面像识别技术通过面像特征和它们之间的关系来进行识别。识别技术要抽取、组织这些具有唯一性的特征并实现识别的过程是非常复杂的,这涉及人工智能和机器知识学习系统。
人体面像识别技术包含三个部分。
1.人体面像检测
面像检测是指在动态的场景与复杂的背景中判断是否存在面像,并分离出这种面像。一般有下列几种方法:
(1)参考模板法。首先设计一个或数个标准人脸的模板,然后计算测试采集的样品与标准模板之间的匹配程度,并通过阈值来判断是否存在人脸。
(2)人脸规则法。由于人脸具有一定的结构分布特征,所谓人脸规则的方法即提取这些特征生成相应的规则以判断测试样品是否包含人脸。
(3)样品学习法。采用模式识别串人工神经网络的方法,即通过对面像样品集和非面像样品集的学习产生分类器。
(4)肤色模型法。依据面像肤色在色彩空间中分布相对集中的规律来进行检测。
(5)特征子脸法。将所有面像集合视为一个面像子空间,并基于检测样品与其在子孔间的投影之间的距离判断是否存在面像。
值得指出的是,上述5种方法在实际检测系统中也可综合采用。
2.人体面貌跟踪
面貌跟踪是指对被检测到的面貌进行动态目标跟踪。具体采用基于模型的方法或基于运动与模型相结合的方法。
此外,利用肤色模型跟踪也不失为一种简单而有效的手段。
3.人体面像比对
面像比对是对被检测到的面像进行身份确认或在面像库中进行目标搜索。这实际上就是说,将采样到的面像与库存的面像依次进行比对,并找出最佳的匹配对象。所以,面像的描述决定了面像识别的具体方法与性能。目前主要采用特征向量与面纹模板两种描述方法。
(1)特征向量法。先确定眼虹摸、.鼻翼、嘴角.等面像五官轮廓的大小、位置、距离等属性,然后再计算曲它们的几何特征量,而这些特征量形成一描述该面像的特征向量。
(2)面纹模板法。在库中存储若干标准面像模板或面像器官模板,在进行比对时,将采样面像所有像素与库中所有模板采用归一化相关量度量进行匹配。
此外,还有采用模式识别的自相关网络或特征与模板相结合的方法。
人体面貌识别技术的核心实际为“局部人体特征分析”和“图形/神经识别算法。其实现在很多的指纹门禁考勤机中不仅运用看指纹识别技术,同样也嵌入的面像识别技术。