1、基于计算机视觉的人脸检测与识别研究 侯雨静 孙福明 辽宁工业大学 摘 要： 本文主要概述了人脸识别技术发展的历程和发展现状。从人脸检测定位、面部特征提取以及人脸确认识别三个方面, 归类和总结了现有开源的方法和技术, 包括:seetaface 方法和腾讯优图方法。详细介绍了这两种开源方法在各个模块所涉及到的方法和原理, 用开源方法对恶劣天气、偏移角度等特殊情况进行处理, 并在此基础上指出了各自的优缺点。关键词： 人脸检测; 特征点定位; 识别; 对比; 深度学习; 1 引言1.1 研究背景人类进入 21 世纪以来, 信息安全存在的隐患日益突出, 公共安全越来越为人所重视。而传统的识别方法在飞速发
2、展的今天已经完全不能满足人类对于信息安全的需求, 人家逐渐将目光转移到生物体征这一方面。生物体征由遗传 DNA 决定, 是人类与生俱来的一向特征, 并且具有独一无二的特点。1.2 研究现状人类对于机器人脸识别的研究至今已经发展了将近 70 年, 在一定程度上虽然取得了成果, 但是对于人脸识别的整项技术技术来说, 外部环境造成的影响, 比如光线的明暗、复杂的背景和不同的拍摄角度, 又或者是人类自身的面部特征变化, 比如表情的变化、面部的遮挡以及不同的姿态, 还是对识别的精确度造成了比较大的影响。2 算法2.1 Seetaface 算法Seetaface 人脸识别主要分为三个部分, 分别为人脸检测
3、, 特征点定位以及特征提取与对比三个模块。在人脸检测模块中, 多个针对不同姿态的快速 LAB 级联分类器1构成 Fu St 级联结构的顶部, 中间结构的组成部分是若干个基于 SURF 特征的多层感知机 (MLP) , 结尾部分处理所有姿态候选窗口的是一个统一的同样是基于 SURF 特征的 MLP 级联结构2, 整个模块呈现出一个上宽下窄的漏斗型结构3。图 1 人脸检测模块 Fu St 级联结构示意图 下载原图特征点定位模块中的 CFAN 结构级联了多级栈式自编码器4网络, 其中的每一级都刻画从人脸表观到人脸形状的部分非线性映射。具体来说, 待图像在经过人脸检测模块处理并检测出人脸区域后向特征点
4、定位模块输入人脸区域, 处于自编码器网络的第一级结构直接从该人脸区域的低分辨率版本中进行快速估计并得到大致的人脸形状 S0。并在此过程中提高分辨率。以此类推, 人脸对齐结果在通过级联多个栈式自编码器网络后, 随着分辨率的越来越高以实现逐步优化。图 2 自编码网络对齐方法 下载原图特征提取与对比模块是基于卷积神经网络6的。具体地说, VIPLFace Net 将5x5 的卷积核拆分为两层 3x3 的卷积核同时, 通过引入快速归一化的理念, 加快其收敛速度, 模型的泛化能力也在一定程度上得以提升。图 3 Seetaface 人脸识别系统流程 下载原图2.2 腾讯优图算法腾讯优图算法是由腾讯旗下专注
5、于机器识别领域的计算机团队最新开发的一种算法, 在人脸检测与识别等领域总结先前的解决方案并深入研究。腾讯优图算法中的人脸检测与分析和五官定位均采用了人脸识别经典算法中的Boosting 算法7, Boosting 算法的主要原理是提高弱分类算法准确度。作为一种框架算法, 它在通过对样本集的操作并获得样本子集后, 在样本子集上通过弱分类器算法训练生成基分类器。在获得若干个基分类器后, 将其加权融合, 产生一个结果分类器。在人脸识别部分, 腾讯优图团队主要采用了传统方法与深度学习8相结合的方法实现。图 4 腾讯优图算法人脸识别流程示意图 下载原图3 特殊条件下的人脸识别在日常生活中, 由于恶劣天气
6、、偏移角度等外在条件的影响, 人脸识别的应用总会遇到各种问题。人脸识别技术的发展, 就是要在现有正脸识别的技术上, 尽可能地解决将在实际应用中出现的问题。本节将就上文提出的算法, 对出现的几种问题进行处理。3.1 雾霾情况下的人脸识别在最近的几年中, 雾霾不仅对我的身体健康造成了影响, 对于人脸识别技术来说, 也是一个不小的挑战。本文对雾化图像的处理做出了对比。图 5 Seetaface 和腾讯优图处理结果 下载原图由以上对比结果可以清晰的看出, 腾讯优图算法在处理雾霾天气的条件中, 精确度并不如 Seetaface 的高。Seetaface 到第三级雾霾天气才出现无法识别的情况。3.2 一定
7、偏移角度的人脸识别图 6 Seetaface 和腾讯优图处理结果 下载原图腾讯优图对于偏移角度具有预判能力, 在偏移角度为 90时, 仍能检测出人脸存在。Seetaface 在偏移角度为 45时检测能力出现问题, 90则无法识别。4 实验结果分析人脸识别在日常生活中的应用会遇到各式各样的问题, 雾霾天气、偏移角度和局部遮挡是其中比较典型的问题, 本文中的几种开源算法亦拥有其各自的优点及在实际应用中的问题。Seetaface 算法在处理雾霾环境及局部遮挡时, 基本可以准确的进行人脸识别, 并能精准的定位五官位置, 但是眼部的遮挡以及当面部存在的一定偏移角度对识别会产生较大的影响。腾讯优图算法在面
8、部存在一定偏移角度时仍能对人脸进行基本准确的检测, 并能对五官位置进行较为准确的预判, 使得识别结果比较准确, 局部遮挡对其准确性也不会产生较大的影响。但是当处于雾霾环境时, 腾讯优图算法的准确性不够高, 不能在雾霾时准确的检测与识别人脸。5 总结人脸识别算法在实现的过程中, 一般分为三个方面:人脸检测、特征点定位与特征的提取与对比。每一套人脸识别系统基本都是由这三个方面组成。人脸识别作为当前模式识别与人工智能的研究热点之一, 是一项十分重要的身份识别与鉴定的重要技术, 具有十分广阔的应用前景。参考文献1Shuzhe Wu, Meina Kan, Zhenliang He, Shiguang
9、Shan, and Xilin Chen.Funnel-Structured Cascade for Multi-View Face Detection with Alignment-Awareness.2016. 2Jie Zhang, Shiguang Shan, Meina Kan, Xilin Chen.Coarse-toFine Auto-Encoder Networks (CFAN) for Real-Time Face Alignment.ECCV 2014. 3Xin Liu, Meina Kan, Wanglong Wu, Shiguang Shan, Xilin Chen.
10、VIPLFace Net:An Open Source Deep Face Recognition SDK.Frontier of Computer Science. 4Shengye Yan, Shiguang Shan, Xilin Chen, Wen Gao.Locally Assembled Binary (LAB) Feature for Fast and Accurate Face Detection.IEEE Computer Society International Conference on Computer Vision and Pattern Recognition, CVPR2008, Anchorage, Alaska, U.S.A, Jun.2008. 5吴岸城.神经网络与深度学习M.电子工业出版社.2016.06:100-102. 6周志华.机器学习M.清华大学出版社.2016.01:97-120. 7Shai Shalev Shwartz.Understand Machine Learning:From Theory to AlgorithmsM.Cambridge University Press, May.2014:130-140. 8张重生.深度学习M.电子工业出版社.2016.12:152-160.
