人脸识别之见解.doc

最早的人脸识别研究可以追溯到上世纪50年代 Brune r和 Tagiur i于 195 4 年从心理学角度进行的研究, 20 世纪 60 年代 Bledsoe 从工程学角度进行了探索。早期的研究工作包括 Galto n 对人脸轮廓的生物学测定和 Darwin 对基于情感的人脸表情研究,但真正的人脸机器自动识别则起步于 20 世纪 70 年代。自上世纪 90 年代后,自动人脸识别研究越来越受到国内外学者的广泛关注, 也积累了大量的研究成果, 提出了许多人脸识别技术方法。我们可以将自动人脸识别技术研究大体分为以下三个阶段: 人脸识别的研究历史比较悠久。高尔顿(Galton) 早在 1888 年和 1910 年就分别在《 Nature 》杂志发表了两篇关于利用人脸进行身份识别的文章,对人类自身的人脸识别能力进行了分析。但当时还不可能涉及到人脸的自动识别问题。最早的 AFR1 的研究论文见于 1965 年陈( Chan )和布莱索( Bledsoe )在 Panoramic Research Inc. 发表的技术报告,至今已有四十年的历史。近年来, 人脸识别研究得到了诸多研究人员的青睐, 涌现出了诸多技术方法。尤其是 1990 年以来,人脸识别更得到了长足的发展。几为了更好地对人脸识别研究的历史和现状进行介绍, 本文将 AFR 的研究历史按照研究内容、技术方法等方面的特点大体划分为三个时间阶段自动人脸识别技术(AFR) 是一项极具挑战性的前沿研究课题。它试图通过计算机分析人脸图像并从中提取有效识别信息,达到辨认人员身份的目的。对 AFR 技术的研究不仅具有重大的理论和学术研究意义,而且具有潜在的巨大应用价值。人脸识别研究中应该关注什么? 人脸识别是一个热门的研究课题,主要研究方法有: 1)以 PCA 和 LDA 为代表的全局特征提取方法, 相关论文不断涌现。个人认为, 相关改进方法具有很大的投机性, 因为其一般在所选择的几个数据集上说明效果似乎比现有相关方法好(很多时候,现有的方法没有得到很好的实现,如参数的调整等) ,但是,事实上,这些所谓的新方法在一些更难的数据集上并不能比现有的方法好(在这方面,我有两篇讨论论文, 一篇发表在 PR ,一篇 IVC ) 。此外,这类方法,很多时候是一种概念上炒作,比如 2D 等。这类方法的局限性在于, 以传统模式识别的思路来思考人脸识别问题, 很少真正意义上考虑人脸的图像属性(也许有人说 2D 考虑了,但是,我要说,这是个美丽的谎言)。 2) 局部算子,以 LBP,SIFT 等为代表。这些方法考虑了图像的纹理特征,在 FERET 上的实验表明, 优于 1) 中的方法。当然, 此类方法, 还应该包括局部化的 PCA 和 LDA ( 这里的局部化指通过划分子模式, 而非现在流行的 LPP 之类方法)。个人认为, 这类方法考虑到了人脸的图像特征, 应该是未来值得深入研究的方向。但是, 在这类方法中, 块到底分多大( LB P 声称对块大小不敏感,这应该是个美丽的谎言) ,以及开发出更有效的算子是一个值得研究的课题。 3) 前两种方法的组合。目前人脸识别的 benchmark 以室类受控的图像库为主, 但是以 FRGC 为代表的新数据库开始关注 outdoor 图像。我个人认为, 就人脸识别而言, 再花大精力改进传统统计特征提取方法, 并在简单的诸如 ORL 、 YALE 上验证其有效性,应该没有多大前途。我们应该更多以图像的思维来思考人脸识别, 提高人脸识别在实际 outdoor 场合的效果, 也许是搞人脸识别人的出路。欢迎讨论,以促进人脸识别的发展(国内这方面的研究应该还是有相当的实力的,因为,北大和清华都参加了 FRGC2006 测试,并且结果似乎不怎么坏)。脸识别方法个人见解看到 关于人脸识别的帖子, 萌发写这个帖子的念头。没有别的意思, 就是想抛砖引玉, 把问题说的全面一点,希望 和回其帖子的兄弟姐妹们不要介意。如有兴趣,欢迎继续讨论。在以下讨论中, TPAMI = IEEE Transactions on PAMI 这个杂志 PAMI 是指 pattern analysis and machine intelligence 这两个领域 1) PCA 和 LDA 及其相关方法 Eigenfaces 和 Fisherfaces 无疑是人脸识别中里程碑式的工作。就使用的方法而言, PCA 和 LDA 都不是新方法, 但是他们都是被第一次十分明确的用在人脸识别中的方法。之所以说" 十分明确" ,是因为就发表的时间来看,这两个论文都不是首次把这两个方法用在 PAMI 相关的分类识别中。这给我们一个小小的启示: 一个新的方法专注于解决一个具体的问题可能会带来更大的影响,虽然这个方