Facial recognition technology will change the way we live | The Economist
 |
隨著資訊科技不斷發展，影像資訊越來越廣泛的應用與娛樂、教育、安全、生活等各種領域。
本文介紹了人臉辨識技術的研究方向、應用領域及技術優勢，並針對人臉辨識技術在影像監控系統中，應用的架構、關鍵技術和演算法，做了有益的探討，特別對矯正有旋轉角度的人臉影像技術，做了較為詳盡的表述。
最後得出結論人臉辨識技術，可以應用於監控系統中。而基於人臉辨識技術的智慧影像監控系統，應該具有十分廣泛的應用前景。
本文介紹了人臉辨識技術的研究方向、應用領域及技術優勢，並針對人臉辨識技術在影像監控系統中，應用的架構、關鍵技術和演算法，做了有益的探討，特別對矯正有旋轉角度的人臉影像技術，做了較為詳盡的表述。
最後得出結論人臉辨識技術，可以應用於監控系統中。而基於人臉辨識技術的智慧影像監控系統，應該具有十分廣泛的應用前景。
 |
1 影像監控系統的應用現狀
影像監控系統的發展，經歷了第一代的全類比系統、第二代的部分數位化的系統、第三代的完全數位化的系統(網路攝影機和影像伺服器)三個階段的發展演變。
現有的數位影像監控系統，實現了影像監控手段的數位化、網路化和整合化，但是它存在一個最主要的缺陷：對視訊內容只能靠人來判斷，同時，它多用於「事後處理」，並不能充分發揮影像監控系統的主動性。
人臉辨識智慧影像監控系統的出現，是影像監控系統發展的又一里程碑，智慧影像監控系統能夠辨識不同的物體，發現監控畫面中的異常情況，並能夠以最快和最佳的方式，發出警報和提供有用資訊，從而能夠更加有效地協助安全人員處理危機，並最大限度地降低誤報和漏報現象。
2 人臉辨識技術
2.1 人臉辨識技術的研究及應用範疇。
人臉辨識(Face Recognition)亦稱臉像辨識，是人類視覺系統的基本功能，也是人類互相辨識的最直接手段，因此他是生物特徵辨識中的重要研究內容。人臉辨識技術作為一種新興的生物特徵辨識技術，概括說，他是一種依據人體臉部特徵的自動身份鑑別技術。
人臉辨識綜合運用了數位影像/影像處理、模式辨識、電腦視覺等多種技術。人臉辨識技術在公共安全、人機互動等領域具有廣泛的應用前景，這一點已經為世人所公認。
同時，人臉辨識也是人工智慧領域的重大研究課題，因此吸引了大量的研究人員對此展開深入研究，到現在已有30 多年的研究歷史。自20 世紀90年代以來(特別是美國「911」恐怖襲擊事件發生以後)，人臉辨識技術在研究及應用方面，更是得到了長足的發展。人臉辨識別的研究範圍大致可以分為如下幾個方面的內容：
(1)人臉檢測(Face Detection)：即從各種不同的場景中，檢測出人臉的存在，並確定其位置。在大多數的場合中由於場景較複雜，人臉的位置是預先不知道的，因而首先必須確定場景中，是否存在人臉，如果存在人臉，再確定影像中人臉的位置。
臉部毛髮、化妝品、光照、噪聲、臉部傾斜和人臉大小變化，以及各種遮擋等因素，會使人臉檢測問題變得更為複雜。人臉檢測的主要目的是在輸入的整幅影像上尋找人臉區域，把影像分割成兩個部分2 人臉區域和非人臉區域，從而為後續處理奠定基礎。
(2)人臉表徵(Face Representation)：即採取某種表示方式表示檢測出的人臉和資料庫中的已知人臉。通常的表示法包括幾何特徵(如歐氏距離、曲率、角度)、代數特徵(如矩陣特徵向量)、固定特徵模板、特徵臉、雲紋圖等。
(3)人臉辨識(FaceIdentification)：即將已檢測到的待辨識的人臉，與資料庫中的已知人臉進行比較匹配，得出相關資訊，這一過程的核心是選擇適當的人臉的表徵方式與匹配策略，系統的構造與人臉的表徵方式密切相關。
通常或是選擇全域性的方法，或是選擇基於特徵的方法，進行匹配。顯然，基於側面像所選擇的特徵，和基於正面像的特徵是有很大的區別的。
通常或是選擇全域性的方法，或是選擇基於特徵的方法，進行匹配。顯然，基於側面像所選擇的特徵，和基於正面像的特徵是有很大的區別的。
(4)表情分析(Expression Analysis)：即對待辨識人臉的表情資訊(快樂、悲傷、恐懼、驚奇等)進行分析，並對其加以歸類。
(5)生理分類(Physical Classification)：即對待辨識人臉的生理特徵進行分析，得出其種族、年齡、性別、職業等相關資訊。顯然，完成這一操作需要大量的知識，通常是非常困難和複雜的。
 |
| Facial recognition on the rise, FIDO adds support for Bluetooth ... |
2.2 人臉辨識技術優勢。
人臉辨識作為一種新興的生物特徵辨識技術(Bio-metrics)，與虹膜辨識、指紋掃描、掌形掃描等技術相比，人臉辨識技術在應用方面具有獨到的優勢：
(1)使用方便，使用者接受度高。
(2)直觀性突出。
(3)識別精確度高，速度快。
(4)不易仿冒。
(5)使用通用性裝置。
(5)使用通用性裝置。
(6)基礎資料易於獲得。
3 人臉辨識影像監控系統的架構
人臉辨識影像監控系統有四大核心部分：視訊處理/人臉捕獲工作站、人臉比對工作站、黑名單資料庫和報警顯示工作站。影像處理/人臉捕獲：在視訊影像中發現人臉，評估影像品質，並提交給人臉辨識比對模組；
人臉辨識比對模組：對登陸的照片提取特徵模板，並與黑名單資料庫相比較；黑名單照片採集：建立模板並將模板資料，加入黑名單資料庫；
報警顯示：根據比對結果，顯示報警結果，或將報警資訊傳遞給 PDA或其它手提終端。
人臉辨識比對模組：對登陸的照片提取特徵模板，並與黑名單資料庫相比較；黑名單照片採集：建立模板並將模板資料，加入黑名單資料庫；
報警顯示：根據比對結果，顯示報警結果，或將報警資訊傳遞給 PDA或其它手提終端。
 |
| AI's About Face – Chris Middleton |
4 人臉辨識監控系統的關鍵問題
(1)人臉辨識中的光照問題。
光照變化是影響人臉辨識效能的最關鍵因素，對該問題的解決程度關係著人臉識別實用化程序的成敗。需要從人臉影像中，將固有的人臉屬性和光源、遮擋及高光等，非人臉固有屬性分離開來，在人臉影像預處理或者歸一化階段，進行針對性的光照補償，以便消除非均勻正面光照造成的陰影、高光等對辨識效能影響;
(2)人臉檢測與跟蹤問題。
人臉檢測是人臉身份辨識的前期工作，而人臉跟蹤就是根據人臉檢測定位的結果，對運動序列後續幀中的目標人臉的運動軌跡，和輪廓變化進行持續的跟蹤檢測。
一個複雜背景下的多級結構的人臉檢測，與跟蹤系統可採用模板匹配、特徵子臉、彩色資訊等人臉檢測技術，這樣能夠檢測平面內旋轉的人臉，並可跟蹤任意姿態的運動的人臉。
一個複雜背景下的多級結構的人臉檢測，與跟蹤系統可採用模板匹配、特徵子臉、彩色資訊等人臉檢測技術，這樣能夠檢測平面內旋轉的人臉，並可跟蹤任意姿態的運動的人臉。
(3)去冗問題。
要求人臉辨識監控系統，能對視訊捕捉中的畫面，能夠快速的檢測單個和多個人臉影像，並自動去冗餘，減除重複的畫像，並提取相應的人臉影像特徵，實現人臉的快速比對，並輸出相應的結果資訊。
(4)人臉辨識中的姿態問題。
姿態問題涉及頭部在三維垂直座標系中，繞三個軸的旋轉造成的面部變化，其中垂直於影像平面的兩個方向的深度旋轉，會造成面部資訊的部分缺失。
一種方案是基於姿態不變特徵的方法，即尋求那些不隨姿態的變化而變化的特徵。
另一種方案是採用基於統計的視覺模型，將輸入姿態影象校正為正面影像，從而可以在統一的姿態空間內，作特徵的提取和匹配。
一種方案是基於姿態不變特徵的方法，即尋求那些不隨姿態的變化而變化的特徵。
另一種方案是採用基於統計的視覺模型，將輸入姿態影象校正為正面影像，從而可以在統一的姿態空間內，作特徵的提取和匹配。
5 結語
隨著生物特徵技術的發展，人臉辨識技術正逐漸由理論探索的過程，轉入了實際應用的階段，全球都出現了專業的人臉辨識產品。人臉辨識技術具有廣泛的應用前景，在公共安全、智慧門禁、智慧視訊監控、公安布控、海關身份驗證等有著典型的應用。
其中基於人臉辨識技術的智慧視訊監控系統，可以有效地解決目前數位監控系統存在的某些難題，如確定監控場景中是否有人，對監視物件難以跟蹤、確定當前監控物件的身份等問題。
其中基於人臉辨識技術的智慧視訊監控系統，可以有效地解決目前數位監控系統存在的某些難題，如確定監控場景中是否有人，對監視物件難以跟蹤、確定當前監控物件的身份等問題。
 |
 |
| NETGEAR 壁掛式交換器Click Switch |
沒有留言:
張貼留言