人脸识别技术主要算法原理 人脸识别系统原理( 四 )


面像辨认体系的测试
基于对面像辨认技巧在军事安全等范畴主要性的斟酌,美国国防部的ARPA赞助树立了一个对现有面像辨认技巧进行评测的程序,并分离于1994年8月、1995年3月和1996年9月(截至1997年3月)组织了三次面像辨认和人脸确认的性能评测,其目标是要展现面像辨认研讨的最新进展和最高学术程度,同时发明现有面像辨认技巧所面临的重要问题,为以后的研讨供给方向性指南 。尽管该测试只对美国研讨机构开放,但它在事实上成为了该范畴的公认测试尺度,其测试成果已被以为反应了面像辨认研讨的最高学术程度 。
依据2000年公开发表的FERET’97测试报告,美国南加州大学(USC)、马里兰大学(UMD)、麻省理工学院(MIT)等研讨机构的面像辨认技巧具有最好的辨认性能 。在训练集和测试集摄像条件类似的200人的辨认测试中,几个体系都发生了接近100%的辨认率 。值得一提的是,即使是最简略的相干匹配算法也具有很高的辨认性能 。在更大对象集的FERET测试中(人数大于等于1166人),在同一摄像条件下采集的正面图像辨认中,最高首选辨认率为95%;而对用不同的摄像机和不同的光照条件采集的测试图像,最高首选辨认率骤降为82%;对一年后采集的图像测试,最大的精确率仅仅接近51% 。
该测试成果表明,目前的面像辨认算法对于不同的摄像机、不同的光照条件和年纪变更的适应才能非常差,理应得到研讨者的足够看重 。而且值得注意的是,该测试中所用的人脸图像均为比拟尺度的正面人脸图像,姿势变更非常小,也没有夸大的表情和饰物,以及没有提及面部毛发转变的情形 。所以,我们以为,除了FERET测试所揭示的上述面像辨认研讨须要面对的问题之外,还须要斟酌诸如姿势、饰物(眼镜、帽子等)、面部表情、面部毛发等可变因素对面像辨认性能的影响 。这些因素也是开发适用的面像辨认产品时必定会遇到的最症结的技巧问题 。
为进一步测试商业面像辨认体系的性能,并揭示2000年前后面像辨认技巧的最新进展,美国国防部的反毒品技巧开发筹划办公室于去年5月和6月对美国的重要商业面像辨认体系进行了评测,称为FRVT’2000(Face Recognition Vender Test)评测 。该筹划邀请了美国所有面像辨认体系厂商加入,共24家,但只有8家响应,最终有5家公司加入了评测,而只有3家的体系在规定时光内完成了全体比较试验 。可以以为,这3家公司的产品是目前最具竞争力的商业辨认体系,它们分离是FaceIt体系、Lau Tech.公司的体系和C-VIS公司的体系 。FRVT’2000评估了这些体系对图像紧缩、用户-摄像机距离、表情、光照、录制装备、姿势、分辩率和时光间隔等影响因素的辨认性能 。成果表明,面像辨认体系的性能与1997年的测试相比有了必定的提高,但其辨认性能对各种条件,如光照、老化、距离、姿势等,仍然离人们的期望值较远 。
国内:
中科院-上海银晨
近年来,国内学者在对特点脸技巧进行认真研讨的基本上,尝试了基于特点脸特点提取办法和各种后端分类器相联合的办法,并提出了各种各样的改良版本或扩大算法,重要的研讨内容包含线性/非线性判别剖析(LDA/KDA)、Bayesian概率模型、支撑矢量机(SVM)、人工神经网络(NN)以及类内和类间双子空间(inter/intra-class dual subspace)剖析办法等等 。
近年来,中科院盘算所在对特点脸技巧进行认真研讨的基本上,尝试了基于特点脸特点提取办法和各种后端分类器相联合的办法,并提出了各种各样的改良版本或扩大算法,重要的研讨内容包含线性/非线性判别剖析(LDA/KDA)、Bayesian概率模型、支撑矢量机(SVM)、人工神经网络(NN)以及类内和类间双子空间(inter/intra-class dual subspace)剖析办法等等 。
针对Eigenface算法的缺陷,中科院盘算所提出了特定人脸子空间(FSS)算法 。该技巧起源于但在实质上差别于传统的"特点脸"人脸辨认办法:"特点脸"办法中所有人共有一个人脸子空间,而中科院盘算所的办法则为每一个体人脸树立一个该个体对象所私有的人脸子空间,从而不但能够更好的描写不同个体人脸之间的差别性,而且最大可能地抛弃了对辨认不利的类内差别性和噪声,因而比传统的"特点脸算法"具有更好的判别才能 。另外,针对每个待辨认个体只有单一训练样本的人脸辨认问题,中科院盘算所提出了一种基于单一样本生成多个训练样本的技巧,从而使得须要多个训练样本的个体人脸子空间办法可以实用于单训练样本人脸辨认问题 。在Yale人脸库、本试验室350人图像库上的比较试验也表明中科院盘算所提出的办法比传统的特点脸办法、模板匹配办法对表情、光照、和必定规模内的姿势变更具有更好的鲁棒性,具有更优的辨认性能 。


推荐阅读