Matthew A. Turk and Alex P. Pentland
Vision and Modeling Group,The Media, Laboratory
Massachusetts Institute of Technology
摘要
我们当前的方法来检测和识别人脸和描述工作、实时人脸识别系统的跟踪,并承认的人相比,那些特点的认识。我们的方法对人脸识别作为一个二维的认识问题,利用面临的事实,因此通常正直可描述由一个小的二维特征提出自己的观点。面对图像投射到特征空间(“空间”),最好的编码的变化已知脸孔图像。面部的空间被定义为“特征脸”。 而成立的特征;他们未必符合孤立的特征,例如眼睛、耳朵、鼻子。这个框架提供学习的能力,在无人监督的方式下确认人的身份。
1导论
开发一种计算模型的人脸识别是相当困难的.,因为面对复杂、多维的,有意义的视觉刺激。他们是一个天然的类的对象,站在正弦光栅,形成鲜明对比的是,“块”,世界和其他人工刺激人体和计算机视觉应用于研究[1]。因此大多数早期的视觉功能,为我们构建具体型号的视网膜或指纹活动。人脸识别是一种非常高的水平任务计算方法目前仅仅能建议广大限制对相应的神经活动
我们因此集中研究开发一种早期,目前的模式识别能力并不依赖于有充分的threw-dimensional模型或详细的几何形状。我们的目标是建立一个计算模型的人脸识别速度快、合理简便、准确约束的环境中,如办公室或家庭。
虽然人脸识别是一种高水平的视觉问题,有相当多的结构的任务。我们利用一些这样的结构方案,提出了识别的基础上,信息理论的方法。寻最相关的信息进行编码在一面临这将最好的区别,你们也要怎样相爱。这个方法转化成一个小的脸孔图像的特征图像,称为“特征脸”,即是主成分的初期培训的脸孔图像。识别进行了新的图像投射到子空间跨越了特征脸(“空间”),然后将其地位进行了比较,脸的空间位置已知的个体。
手指灯 自动学习和后来的认识新面孔是实际在这个框架内。不同条件下的识别了合理的训练一定
数量的特点,对“查看”正45度角度、剖面视图)。这个方法具有其他人脸识别方案在其速度和简单、学习能力、小或逐渐改变人脸图像。
1．1背景和相关的迟钝
“很多的工作在计算机识别的脸已经集中检测个人特征,如眼、鼻、口,头部轮廓,定义一个脸型的位置、大小、和之间的关系,这些特征。从Bledsoe的“2],[3] Kanade的早期系统、自动化或semi-automated策略的人脸识别和分类模型基础上,脸标准化距离特征点之间的比率。最近这个一般方法已经持续改善工作的Yuille近期文献[4]等。
这种方法也证明很难向视图,往往是很脆弱的。在研究人类策略的人脸识别,另外,表明个体特征及其直接关系的代表组成不足为成人,性能的人脸识别[5]。这种方法虽然仍是最受欢迎的人脸识别在计算机视觉文学。
联结方法试图捕捉到人脸识别,或类似完全构型性质的任务Fleming和Cottrell [6],建筑在先前的工作,Lahtio Kohonen[7]中,利用非线性部队训练网络通过繁殖,脸孔图像进行分类。STONHAM的WISARD系统[8]已被应用一些成功,都面临影像二进制的身份和表达。大多数
的联结系统处理的面孔对待导正之输入影像中作为一种普遍的二维模式,并能使不明确的使用性能的构型一张脸。只有非常简单的系统进行了探讨,还不清楚他们将规模较大的问题
最近的工作由伯特等使用“智能感应”的方法基于多分辨率模板匹配[9]。这一策略使用专用的电脑而且建造金字塔图像的快速计算多尺度,已经确认人们在实时的。面对由手工模型从图像。
2 特征脸识别
先前的工作已经忽视了自动化fa.ec识别哪些方面的问题,仅仅是重要的脸刺激识别、假设预定义的测量和足够的有关。这个建议对我们而言,信息理论方法的脸孔图像编码和解码可能给洞察脸孔图像的信息内容,强调了显著的局部和全局的“特征”。这样的特征,可以或不可以直接关系到我们直觉概念等特征的脸,眼睛,鼻子,嘴和头发
在语言信息理论,我们想要的相关信息提取人脸图像编码,尽可能高效、一比一脸编码与数据库模式编码类似。一个简单的方法来提取信息包含在一张脸,不知何故,捕捉变异收藏的脸孔图像,独立于任何判断的特点,并运用该信息进行编码和比较个体面对图像。
在数学方面,我们希望到主成分的分布的面孔,或特征向量的协方差矩阵的脸的图像。这些特征能被认为是一组特征之间的变化特征,一起面对图像。每个形象定位贡献或多或少地各特征向量,以便我们可以显示特征向量作为一种诡异的脸,我们称之为一个特征脸。这些脸如图2所示。
在每一个人脸图像的训练可以准确的特征脸的线性组合。这个数字可能特征脸等于数量的脸孔图像的训练。然而面对也可近似的使用“最好”特征脸——那些有最大的特征,并因此账户内最方差的脸孔图像。主要原因是使用更少的特征脸计算效率。最好的M，M特征脸跨度——脸子空间——维空间——所有可能的图像。不同频率的正弦波的作为和相位的功能分解(和傅里叶其实是特征函数线性系统),特征脸向量的基础特征脸分解。
这种利用特征脸的办法是出自一个技术开发，Sirovich和Kirby[10]有效代表的面部照片,采用主成分分析法。他们认为收藏的脸孔图像大致可重构,储存收集各面和一小、标准的照片。
它发生在美国,如果一个多面图像可以通过加权和的重建图像的特点,收集了一种有效的方法来学习就会认人,建立从已知的脸孔图像的特点,通过比较特别的脸识别特征权值的需要(大
约)重建他们的重量与已知的个体。
下列步骤总结的认识过程。
1。初始化:获得培训的脸孔图像和计算,确定了特征脸的空间。桥壳
2。当一个新的人脸图像时,计算出了一套基于导正之输入影像中权重和M 特征脸输入图像由投射到每个特征脸。
3。确定图像是一脸(无论是已知的抑或未知的)通过检查,看看这个形象是足够接近“脸空间.
（a）
(b)
图1:(a)脸图像作为训练集(b)一般的脸ψ。
模切机刀模 4。如果它是一张脸,分类权重模式为任何一个已知的人还是未知的。
5。(可选)。如果同样的未知的脸见过几次,计算其特点及纳入了重量模式的脸孔(即学会认出它)。
2.1特征脸计算
让脸部图像1(x, y)是一个二维N由N数组的强度值,或者一个向量的维N2期。一个典型的图像的大小由256描述了矢量256的尺寸、536、65、点设置,65岁,536子空间。一组图片;地图的点在这个巨大的空间。
图像的相似,在总体结构,是不会被随机分配在这个巨大的影像空间,从而可以被一个相对地空间的子空间。主要思想的主要成分分析 (或者是Karhunen-Loeve试验)扩张到向量空间分布的最佳账户内的脸孔图像的整体形象的空间。这些向量空间的定义的脸孔图像,这段时间我们称之为“脸”的每一个向量空间的长度,描述了一个护士被N2期的形象,是一种氮、线性组合的本来面目图像。因为这些向量所对应的协方差矩阵的本来面目,因为the3T图像中有类似脸的出现。我们称呼他们,像“特征脸实例的特征脸如图2所示。
引线器
（1）
图2 7个特征脸从图像中计算图表1,没有这些背景移除
2.3用特征脸检测的面孔
我们也可以利用知识的脸空间检测和定位的脸在单一的图像。这让我们认识到在场的面孔除了任务的识别
创造矢量的重量为一幅图像等效投影到低维面图像的空间。在区间之间的距离图像投射到厚度和它之间的距离调整法导正之输入影像中,A和B,其投影涂敷于脸部的空间。
在图3、影像投射在面对彻底时空间,而投影的人脸出现截然不同。这一基本理念是用来探测的面孔出现在一个场景:在每个位置的形象,计算距离ε当地首先和面部的空间。面对这种距离空间使用
电工工具袋
作为衡量“特征脸”,那么结果计算距离空间中面临的每一点的形象是一个“空间”ε (x, y)的图像。图4显示的图形,它的脸的图像值低(黑暗的地区)意味着存在的脸，有一种截然不同的最低面对相应位置地图的脸的形象。
不幸的是,这个距离测度的直接计算是相当昂贵。我们已经为此研制出一种简单、更有效的计算方法,在面对图e(x, y);而在[11]了。
2.4面空间重写
一张脸,在特定的脸在训练,应该接近于一般的脸的空间,是“face-like描述图像。换句话说,投影距离阈值应该是在一些εB6。已知的个人形象工程接近应该相应的脸类,即εk <θε。因此有四种可能性一输入影像和它的模式向量:(1)附近的空间和附近一脸类;(2)附近的空间,但没有脸靠近一个已知的脸;(3)从遥远的空间和附近一脸爪;(4)从遥远的空间,而不是附近一个已知的脸。图5显示这四个选项,简单的例子,两个特征脸。
第一种情况,个体识别和鉴定。在第二种情形,未知的个体。最后两个案例表明,形象不是一个人脸图像。三个典型病例出现假阳性的作为;在我们最识别系统的框架,然而,虚假的识别能被检测出显著的距离和子空间的形象将面临影像。图3所示了一些图片和投影到脸上的空间。图3(a)和(b)的病例1,而图3(c)说明情况。
在我国现行制度计算的特征脸做的途径。大约需要350个人来运行SUN公司的工作系统来处理128x128大小的图像。
图5 面对空间的简化版的结果说明了四个突出的图像面对空间在这种情况下,有两个特征脸(u1和u2)和三种已知的个人(Ω1医疗保健器具，Ω2和Ω3)。
3识别实验
对这种方法的可行性进行评估,我们面对联盟进行实验,建立存储脸孔图像识别和定位系统在动态环境下面临的。我们首先创建一个大型数据库的脸孔图像采集、各式各样成像条件。使用此数据库已经进行了几次试验来评价在已知的照明、规模、变化和方向。
在第一项研究中,不同的照明效果,大小和头部方向是采用了完整的数据库的2500图像。不同体的十六个图像的选择与应用的训练。在每个训练有诅咒一个图像的每一个人,都采取相同的条件下,图片尺寸,点燃头部方向。所有的图像数据库进行分类，16个个别未知脸被
拒绝。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议