人脸识别系统主要由四部分组成,分别是:人脸图像的采集与检测,人脸图像的预处理,人脸图像的特征提取,匹配和识别。
1、人脸识别系统获取和检测人脸图像。
人脸图象采集:利用相机拍摄的不同人脸图像,如静态图像、动态图像、不同位置、不同表情等,都能很好地采集到不同的人脸图像。当用户处于采集设备的拍摄范围内时,采集设备将自动进行搜索和拍摄用户的人脸图像。
人脸检测:在实际应用中,人脸检测主要用于人脸识别的预处理,即在图像中准确标定人脸的位置和大小。人脸图像所包含的模式特征非常丰富,如直方图特征、颜色特征、模板特征、结构特征和Haar特征等。人脸检测就是将这些有用的信息挑出,并利用这些特征来进行人脸检测。
在人脸检测过程中,利用算法选取最能代表人脸的矩形特征(弱分类器),采用加权投票的方法将弱分类器构造为一个强分类器,再将训练后得到的几种强分类器串联构成级联结构的层叠分类器,有效地提高了该分类器的检测速度。
2、人脸识别系统对人脸图像的预处理。
人脸图像预处理:对人脸的预处理是根据人脸检测的结果,对图像进行处理,最后为特征提取服务。由于受各种条件的限制和随机干扰,系统获得的图像往往不能直接使用,必须在图像处理的早期阶段进行灰度校正、噪声过滤等图像预处理。在人脸图像中,预处理主要包括光线补偿、灰度变换、直方图均衡、归一化、几何校正、滤波、锐化等步骤。
3、人脸识别系统提取人脸图像的特征。
人脸图像特征提取:人脸识别系统可用的特征通常包括:视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。针对人脸的某些特征,进行了人脸特征提取。人脸特征提取,也叫人脸表征,是对人脸进行特征建模的过程。人脸特征提取的方法主要分为两大类:一类是基于知识的表征方法;另一类是基于代数特征或统计学习的表征方法。
以知识为基础的表征方法主要是根据人脸器官的形状描述及其相互间的距离特征,获取特征点的欧氏距离、曲率、角度等特征进行分类。人脸是由眼、鼻、口、颚等部分组成的,对这些局部及其结构关系的几何描述,可以作为识别人脸的重要特征,这些特征称为几何特征。人脸特征表征主要包括基于知识几何特征和模板匹配两种方法。
4、人脸识别系统对人脸图像的匹配和识别。
人脸图像的匹配与识别:将人脸图像的特征数据与数据库中存储的特征模板进行匹配,当相似度超过该阈值时,通过设定阈值将匹配结果输出。人脸识别就是将所识别的人脸特征与所获得的人脸特征模板进行比较,根据相似度来判断人脸的身份信息。这个过程又分为两种类型:一种是确认,一种是一对一图像比较的过程,另一种是身份识别,是一对多进行一对多的匹配对比。