3、人臉識別的優(yōu)勢與困難
3.1優(yōu)勢
人臉識別的優(yōu)勢在于其自然性和不被被測個體察覺的特點。所謂自然性，是指該識別方式同人類（甚至其他生物）進行個體識別時所利用的生物特征相同。例如人臉識別，人類也是通過觀察比較人臉區(qū)分和確認身份的，另外具有自然性的識別還有語音識別、體形識別等，而指紋識別、虹膜識別等都不具有自然性，因為人類或者其他生物并不通過此類生物特征區(qū)別個體。不被察覺的特點對于一種識別方法也很重要，這會使該識別方法不令人反感，并且因為不容易引起人的注意而不容易被欺騙。人臉識別具有這方面的特點，它完全利用可見光獲取人臉圖像信息，而不同于指紋識別或者虹膜識別，需要利用電子壓力傳感器采集指紋，或者利用紅外線采集虹膜圖像，這些特殊的采集方式很容易被人察覺，從而更有可能被偽裝欺騙。
3.2困難
人臉識別被認為是生物特征識別領(lǐng)域甚至人工智能領(lǐng)域最困難的研究課題之一。人臉識別的困難主要是人臉作為生物特征的特點所帶來的。
相似性：不同個體之間的區(qū)別不大，所有的人臉的結(jié)構(gòu)都相似，甚至人臉器官的結(jié)構(gòu)外形都很相似。這樣的特點對于利用人臉進行定位是有利的，但是對于利用人臉區(qū)分人類個體是不利的。
易變性：人臉的外形很不穩(wěn)定，人可以通過臉部的變化產(chǎn)生很多表情，而在不同觀察角度，人臉的視覺圖像也相差很大，另外，人臉識別還受光照條件（例如白天和夜晚，室內(nèi)和室外等）、人臉的很多遮蓋物（例如口罩、墨鏡、頭發(fā)、胡須等）、年齡等多方面因素的影響。
在人臉識別中，第一類的變化是應(yīng)該放大而作為區(qū)分個體的標準的，而第二類的變化應(yīng)該消除，因為它們可以代表同一個個體。通常稱第一類變化為類間變化（inter-class difference），而稱第二類變化為類內(nèi)變化（intra-class difference）。對于人臉，類內(nèi)變化往往大于類間變化，從而使在受類內(nèi)變化干擾的情況下利用類間變化區(qū)分個體變得異常困難。
3.3主要用途
人臉識別主要用于身份識別。由于視頻監(jiān)控正在快速普及，眾多的視頻監(jiān)控應(yīng)用迫切需要一種遠距離、用戶非配合狀態(tài)下的快速身份識別技術(shù)，以求遠距離快速確認人員身份，實現(xiàn)智能預(yù)警。人臉識別技術(shù)無疑是最佳的選擇，采用快速人臉測試技術(shù)可以從監(jiān)控視頻圖象中實時查找人臉，并與人臉數(shù)據(jù)庫進行實時比對，從而實現(xiàn)快速身份識別。
4、人臉圖像采集及檢測定位
4.1人臉圖像采集
不同的人臉圖像都能通過攝像鏡頭采集下來，比如靜態(tài)圖像、動態(tài)圖像、不同的位置、不同表情等方面都可以得到很好的采集。當用戶在采集設(shè)備的拍攝范圍內(nèi)時，采集設(shè)備會自動搜索并拍攝用戶的人臉圖像。
4.2人臉檢測定位
人臉檢測定位是人臉分析中的第一步，它要在輸入圖像中搜索人臉，并確定人臉的位置和尺寸信息。從單幅圖像中進行人臉檢測定位常需要克服由于人臉朝向不同、光照條件的改變、景物遮擋的存在，甚至不同表情給人臉外觀帶來的變化等一系列問題。在為識別而進行的人臉檢測定位中，一般設(shè)人在圖像中的存在性是否確定的，否則常需要先對人進行檢測。在通常情況下，并不能設(shè)一副圖像中只有一個人臉，如只有一個人臉則常可直接采用人臉分割的方法。人臉與人體的分離也是一個困難的問題，一般也不用目標檢測的方法。
人臉特征定位是近年來圖像處理領(lǐng)域的熱點問題之一，很多學者已經(jīng)提出各種各樣的定位算法，主要有常用的三類方法[5]：第一類方法是基于整體人臉的灰度模板匹配的方法，這種方法運算量太大，且受亮度變化影響太大。第二類方法是人工神經(jīng)網(wǎng)絡(luò)方法，通過大量樣本的訓(xùn)練，最后對圖像各區(qū)域進行判決。該方法在理論上十分可行，但是訓(xùn)練樣本的選擇和網(wǎng)絡(luò)收斂均非易事。第三類方法是膚色檢測的方法，這種方法利用了數(shù)字圖像的彩色信息，大大提高了檢測的速度，基本能做到實時檢測并且不受人臉旋轉(zhuǎn)或人側(cè)轉(zhuǎn)的影響，但由于膚色空間和其他顏色空間的交叉性，已有的方法只能限制在簡單的背景，在復(fù)雜的背景圖像中誤檢率非常高。
而近年來, 也有些國內(nèi)外學者們根據(jù)定位所依據(jù)的基本信息的類型,將現(xiàn)有的臉部特征定位方法分為基于先驗規(guī)則、基于幾何形狀信息、基于色彩信息、基于外觀信息和基于關(guān)聯(lián)信息等5 大類 。
1) 基于先驗規(guī)則 先驗規(guī)則是關(guān)于臉部特征一般特點的經(jīng)驗描述。 人臉圖像有一些明顯的基本特征, 如臉部區(qū)域通常包括雙眼、鼻和嘴等臉部特征, 其亮度一般低于周邊區(qū)域; 雙眼大致對稱, 鼻、嘴分布在對稱軸上等。 為了利用這些基本特征進行臉部特征定位, 一般要先對輸入圖像作變換, 使所要使用的特征得到強化, 而后根據(jù)規(guī)則從圖中篩選出候選點或區(qū)域。 此類方法的難點在于, 如何將人們的直觀印象精確地表述為可應(yīng)用的代碼化規(guī)則, 以及如何處理規(guī)則的精確性與普適性之間的矛盾。
2) 基于幾何形狀信息 幾何形狀信息, 即目標對象的幾何形狀特征, 具有很好的直觀性, 易于理解和應(yīng)用, 因而很早就在模式識別領(lǐng)域得到廣泛的使用。 基于幾何形狀信息類方法的一般思路是：根據(jù)臉部特征的形狀特點構(gòu)造一個帶可變參數(shù)的幾何模型, 并設(shè)定一個相應(yīng)的評價函數(shù)以量度被檢測區(qū)域與模型的匹配度, 搜索時,不斷調(diào)整參數(shù)使能量函數(shù)最小化, 使模型逐漸收斂于待定位的臉部特征。
3) 基于色彩信息 色彩信息類方法的基本思想是用統(tǒng)計方法對目標對象的色彩建模, 在搜索中根據(jù)被測點的色彩與模型的匹配度, 篩選出待測特征的可能位置。 色彩信息在人臉檢測中有廣泛的應(yīng)用, 而在臉部特征定位方面的應(yīng)用則相對較少, 這是因為, 膚色在色彩空間中具有聚合性, 而臉部特征的色彩信息較為復(fù)雜, 如眼與嘴, 以及眼睛的瞳孔與眼白的色彩有顯著區(qū)別,這給統(tǒng)一建模造成了一定的難度。
4) 基于外觀信息 與幾何信息類方法和色彩信息類方法不同的是, 外觀信息類方法不再面向像素級判斷, 而是將一定區(qū)域(窗口) 內(nèi)的圖像整體視作一個隨機變量, 并映射為高維空間中的一個點。 這樣,同一類型的臉部特征就可以描述為高維空間中的一個點集, 可以用統(tǒng)計方法對其分布規(guī)律建模, 在搜索中, 通過計算待測區(qū)域與模型的匹配度即可判定其是否包含目標臉部特征。 這類方法對圖像質(zhì)量、環(huán)境條件和目標對象狀態(tài)等方面的變化有較好的適應(yīng)能力, 近年來引起研究者們的廣泛關(guān)注。
5) 基于關(guān)聯(lián)信息 上述方法大多從局部著眼, 試圖依據(jù)像素本身(色彩信息類方法) 或鄰近像素之間的相互關(guān)系(幾何、外觀類方法) 來做出判斷, 但局部信息的區(qū)分度有限, 在不受限制的條件下往往存在著大量的相似點, 這就增大了后期處理的難度。 為了解決這個問題, 研究者們引入了關(guān)聯(lián)信息, 試圖利用臉部特征之間存在著的較穩(wěn)定的相對位置關(guān)系來縮小候選點范圍。 與前面提到的先驗知識不同的是, 這些方法所使用的關(guān)聯(lián)信息都是通過統(tǒng)計學習得到的。