Библиотека
Оригинальное расположение статьи - http://cat.inist.fr/?aModele=afficheN&cpsidt=17774028
Геометрический инфариантный подход к идентификации лица человека
Авторы: Massimo Tistarelli, Enrico Grosso, and Andrea Lagorio
Перевод: Петросянц В.С.
1. ВВЕДЕНИЕ
Биометрия - это система, которая использует данные о личностия, чтобы проверить права доступа человека. Некоторые уникальные, физиологические особенности человека можно измерить и применить их для процедуры опознавательнияв режиме реального времени. Пароль или личный код идентификации можно выкрасть или подобрать, что приведет нарушению закона в пределах интранета или в Интернете. Магнитная карта или смарт-карта могут также быть украдены, потеряны, повреждены, дублированы, или предоставлены нечитабельными, что также вызовет проблемы безопасности всей системы вцелом. Человек может потерять свое удостоверение личности или забыть свой пароль и логин, но при нормальных обстоятельствах, невозможно потерять пальцы, глаза, или некоторые другие лицевые особенности. Следовательно, биометрия широко применяются в медицинской экспертизе, банковском деле, коммуникации, и системах безопасности.
Биометрия включает лица, отпечатки пальца, отпечатки ладони, голос, подпись, распознование радужной оболочки глазного яблока, и ДНК. В этой статье неразрушающий человеческий метод распознования лица, для которого нет необходимости полного контакта человека с системой. Предложен для того, чтобы захватить информацию, которая необходима для распознования Завоевание человеческой информации лица легче чем завоевание информация сетчатки или отпечаток пальца. Признание лица - визуальная задача, которую люди могут сделать легко. Однако, эта задача является трудной в биометрии. Человеческие особенности, такие как возраст, пол, и лицевое появление важны и полезны для установления подлинности. Начиная с ухода за лицом особенности являются симметрическими в природе, их размерах, цветах, формах, и местоположения могут привести к высокой степени изменчивости по внешности. Лицевые особенности, такие как брови, глаза, нос, и рот более примечательны чем другие лицевые области. Следовательно, процесс признания лица вовлекает сегментацию, извлечение и проверку лицевых особенностей. Признание лица в настоящее время - очень стимулирующая и привлекательная область исследования, в которой технология проделала длинный путь с начала 1970-ых. Широкое разнообразие методов было предложено, в пределах от основанных на изображении подходов к сложным вычислительным геометрическо-на основе подходам. В течение прошлого десятилетия значительные успехи были сделаны в исследовании признания лица [1-3]. Несколько главных событий в подходах признания лица описаны в следующем.
Шаблон, Соответствующий [4-6]: Шаблон, соответствующий, является основанной на изображении техникой. Распределение уровня яркости человеческого лицевого изображения используется как модель шаблона. Каждый вопрос проводится согласно методу модели шаблона, чтобы привести к лицевой особенности. Когда особенности изображения вопроса по сравнению с данной базой данных особенности, лучший результат соответствия возвращен согласно подобию и корреляции лицевых особенностей. Этот подход может сохранить информацию лицевой формы, структуры, и особенности, но количество соответствия времени и складским площадям являются оба очень большими.
Непрочный Шаблон [7, 8]: механизм деформации вовлекает самую крутую минимизацию спуска градиента комбинации внешней энергии из-за длины, края, пика, и яркости изображения [7]. Непрочный шаблон это глаза и рот, основанный на существенных особенностях, использует несколько параметров, чтобы управлять и выровнять это, чтобы улучшить надежность результата извлечения и использует те параметры, чтобы указать лицевые особенности. Однако, непрочный шаблон чувствителен к своему начальному положению. Вычислительная стоимость также очень высока из-за последовательного выполнения шага минимизации. Современное исследование относительно этого подхода главным образом сконцентрировалось по проблемам, таким как вычислительное сокращение стоимости, модификация шаблона, и рассмотрения срока энергии [1].
Eigenfaces [9, 10]: N на N размерное изображение, используемое как вектор N2-размерности, чтобы указать лицевое изображение, другими словами, человеческое лицо, можно рассмотреть как пункт в размерном месте изображения N на N. Следовательно, два различных человеческих лицевых изображения могут быть преобразованы в высокое размерное место, и пороговая ценность может использоваться, чтобы решить, подобны ли два лицевых изображения или нет, согласно их ценностям расстояния. Кроме того, eigenface метод признания далее уменьшает размерное место и ускоряет соответствующее время. Однако, этот подход чувствителен к освещению, фону, вращению, и проблемам вычисления. Кроме того, вычислительный груз очень тяжел из-за высокого размерного космического преобразования.
Основной Составляющий Анализ (PCA) [11-15]: Этот подход также называют Karhunen-Loeve (K-L) расширением. Лицевое изображение размера p на q можно рассмотреть как p на q размерный вектор. Вектор может быть вычислен, используя лицевые изображения в базе данных изображения, чтобы привести к матрице ковариации и найти подмножество orthonormal собственных векторов. Тогда, лицевые особенности могут быть обозначены этими линейными собственными векторами в меньшем размерном месте. Кроме того, исключительный метод разложения ценности [16] концентраты при обнаружении вершины n наибольший собственный вектор оценивает от матрицы ковариации, чтобы указать лицевые особенности. Это - хороший метод, в котором это уменьшает количество избыточной информации и сложность вычисления, но это также чувствительно к освещению.
5. Другие Подходы: Современное исследование в этой области [13, 16, 17] главным образом сконцентрировалось на областях, таких как модификация PCA [13, 17], заявления нейронной сети [18-20], геометрические отношения имели обыкновение находить местоположения, углы, и структуры лицевых особенностей как проективный профиль [21-28], и Fourier [29] и небольшая волна [30-32] преобразования. Все эти подходы главным образом сосредотачиваются на вычислительном сокращении стоимости, подходящих параметризовавших описаниях, и внешнем экологическом постоянстве.
Обнаружение человеческого лица из общего решения остается трудной проблемой признания объекта, потому что преобразования в положении, ориентации, вычислении, и освещении могут изменить лицевое появление существенно. Хотя есть много различных, передовых подходов, чтобы стоять перед признанием, таким как те, которые принимают eigenfaces, местный анализ особенности (PCA), непрочные шаблоны, и автоматическая обработка лица, ни один из них не был в состоянии решить эти проблемы полностью. В этой газете теория геометрического проективного постоянства применена при использовании взаимного отношения перспективного проектирования лицевых особенностей. Предложенный метод, когда применено, чтобы стоять перед признанием, приводит к постоянству под переводом, вращением, вычислением, и изменениями освещения. В этом методе только ценности взаимных отношений должны быть сохранены в основе особенности. Следовательно, процесс соответствия только сравнивает ценности особенности основы особенности, приводящей к существенному сокращению вычислительной стоимости. Кроме того, предложенный метод может быть применен в процессе биометрии, который может далее объединить голос, отпечатки пальца, и признание движения губы для установления подлинности пользовательских прав доступа.
Остальная часть этой статьи организована следующим образом. В секции 2, мы кратко опишем существующий принцип взаимного отношения и его заявлений. Секция 3 уточняет извлечение человеческих лицевых особенностей. Человеческие лицевые признаники описаны в секции 4. Секция 5 представляет результаты экспериментов, проводимых, чтобы оценить предложенный метод. Наконец, резюме и заключение даны в секции 6.
|
|
