稳定性不高。

2）模板匹配方法

思想：

在人脸识别中，把数据库的人脸图像看作己知的模板，再根据待识别图像和己知模板间相关性的大小进行分类。

特点：

模板匹配方法的计算量较大，而且除了光照、表情以外，还可能受到图像的平移旋转和放缩的严重影响模板匹配中互相关的计算。

2.4 特征点提取的现状

在实际问题中图像可能受到噪声、背景的干扰，也有可能发生平移、尺度、视角、光照等变化，如何选择合理的特征，使得这些特征不仅具有良好的表征性能，还能在上述因素变化下保持相对不变，以上直接决定了基于特征点的图像匹配效果。以计算机视觉的不变理论为基础，对图像特征的不变性研究是目前图像处理的重要环节。

图像特征的不变性研究目前已取得了大量的研究成果。这些研究主要集中于以下几方面：（1）不变特征的选取，例如图像的点、线、轮廓，像素点的强度等。（2）不变性获取的途径，例如通过特征变换、小波理论、神经网络、编码技术、等。（3）不变特征的描述，例如SIFT描述子、PCA-SIFT描述子、不变矩描述子、微颜色描述子、链码描述子等。

近年来，不变特征已引起国内外研究者和研究机构的广泛关注。在相关领域中，最具有代表性的是加拿大BritishColumbia大学智能计算实验室，该实验室开展了局部仿射不变特征提取方面的工作，其研究成果已应用于目标识别、全景图拼接、虚拟现实、机器人自主导航等领域。

3 总结及展望

现如今人脸自动识别技术已取得了巨大的成就，随着科技的发展，在实际应用中仍然面临困难，不仅要达到准确、快速的检测并分割出人脸部分，还要有效的变化补偿、特征描述、准确的分类的效果，所以我们要注重和提高以下几个方面：

（1）人脸局部和整体信息的相互结合能有效地描述人脸特征，基于混合模型的方法值得再进一步深入研究，以便准确描述复杂的人脸模式。

（2）多特征融合和多分类器融合的方法也是改善识别性能的一个手段。

（3）人脸为非刚体性，由于人脸之间的相似性以及各种变化因素的影响，准确的实现人脸识别仍较困难。为了使自动人脸识别技术具有实时性的要求，在必要时还需研究人脸与指纹、虹膜、语音等识别技术的融合方法。

（4）3D形变模型可以处理多种变化因素，具有很好的发展前景。目前三维人脸识别算法的选取还处于探索阶段，需要在原有传统识别算法的基础上进行改进和创新。

总之，人脸识别是一个极富挑战性的课题，仅仅采用一种现有方法难以取得良好的识别效果，如何与其它技术相结合；如何提高识别率和识别速度、减少计算量、提高鲁棒性；如何采用嵌入式及硬件实现；如何实用化都是未来值得研究的课题。