計(jì)算機(jī)到底是如何識(shí)別人臉的？

文/蝌蚪五線(xiàn)譜（微信公眾號(hào)：顧新書(shū)）

人臉識(shí)別技術(shù)經(jīng)歷了近四十年的發(fā)展，在近年來(lái)逐步涌現(xiàn)出了一批可以投入實(shí)際應(yīng)用的成果。如谷歌眼鏡中的身份識(shí)別、智能手機(jī)上的人臉解鎖等功能正漸漸影響著我們的生活，而指定人臉識(shí)別等應(yīng)用更是早早地進(jìn)入了安防領(lǐng)域的最前線(xiàn)。那么，計(jì)算機(jī)到底是怎么識(shí)別人臉的呢？

在這項(xiàng)技術(shù)的發(fā)展過(guò)程中曾經(jīng)出現(xiàn)過(guò)大量的識(shí)別算法。這些算法的涉及面非常廣泛，包括模式識(shí)別、圖像處理、計(jì)算機(jī)視覺(jué)、人工智能、統(tǒng)計(jì)學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、小波分析、子空間理論和流形學(xué)習(xí)等眾多學(xué)科。但歸根結(jié)底，很多算法都是以“特征臉?lè)椒ā睘榛A(chǔ)展開(kāi)的。

這個(gè)方法主要是利用主分量分析，對(duì)人臉進(jìn)行降維和提取特征。它實(shí)際上相當(dāng)于把所有的人臉向量化，數(shù)字化，然后從參考用的那些人臉數(shù)據(jù)（稱(chēng)為訓(xùn)練集）中找出與當(dāng)前要識(shí)別的人臉數(shù)據(jù)對(duì)應(yīng)的幾個(gè)特征值，構(gòu)成一組特征向量基，以達(dá)到表征原數(shù)據(jù)的目的。因?yàn)橛芍鞣至糠治鎏崛〕鰜?lái)的特征向量在返回成圖像時(shí)，看上去仍像人臉，所以這些特征向量也被稱(chēng)為“特征臉”。

從上圖中我們可以看到，任何一幅人臉圖象減去平均人臉后都可投影到該子空間，得到一組權(quán)值向量。該方法實(shí)際上是計(jì)算了此向量和訓(xùn)練集中每個(gè)人的權(quán)值向量之間的歐式距離，取最小距離所對(duì)應(yīng)的人臉圖像的身份作為測(cè)試人臉圖像的身份。打個(gè)比方，這就像是警察局里指認(rèn)嫌疑人時(shí)所用的“拼臉”方法，它以一個(gè)基礎(chǔ)臉型為底，將合適的眼睛、眉毛等五官放上去，最終組成一個(gè)與嫌疑人最像的人臉圖。計(jì)算機(jī)所做的事情也大致如此，只是它的“眼睛”、“眉毛”等五官更加抽象。

在此的基礎(chǔ)上，又開(kāi)發(fā)出了“彈性圖匹配”的方法。它把所有人臉圖像看做具有相似的拓?fù)浣Y(jié)構(gòu)，不注重角度，長(zhǎng)度等量化的性質(zhì)，而側(cè)重于變換后圖形的不變性質(zhì)。所以它還有一個(gè)很形象的名稱(chēng)，叫“橡皮泥幾何”。在這種方法中，所有的人臉可以表示成類(lèi)似的拓?fù)鋱D，圖中的節(jié)點(diǎn)是一些基準(zhǔn)點(diǎn)（如眼睛，鼻尖等），圖中的邊則是這些基準(zhǔn)點(diǎn)之間的連線(xiàn)。

為了識(shí)別一張新的人臉，需要從該人臉中找到基準(zhǔn)點(diǎn)，提取出一個(gè)人臉圖，令這幅圖和現(xiàn)有的人臉束圖之間的相似度最大。經(jīng)過(guò)彈性圖匹配后，新的人臉束圖將被提取出來(lái)，用它作為特征進(jìn)行識(shí)別，并計(jì)算測(cè)試人臉和現(xiàn)有人臉束圖之間的所有相似度，相似度最大的人臉的身份即為測(cè)試人臉的身份。

這個(gè)方法在彈性匹配的過(guò)程中，網(wǎng)格的形狀會(huì)隨著特征點(diǎn)的搜索而不斷變化，因此對(duì)姿態(tài)的變化也具有一定的自適應(yīng)性。但它在搜索過(guò)程中以代價(jià)函數(shù)優(yōu)化的計(jì)算量巨大，識(shí)別速度較慢。

以上都是靜態(tài)圖像的情況。在視頻監(jiān)控、信息安全和出入控制等應(yīng)用中，基于視頻的人臉識(shí)別是一個(gè)非常重要的問(wèn)題，也是目前人臉識(shí)別的熱點(diǎn)和難點(diǎn)。一個(gè)典型的基于視頻靜態(tài)圖像的人臉識(shí)別系統(tǒng)一般都是自動(dòng)檢測(cè)人臉區(qū)域，從視頻中提取特征，最后，如果人臉存在則識(shí)別出人臉的身份。

現(xiàn)在，在上述方法的基礎(chǔ)上加入了人臉跟蹤方法。在這類(lèi)系統(tǒng)中，通過(guò)利用姿態(tài)和從視頻中估計(jì)到的深度信息合成一個(gè)虛擬的正面人臉。這個(gè)階段的另外一個(gè)能提高識(shí)別率的方法是利用視頻中充裕的幀圖像，對(duì)每一幀圖像進(jìn)行識(shí)別。這等于是把大量的靜態(tài)識(shí)別結(jié)果堆疊起來(lái)，然后使用“投票”機(jī)制選出最受支持的結(jié)果。

近兩年，視頻人臉識(shí)別技術(shù)有了進(jìn)一步的發(fā)展，這個(gè)階段的特點(diǎn)是同時(shí)采用空間信息（在每幀中）和時(shí)間信息（比如人臉特征的運(yùn)動(dòng)軌跡），做出更準(zhǔn)確的判斷。和前述的“投票”的不同之處在于，此類(lèi)方法可以在時(shí)間和空間的聯(lián)合空間中描述人臉和識(shí)別人臉，因此更加精準(zhǔn)。

可以想象，在不遠(yuǎn)的未來(lái)，人臉識(shí)別技術(shù)會(huì)悄無(wú)聲息地融入我們的生活。比如參加宴會(huì)時(shí)，我們要它幫助識(shí)別陌生人，以更好地展開(kāi)交際。整理資料時(shí)，它又可以幫助我們用最快的速度將影像文件按人歸檔。將這些細(xì)小的變化累加起來(lái)，將讓我們的生活更加便捷。