人臉檢測技術

人臉檢測技術

人臉檢測的英文名稱是Face Detection. 人臉檢測問題最初來源於人臉識別(Face Recognition)。人臉識別的研究可以追溯到上個世紀六、七十年代,經過幾十年的曲折發展已日趨成熟。

基本介紹

  • 中文名:人臉檢測
  • 外文名:Face Detection
  • 來源:人臉識別
  • 特點:生物身份驗證手段
來源,定義,難點,研究現狀,技術套用,

來源

人臉檢測是自動人臉識別系統中的一個關鍵環節。早期的人臉識別研究主要針對具有較強約束條件的人臉圖象(如無背景的圖象),往往假設人臉位置一直或者容易獲得,因此人臉檢測問題並未受到重視。
隨著電子商務等套用的發展,人臉識別成為最有潛力的生物身份驗證手段,這種套用背景要求自動人臉識別系統能夠對一般圖象具有一定的識別能力,由此所面臨的一系列問題使得人臉檢測開始作為一個獨立的課題受到研究者的重視。今天,人臉檢測的套用背景已經遠遠超出了人臉識別系統的範疇,在基於內容的檢索、數字視頻處理、視頻檢測等方面有著重要的套用價值。

定義

人臉檢測是指對於任意一幅給定的圖像,採用一定的策略對其進行搜尋以確定其中是否含有人臉,如果是則返回一臉的位置、大小和姿態。
人臉檢測技術

難點

人臉檢測是一個複雜的具有挑戰性的模式檢測問題,其主要的難點有兩方面,
一方面是由於人臉內在的變化所引起:
(1)人臉具有相當複雜的細節變化,不同的外貌如臉形、膚色等,不同的表情如眼、嘴的開與閉等
(2)人臉的遮擋,如眼鏡、頭髮和頭部飾物以及其他外部物體等;
另外一方面由於外在條件變化所引起:
(1)由於成像角度的不同造成人臉的多姿態,如平面內旋轉、深度旋轉以及上下旋轉,其中深度旋轉影響較大
(2)光照的影響,如圖像中的亮度、對比度的變化和陰影等。
(3)圖像的成像條件,如攝像設備的焦距、成像距離,圖像獲得的途徑等等。
這些困難都為解決人臉問題造成了難度。如果能找到一些相關的算法並能在套用過程中達到實時,將為成功構造出具有實際套用價值的人臉檢測與跟蹤系統提供保證。

研究現狀

國外對人臉檢測問題的研究很多,比較著名的有MIT,CMU等;國內的清華大學、中科院計算所和自動化所、南京理工大學、北京工業大學等都有人員從事人臉檢測相關的研究。而且,MPEG7標準組織已經建立了人臉識別草案小組,人臉檢測算法也是一項徵集的內容。隨著人臉檢測研究的深入,國際上發表的有關論文數量也大幅度增長,如IEEE的FG、ICIP\CVPR等重要國際會議上每年都有大量關於人臉檢測的論文,占有關人臉研究論文的1/3之多。由此可以看到世界對人臉檢測技術的重視。

技術套用

每個人都有一張臉,而且是一個人最重要的外貌特徵。這種技術最熱門的套用領域有三個方面:
第一,身份認證與安全防護。在這個世界上,只要有門的地方幾乎都帶有一把鎖。當然,在許多安全級別要求較高的區域,例如金融機構、機關辦公大樓、運動場館、甚至重要設施的工地,都需要對大量的人員進行基於身份認證的門禁管理。手機、筆記本電腦等個人電子用品,在開機和使用中經常要用到身份驗證功能。
第二,媒體與娛樂。人們的許多娛樂活動都是跟臉部有關的。最著名的娛樂節目之一就是川劇的變臉。在網路虛擬世界裡,通過人臉的變化,可以產生大量的娛樂節目和效果。手機、數位相機等消費電子產品中,基於人臉的娛樂項目越來越豐富。QQ、MSN等即時通信工具以及虛擬化身網路遊戲也是人臉合成技術的廣闊市場。
第三,圖像搜尋。傳統搜尋引擎的圖像搜尋其實還是文字搜尋。基於人臉圖像識別技術的搜尋引擎將會具有廣泛的套用前景。而且大部分以圖片作為輸入的搜尋引擎,例如tineye(2008年上線)、搜狗識圖(2011年上線)等,本質上是進行圖片近似拷貝檢測,即搜尋看起來幾乎完全一樣的圖片。2010年推出的百度識圖也是如此,在經歷兩年多的沉寂之後,百度識圖開始向另一個方向探索。與之前的區別在於,如果用戶給出一張圖片,百度識圖會判斷裡面是否出現人臉,如果有,百度識圖在相似圖片搜尋之外,同時會全網尋找出現過的類似人像。
新增加的技術簡而言之,首先是人臉檢測並提取出特徵表達,隨後再據此進行資料庫對比,最後按照相似度排序返回結果。其實,人臉檢測並不是新技術,相關研究已有三十年歷史,然而直到去年底,百度才決定推動這一技術付諸實施。
全球70億人口,人臉相關技術套用前景不可限量!

相關詞條

熱門詞條

聯絡我們