人脸识别监控系统的关键问题

    现有的人脸识别系统在用户配合、 采集条件比较理想的情况下可以取得令人满意的结果。人脸识别技术远未达到实用水平,对于用户不配合或采集条件不理想(如光照悪劣,有遮挡,图像分辨率低等)的情况下,人脸识别监控系统还存在着诸多的挑战性问题需要解决,主要问题如下:

    现有的人脸识别系统在用户配合、 采集条件比较理想的情况下可以取得令人满意的结果。人脸识别技术远未达到实用水平,对于用户不配合或采集条件不理想(如光照悪劣,有遮挡,图像分辨率低等)的情况下,人脸识别监控系统还存在着诸多的挑战性问题需要解决,主要问题如下:

  (1)人脸识别中的光照问题

  光照变化是影响人脸识别性能的最关键因素,对该问题的解决程度关系着人脸识别实用化进程的成败。需要从人脸图像中将固有的人脸属性和光源、遮挡及高光等非人脸固有属性分离开来,在人脸图像预处理或者归一化阶段进行针对性的光照补偿,以便消除非均匀正面光照造成的阴影、高光等对识别性能影响。

  (2)人脸检测与跟踪问题

  人脸检测是人脸身份识别的前期工作,而人脸跟踪就是根据人脸检测定位的结果,对运动序列后续帧中的目标人脸的运动轨迹和轮廓变化进行持续的跟踪检测。一个复杂背景下的多级结构的人脸检测与跟踪系统可采用模板匹配、特征子脸、彩色信息等人脸检测技术,这样能够检测平面内旋转的人脸,并可跟踪任意姿态的运动的人脸。

  (3)去冗问题

  要求人脸识别监控系统能对视频捕捉中的画面能够快速的检测单个和多个人脸图像,并自动去冗余,减除重复的画像,并提取相应的人脸图像特征实现人脸的快速比对,并输出相应的结果信息。

  (4)人脸识别中的姿态问题

  姿态问题涉及头部在三维垂直坐标系中绕三个轴的旋转造成的面部变化,其中垂直于图像平面的两个方向的深度旋转会造成面部信息的部分缺失。一种方案是基于姿态不变特征的方法,即寻求那些不随姿态的变化而变化的特征。另一种方案是采用基于统计的视觉模型,将输入姿态图像校正为正面图像,从而可以在统一的姿态空间内作特征的提取和匹配。