基于视频的人脸识别研究进展概述

陈梦娴 戴文博

摘 要 目前，我国的科技发展十分迅速，人脸识别是基于人脸的基本特征对人的身份进行鉴别和分析的技术，具有较好的发展和应用前景。随着人脸识别技术的不断进步与完善，基于视频的人脸识别技术得到了有效的应用和扩展，为图像处理、模式识别等领域的发展和完善，提供重要保障，同时，为认证、监控等工作提供有效的技术支持。本文就基于视频的人脸识别展开探讨，分析基于视频的人脸识别研究进展，提出基于视频人脸识别的具体方法，正确地选择人脸识别的形式，解决人脸识别技术的中的相关问题，为相关行业的发展和进步提供基础保障，并为社会安定与和谐提供动力。

关键词 视频;特征提取;人脸识别;研究进展

引言

目前，视频图像采集点已经基本覆盖了各大城市的主要道路及各类公共场所，个别地区如广州越秀区、珠海市等，其应用视频监控技术破获命案的比率更是达到了95%以上，视频监控系统在城市公共安全和治安管理方面起到了十分重要的作用。但是，现阶段的视频分析以人工处理的方式为主，仍缺乏自动化手段，视频智能分析算法的整体发展还远远跟不上视频监控系统建设的步伐。自动化人脸识别技术是智能视频监控系统的关键一环，能够实现以计算机的自动化识别代替人工识别，达到快速、高效、精准的人脸身份自动鉴别的目的。人脸识别经过多年的研究，其核心技术有了长足的发展，针对室内可控环境的静态高清人脸识别技术已经日趋成熟并逐渐投入使用。然而，在现实的监控环境中，由于视频人脸图像往往存在分辨率偏低、非均匀光照、多姿势、非中性表情等因素的干扰，其成像质量不能达到静态人像识别的建议标准，对人脸识别系统的要求提出了非常大的挑战。

1人脸目标检测

①基于知识的方法基于知识的方法是根据人脸器官的对称性和灰度差异性等先验知识，将这些不变的规律转化成一些规则，然后在进行人脸检测时，采用这些规则对人脸图像各区域进行搜索和判断，当符合规则时则判定为人脸，否则为非人脸。采用基于知识的人脸检测方法，将人脸面部区域分成4×4部分，根据每部分的灰度值制定人脸判定规则。在进行人脸检测时，采用三级检测方案，首先在全局进行初步检测，检测出可能存在人脸的区域，然后在此基础上进行第二级检测，最后通过对眼睛和嘴唇的边界检测来确认人脸区域。②基于肤色的方法基于肤色的方法是利用人脸与图像背景间颜色的差异实现人脸区域的检测。基于不同种族和不同个体的肤色能够归类原理，采用RGB颜色空间，在滤除亮度变化影响后，比较待检测图像中像素点的R，G值和人脸肤色的范围值，进而推断出人脸区域。基于肤色的人脸检测方法直接将可能的人脸区域区分出来，具有较快的检测速度，并适用于复杂背景下多人脸检测。但是，由于个体差异的不同，较难建立通用的人脸肤色模型，而且肤色模型容易受到光照等因素的影响[1]。

2基于视频的人脸识别研究分析

2.1 视频-图像（多幅图像）的人脸识别

视频-图像的人脸识别是指以人脸视频作为输入数据，根据视频中的人脸截取图像情况将这些人脸图像与视频库中的人脸基本情况进行比对分析，从而获得准确的人脸数据，但是由于人脸库中的图像是静止的，如何有效地对输入的视频信息进行提取，进而更好地进行人脸识别是目前面临的主要困境。传统的视频-图像的人脸识别主要是根据输入视频中的人脸识别跟踪情况，搜索满足基本信息的人脸图像。但是，传统的视频-图像的人脸识别，不能有效地将视频中的时间和空间连续信息加以应用，已经不能满足信息安全、视频监控、计算机视觉等领域的应用需求。此外，传统的视频-图像的人脸识别中，还采用多副人脸照片，通过采用联合规则的方法，实现对人脸的识别，但是由于该识别方式具有一定的随机性，影响人脸识别的效率和质量。基于上述传统的识别情况，研究人员对基于视频的人脸识别展开了进一步的研究和分析，使得视频-图像人脸识别可以科学的对时间和空间连续信息进行应用，结合贝叶斯理论，对身份变量和运动矢量的分布情况进行分析和解读，使得输入质量和输入效率可以得到提高，减少自然因素对识别的干扰，进而保障识别的质量。还有部分研究表明，控制人脸特征的输入，使得输入的准确性和可靠性得到进一步的提升，并满足相关标准。结合相关数学模型，得到准确的运动矢量情况，进而保障识别结果。

2.2 视频人脸识别的姿态问题

视频监控人脸识别中最主要的问题是姿态问题。处理姿态问题的视频识别方法，最直观的就是从视频序列里挑选较小姿态的人脸图像进行识别。这种方法虽然没有充分利用视频的时序信息，但是简单迅速，过滤后的视频信息仍然具有一定的冗余性，而且当前的姿态估计算法也有了成熟的发展。也有的方法寻求从视频数据生成三维模型，在实际测试过程中利用三维模型生成查询人脸照片（视频）条件下的光照和姿态变化，从而与注册视频进行比对。但是这类方法的计算复杂度高，生成的虚拟图像可能和真实变化的图像差距较大，不同步骤存在计算误差的累积。另一大类方法是对视频数据按照姿态建立多个姿态模型，即多视角模型[2]。

3基于视频的人脸识别发展分析

基于视频的人脸识别数据库的应用，可以有效保障识别的效率和识别的质量，數据库的中人脸特征与视频中的人脸进行比对分析，进而得到准确的识别信息，通过对基于视频的人脸识别发展分析，可以得到基于视频的人脸识别技术的发展方向和发展前景。①人脸识别的特征定位水平和定位质量得到进一步的提升，保障人脸的匹配度，提高人脸识别的效率和准确性。②人脸识别的输入方式，结合图像复原技术、超分辨率技术等，使得的人脸的特征可以得到进一步的展示。③人脸的3D建模，结合的人脸的基本情况以及视频数据的基本情况，科学的展开计算和控制，实现3D模型的建立，进而达到精度提升的效果。

4结束语

通过对基于视频的人脸识别即视频-图像（多幅图像）的人脸识别和视频-视频的人脸识别的技术分析，了解相关技术的优缺点，明确了现阶段视频环境下人脸识别所急需解决的问题，为进一步推动基于视频的人脸识别技术发展，提供了必要的研究基础。

参考文献

[1] 佚名.视频监控人脸识别技术获新进展[J].传感器世界，2013，（11）：45.

[2] 黄淼，张国平.基于多目标进化封装的特征选择在人脸识别中的应用[J].科学技术与工程，2013，（33）：9835-9842.