人臉識別：法醫(yī)學(xué)中的一些挑戰(zhàn)(中文翻譯)

1、人臉識別：法醫(yī)學(xué)中的一些挑戰(zhàn)AnilK.Jain,BrendanKlareandUnsangPark密歇根州立大學(xué)摘要：人臉識別已經(jīng)成為刑事偵查員經(jīng)常使用的一種有效檢驗工具。和自動化人臉識別相比，法醫(yī)人臉識別的需求更加迫切，因為它能夠處理不理想條件下所拍攝的面部信息，并對后續(xù)法律程序肩負(fù)著重要責(zé)任。本研究討論了自動化人臉識別領(lǐng)域的一些進(jìn)展，他們影響到法醫(yī)人臉識別的研究。討論了法醫(yī)人臉識別領(lǐng)域的一些研究進(jìn)展，包括面部老化、面部標(biāo)志、法醫(yī)素描識別、錄像中的人臉識別、近紅外人臉識別、軟生物統(tǒng)計學(xué)等。最后討論了法醫(yī)人臉識別研究領(lǐng)域當(dāng)前的一些局限和未來研究的方向。關(guān)鍵詞：人臉識別；法醫(yī)學(xué)；面部標(biāo)志；老化

2、；法醫(yī)素描；錄像中的人臉；無約束的人臉識別I、引言人臉識別是根據(jù)人的面部特征確定其身份的一種技術(shù)。過去二十年間，自動化人臉識別得到廣泛研究。它在很多應(yīng)用領(lǐng)域能夠發(fā)揮重要作用，例如訪問控制、視頻監(jiān)視、政府發(fā)行的身份證明進(jìn)行備份（例如，護(hù)照、駕駛證）。人臉識別系統(tǒng)通常有兩種應(yīng)用場景：驗證和識別1。在驗證場景中，對兩張面部圖像的進(jìn)行測量，并確定兩者是否匹配。在識別場景中，計算給定的人臉圖像（probe探測圖像）和大型數(shù)據(jù)庫中所有的人臉圖像（gallery檔案圖像）之間的相似性。匹配程度排名第一的圖像被返回，進(jìn)而確定個體身份。理想狀態(tài)下,兩種場景檢驗都可以在“關(guān)燈”模式下運行，也就是說，系統(tǒng)可以在無需

3、人類參與的情況下做出身份識別。自動化人臉識別技術(shù)的表現(xiàn)已經(jīng)得到美國國家標(biāo)準(zhǔn)與技術(shù)研究院的一組測試的檢驗，他們使用FERET方法進(jìn)行評估17。人臉識別供應(yīng)商測試（TheFaceRecognitionVendorTest,FRVT）和人臉識別大挑戰(zhàn)（FaceRecognitionGrandChallenge,FRGC）繼續(xù)保持這種基準(zhǔn),其參與者既包含產(chǎn)業(yè)界，也包含學(xué)術(shù)界。在FRVT200213中，人臉圖像來自正面姿勢、正常光線條件下的大量檔案圖像（來自37437名罪犯的121589張人臉圖像）。最近對FRVT20064的測試包含了驗證場景；對高分辨率圖片（400像素）和3D圖片，表現(xiàn)最好的系統(tǒng)顯示

4、的拒絕錯誤率為0.01、錯誤識別率0.001。FRVT2006所使用的測試圖片圖1所示。圖1、FRVT2006使用的面部圖像。（a）控制光線，中性表情（IPD=400相素），（b）控制光線，微笑，（c）不控制光線，微笑（IPD=400相素），（d）3D形狀和肌理，IPD代表瞳孔之間的距離。盡管在有控制的場景中自動化人臉識別系統(tǒng)取得了巨大成就，但是在一些特定場景和法醫(yī)場景中，F(xiàn)RVT錯誤率太高，不能反映人臉識別系統(tǒng)的準(zhǔn)確性。在上述場景中，對周圍的照明、案犯的姿勢、傳感器的分辨率、壓縮程度等，都不能進(jìn)行嚴(yán)格的假設(shè)（參見圖2）。CSI效應(yīng)使民眾對人臉識別能力的技術(shù)發(fā)展水平，留下了一種虛假的印象。與之

5、相反，初期大量的人臉識別設(shè)備（prototypedeployments）（例如2001年在坦帕舉行的超級杯33和2006年在德國舉行的Meinz火車站測試36）沒有達(dá)到需要的匹配精度。另一方面，為數(shù)不多的人臉生物統(tǒng)計技術(shù)獲得成功，例如澳大利亞的Smartgate34、香港與中國的邊境控制系統(tǒng)35，它們希望使用者能夠在一種約束的環(huán)境下進(jìn)行合作。除了這些外部變量對人臉識別精確性的影響之外，現(xiàn)實世界中的法醫(yī)場景還存在大量的內(nèi)部變量（例如面部老化、表情和美容化妝等），它們會進(jìn)一步降低識別的精度，而且通常在控制研究中也無法復(fù)制。圖2、法醫(yī)學(xué)中經(jīng)常遇到的人臉圖像。（a）嫌疑犯照片，（b）死人的圖像，（c）

6、法醫(yī)素描，（d）閉路電視框架，（e）近紅外圖像法醫(yī)科學(xué)，或簡稱法醫(yī)學(xué)，都是運用科學(xué)原理去分析執(zhí)法機構(gòu)收集來的數(shù)據(jù)。為了證明或推翻嫌疑人的罪行，在這一領(lǐng)域中更加注重法律體系下的高可信度。法醫(yī)學(xué)中的一些應(yīng)用案例包括，包括血液飛濺分析、土壤分析、病理學(xué)、DNA鑒定、鞋印比對、潛在的指紋檢查、監(jiān)控錄像分析。這些例子展現(xiàn)了法醫(yī)學(xué)的數(shù)據(jù)范圍，其中主要目標(biāo)之一是確定嫌疑人的身份。指紋和DNA醫(yī)學(xué)鑒定是法醫(yī)學(xué)中最可靠、最便捷的兩種識別技術(shù)，自動化人臉識別技術(shù)需要繼續(xù)發(fā)展，需要探索一套工具，以確定罪犯身份，尤其是監(jiān)控攝像中的罪犯身份。法醫(yī)人臉識別這方面的進(jìn)展，也是FBI“下一代鑒定程序（NextGenerati

7、onIdentificationprogram）的目標(biāo)之一。在法醫(yī)學(xué)中，人臉識別技術(shù)歷史悠久。第一篇報告發(fā)生于1871年的英國法庭，試圖通過比對一些人臉圖像確定罪犯。法國犯罪學(xué)家AlphonseBwertillon在1882年研發(fā)了第一個人臉識別的系統(tǒng)方法。第一篇自動化人臉識別的文章由Bledsoe等于于1966年發(fā)表，該項目被稱作“人-機”,因為一系列面部特征都由人從圖像中抽取而來。這些特征被輸入計算機后，進(jìn)行自動匹配從一系列特征點中（例如瞳孔中心、眼睛的內(nèi)角和外角、視窗的頂點等）計算了20個距離，用以測量人臉圖像的相似性。以包含2000多張圖像的數(shù)據(jù)庫為基礎(chǔ)，人-機系統(tǒng)能穩(wěn)定的超越人類。以

8、人臉圖像為基礎(chǔ)，Goldstein和Harmon37還使用這22個描述特征（對人臉、頭發(fā)和眉毛的形態(tài)學(xué)描述）進(jìn)行識別。他們將這些特征提供給一些受過培訓(xùn)的陪審員和計算機，讓他們完成識別任務(wù)。Goldstein和Harmon總結(jié)說，從一個包含255名被試的數(shù)據(jù)庫中識別一個人需要6種不同的特征，并預(yù)測說，從包含4*106的檔案圖像中識別一個人需要14種特征。使用以灰度像素值的局部直方圖為基礎(chǔ)的一系列面部參數(shù)，Kanade研制出第一個全自動人臉識別系統(tǒng)38。不久之后，其他的許多人臉自動識別系統(tǒng)也被研發(fā)出來。主成分分析法（PCA）第一次被Sirovich用來進(jìn)行圖像壓縮40，Truk和Pentland則

9、將其用于圖像識別41。經(jīng)過排序的一系列特征向量和一系列基本圖像相對應(yīng)，反映人臉圖像之間的差異。包含多種方法的PCA大大減少了計算機的負(fù)擔(dān)，并激發(fā)了人臉識別的大量研究。另一個流行的人臉識別方法是線性判別分析（LDA），它以費雪的線性判別為基礎(chǔ)。在LDA中，每個被試都冠以獨立的類別標(biāo)記，使其識別精度比PCA更高。其他有名的方法還包括彈性束圖像匹配（ElasticBunchGraphMatching,EBGM）25和基于圖片特征的局域二元模式（LocalBinaryPattern,LBP）43。表1對人臉識別領(lǐng)域的表征工作進(jìn)行了匯總。表1自動化人臉識別研究歷史中的表征工作匯總Approetc/Dcf

10、UihcfseflealionAccuracyBledsoeeteiL2920lutikirisuch汕viidllio1monill.wicJlhofeyes-etc-(tirs!semi-ulnnuliLnlhud.)N/ArN/A*(juldslincindHdrnKiii|37|22ihilurcsinckidintisimplemorphok崔i詢descripticmaboLLtface?hdiireyebrows.亡1c.255iiieiucsnl7subjects53%Kanade58Localhi*站屮(firstfullyauloiKilicliethod)20im也gck

11、of20subjects75%Turk也】id卩enlkniJ41JPriucipalconvenientanalysis(PCAorEiucntauc)2L500iiratiusof16subjects100%Bclhuinuuicl*L26LinearDiscriminantAnalysisfLDA)160imajicsof16subj比“(YiluDB)99.4%Ahnnunul“L43LinealBinaryPattenis(LBP)1.196Subjucis(FERETDB)97%*meunatbcgobLunil屮y卩口卩吒，hcinJrEiKLUondboill山：吊paperw

12、aslumiiJathp:Vun.wikipcdidwiki/FatktlrvcugnitHjp滬肥m法醫(yī)學(xué)領(lǐng)域用到的大多數(shù)圖像都是入案照片（正面姿勢、正常光照、最小表達(dá)）,而探測的人臉圖像通常具有不同的姿勢、照明、分辨率和形態(tài)（如紅外、視頻錄像等）。例如,監(jiān)視探頭拍攝的人臉圖像和潛指紋起到相同的作用,圖像識別的難易程度取決于流動的模糊、姿勢和遮擋程度（occlusion）。隨著監(jiān)控錄像設(shè)備數(shù)量的迅速增長（參見圖3）,精確、穩(wěn)定的視頻人臉識別技術(shù)的進(jìn)展對于執(zhí)法機構(gòu)至關(guān)重要。出現(xiàn)在傳真、打印機、掃描文件中的人臉圖像都會進(jìn)入法醫(yī)學(xué)領(lǐng)域49。圖3、中國街道上的監(jiān)控攝像機5051僅在北京就有大約400

13、，000個監(jiān)控攝像頭覆蓋了100%的公共區(qū)域（如學(xué)校，醫(yī)院，地鐵等）法醫(yī)人臉識別從自動化人臉識別中獨立出來（圖4），是由許多原因造成的。例如低質(zhì)量的探測圖像，提高成功匹配機會的元數(shù)據(jù)的使用，在法庭上提供堅實證據(jù)的需要等。典型的醫(yī)學(xué)人臉識別情景是從一個大的人臉圖像檔案庫開始的，如入案照片、駕駛證圖等。例如，thePinellasCountySheriffsOffice的人臉識別系統(tǒng)，其數(shù)據(jù)庫包含六百多萬張人臉圖像3，由入案照片（在逮捕罪犯時拍攝）和弗羅里達(dá)州汽車管理局的照片構(gòu)成。自動化人臉識別系統(tǒng)需要這樣一個大的人臉檔案圖片數(shù)據(jù)庫。鑒于法醫(yī)學(xué)查詢的照片是在非理想條件下捕捉的（例如，off-pos

14、e、低分辨率的閉路電視，來自自動取款機的圖像，法醫(yī)素描或來自社會網(wǎng)站的圖像等），因此來自自動化識別系統(tǒng)的排名前N的個體被認(rèn)為是犯罪嫌疑人（softsuspect）,隨后這些犯罪嫌疑人會被法醫(yī)專家通過手動檢測，以確定正確匹配。這種手動檢測程序需要經(jīng)過標(biāo)準(zhǔn)化，以降低判斷的主觀性。國家科學(xué)院（theNationalAcademies）在其識別法醫(yī)科學(xué)協(xié)會的需要（IdentifyingtheNeedsoftheForensicSciencesCommunity）報告中，提供給了13條具體的建議。這些建議強調(diào)，需要將對法醫(yī)證據(jù)的檢查和解釋進(jìn)行標(biāo)準(zhǔn)化。需要注意的是，即使兩個圖像的匹配分?jǐn)?shù)很高，在法庭上也不

15、具有充分的說服力。調(diào)查人員需要用人臉識別技術(shù)來確定若干嫌疑人；需要運用其他途徑的額外信息和支持證據(jù)，去發(fā)現(xiàn)可能性最大的犯罪嫌疑人。inspeclionProbeMiiniiyAuluinidiunulchMunnilI:.niijlchMumia1：1maIIhCiullcrvA(D】*kzvM*TopNcindidtilesunDyljhas.c(Dsarcknm-T】圖4、法醫(yī)人臉識別過程示意圖。當(dāng)比較兩個圖像時檢測程序完全是手動的，它是半自動的搜索大型數(shù)據(jù)庫。在許多情景中，法醫(yī)人臉識別并不是全自動的?？傊?，如下特征將法醫(yī)人臉識別和自動化人臉識別進(jìn)行了區(qū)分：1、探測圖像的質(zhì)量并不理想（例如

16、，部分人臉，off-pose，高壓縮和低分辨率）2、需要考查排名前N的匹配者，而不是只考查排名第一的人本文的目的在于提高人們對法醫(yī)學(xué)人臉識別中重要挑戰(zhàn)的認(rèn)識和理解。我們提出了法醫(yī)人臉識別領(lǐng)域的一些主要課題，包括年齡差異的人臉識別，基于匹配與檢索的面部標(biāo)志，法醫(yī)素描與入案照片的匹配，視頻監(jiān)控中的人臉識別（閉路電視、ATM攝像頭等），以及近紅外線圖像與照片的匹配等。II、法醫(yī)人臉識別的一些挑戰(zhàn)本節(jié)將討論集中人臉識別技術(shù)領(lǐng)域的進(jìn)展對法醫(yī)學(xué)人臉識別的重要作用。之所以選擇這幾個特定的問題，受到我們正在進(jìn)行的研究的影響。A、面部老化許多人臉識別的情景，在探測照片和檔案圖像之間都存在顯著的年齡差異。隨著探測

17、照片和檔案圖像之間年齡差異的增加，人臉識別系統(tǒng)的精確度通常會下降。一些人臉識別系統(tǒng)會碰到這種年齡差異：（1）識別失蹤的兒童；（2）對數(shù)據(jù)庫中的嫌疑人進(jìn)行檢測（例如執(zhí)法或DMV數(shù)據(jù)庫）。面部老化是一個復(fù)雜的過程，它能影響人臉的形狀和肌理（例如膚色或皺紋）。老化過程在不同的年齡組會有不同的表現(xiàn)。在年輕的年齡組中（W18歲），面部生長是其主要特征。而在年齡較大的群組中（18歲），老化的主要特點是較大的肌理改變、較小的形狀改變。圖5顯示了FG-NET7和M0RPH31數(shù)據(jù)庫中二個罪犯的老化差異。正如所預(yù)測的，較年輕的人面部相貌改變更大。除了面部老化，還有一些其他因素影響面部相貌，從而使得人們通過這兩個

18、公共領(lǐng)域縱向臉部數(shù)據(jù)庫進(jìn)行老化模式研究時，變得更加困難。Age25H)16M2940Imagesofasujjject;froEntheFG-NETdatabase7Age253640434(b)ImagesofasubjectficmtheMORPHdalabawe35圖5、因為老化而導(dǎo)致的面部變化Li等人32為年齡差異人臉識別提供了判別老化模型和生成老化模型。生成模型學(xué)習(xí)了3D領(lǐng)域的參數(shù)老化模型，生成合成圖像，縮小探測圖片與檔案圖片之間的年齡差距。生成3D老化技術(shù)使用了姿勢相關(guān)法(posecorrectionmethod)和3D領(lǐng)域的老化模型。3D模型特別適合捕捉因3D特征老化而引發(fā)的老化

19、模式。由于無法獲取3D老化數(shù)據(jù)庫，只能以2D人臉老化數(shù)據(jù)庫構(gòu)建3D老化模型。判別模型的顯著特點在于，能跨越年齡差距更好的識別人臉圖像。圖6顯示了判別老化模型和生成老化模型的框架。圖7呈現(xiàn)的匹配結(jié)果的例子顯示，老化模型提高了主要的人臉識別儀器一aceVACS21的精確性。使用上述老化模型，對MORPH數(shù)據(jù)庫中10000名罪犯的10000張入案照片進(jìn)行人臉識別檢驗，一次就能識別出來的比率提高了8%32。AlJurDdiri:mnuj-ddlTrrlnirisett-aae-M?paratEfLim旳曲euh和leamir網(wǎng)ILcamanpeardfiCEfilingpatternBuilddass

20、iFiert：Ninimiztwi：hirt-sjuaactgnationKm血tmqmtStn/een-SUitijettV3ri3tCRAginqamuEatwri圖6可識別和生殖衰老模型的示意圖表7、存在老化的人臉識別樣本，它雖然商業(yè)匹配失敗了卻成功提出了老化模型，第一行顯示的是數(shù)據(jù)庫圖像，第二行顯示的是同一個人的采集圖像B、面部標(biāo)志局部面部標(biāo)志特征，例如疤痕、痣、雀斑等，在法醫(yī)領(lǐng)域的人臉圖片匹配方面起著重要作用（參見圖8）22。由于高分辨率傳感器的應(yīng)用、手動識別兼容性的發(fā)展，以及人臉圖像數(shù)據(jù)庫的容量不斷增大，人臉標(biāo)志的應(yīng)用變的越來越有價值。通過提高人臉識別系統(tǒng)的匹配速度與精度，局部面部

21、標(biāo)志特征可以發(fā)揮獨特作用，可以調(diào)查、解釋、開發(fā)法醫(yī)領(lǐng)域的人臉圖像。這一信息對法醫(yī)專家非常重要，可以為他們在法庭上提供證據(jù)，最終確定犯罪嫌疑人23。表8、具有特殊面部標(biāo)志的人臉圖像。（a）大片胎記（b）疤痕（c）淚滴紋身。目前在執(zhí)法單位和相關(guān)安全機構(gòu)中，大多數(shù)照片識別法都包含人工確認(rèn)階段。受害人或目擊者會經(jīng)常通過語言描述或手繪素描提供識別信息。Spaun2223介紹了一種在執(zhí)法機構(gòu)執(zhí)行的面部檢測程序（五步人工檢驗程序，即ACE-V24）,該程序的一個主要步驟是確定“類別”特征與“個體”特征。類別信息包括整體面部輪廓、頭發(fā)顏色、假發(fā)特點、鼻子形狀、是否有雀斑等。個體特征包括臉上雀斑的數(shù)量和位置、疤

22、痕、紋身、牙齒缺口、嘴唇褶皺、皺紋的數(shù)量和位置等。自動化人臉識別程序不僅會縮短時間、降低人工過程的主觀性，還會更加穩(wěn)定、精確。此外，計算機輔助的自動化化特征抽取和表征可以幫助檢驗過程標(biāo)準(zhǔn)化，讓檢驗過程更加高效。傳統(tǒng)的人臉識別系統(tǒng)通常利用局部或全部肌理特點編碼人臉圖像。然而，這些技術(shù)不直接的利用局部標(biāo)志（例如傷疤和痣），而是通常輸入一個完整的人臉圖像。為了填補這一空白，Park和Jain提出了面部標(biāo)志的自動檢測過程（如圖9所示）。Llcppi口StDED311二11些二FE-StUJSp&jltC.tKtieE丄址Sail?ntregiond-rte-:ilooi表9、自動標(biāo)記檢測示意圖當(dāng)面部標(biāo)

23、志模式被用作一種軟生物統(tǒng)計學(xué)指標(biāo)時，已經(jīng)被證明是可靠的5。Park和Jain發(fā)展了一個框架，使用面部標(biāo)志，通過文本查詢（textquery）檢索罪犯5。文本查詢允許偵查員檢索一列罪犯，他們包含某些面部標(biāo)記的組合，例如“左臉頰上的痣“”和”“額頭上的傷疤”等。人們不會指望面部標(biāo)記檢索系統(tǒng)能夠確定唯一的罪犯。相反，它可以用來過濾候選人。證人可以提供一些信息，嫌疑人左臉頰上有顆痣，或者前額上有塊疤。即使不存在探測的臉部圖片的情況，也可以利用這些信息用自動化的方式去檢索符合標(biāo)準(zhǔn)的一組罪犯。再加上其他的人口統(tǒng)計學(xué)信息（例如性別，年齡，身高），刑偵人員可以只去調(diào)查剩下的幾十個人。除了沒有人臉圖像時進(jìn)行人臉

24、檢索之外，圖10顯示的成對圖像表明，直接使用面部標(biāo)記可以提高匹配精度（當(dāng)它與商業(yè)識別儀器結(jié)合使用時）。圖10第一、二行顯示的示例圖像并沒有出現(xiàn)在匹配的第一位，但和面部標(biāo)志匹配得分結(jié)合使用時，他們出現(xiàn)在了匹配的第一位。第三、第四行列出的是雙胞胎的面部圖像，除非使用面部標(biāo)志，否則他們不會被正確地匹配在第一位。面部標(biāo)志對于識別雙胞胎至關(guān)重要9。以213名罪犯的213張照片作為探測圖片，以10213名罪犯的10213張照片作為檔案圖片，使用面部標(biāo)志之后，F(xiàn)aceVACS第一匹配的正確率提高了大約0.5%5。表10、有助于提高匹配性能的面部標(biāo)志比對圖像示例（a）（b）前二行是采集和數(shù)據(jù)庫的圖像后二行是雙

25、胞胎的兩個圖像（c）（d）面部標(biāo)志檢測結(jié)果C、法醫(yī)素描識別當(dāng)無法獲取嫌疑犯的照片時，法醫(yī)素描就會派上用場。法醫(yī)素描是法醫(yī)藝術(shù)家根據(jù)目擊證人的描述復(fù)現(xiàn)一個人的面部相貌。法醫(yī)素描歷史悠久，以往，素描會被制作成宣傳頁廣泛散發(fā)，法律執(zhí)行部門希望有人能夠認(rèn)出素描中的人。法醫(yī)素描會被誤導(dǎo)，因為證人回憶的錯誤，這會導(dǎo)致法醫(yī)藝術(shù)家畫的素描不準(zhǔn)確。畫出一幅法醫(yī)素描需要耗費大量時間，因此他們通常只畫出那些凡有重大過錯的罪犯（例如殺人犯和性犯罪）。將法醫(yī)素描和嫌疑犯照片數(shù)據(jù)庫進(jìn)行比對的能力非常重要。商業(yè)性的人臉識別系統(tǒng)通常不會將法醫(yī)素描和面孔照片進(jìn)行比對。為了填補這種空白，Klare等人6制定了一種框架體系，可以將

26、法醫(yī)素描和照片進(jìn)行比對，該系統(tǒng)允許偵查員使用法醫(yī)素描去匹配大容量的面孔數(shù)據(jù)庫，該方法6使用局域二元模式15和SIFT特征算子16將素描和照片的結(jié)構(gòu)進(jìn)行編碼。這兩個特征算子在素描和照片的模態(tài)方面性能良好。使用特征算子將素描和照片進(jìn)行表征，使用多重線性識別子空間在一個框架中將面部圖像分片進(jìn)行縱向掃描，該技術(shù)稱為局域特征識別分析（LocalFeature-basedDiscriminantAnalysis,LFDA）。LFDA比商業(yè)識別系統(tǒng)進(jìn)步很大。例如，當(dāng)用49張?zhí)綔y圖片和包含10159名罪犯的檔案數(shù)據(jù)庫進(jìn)行比對時，種族和性別被過濾之后，LFDA包含排名前50的準(zhǔn)確率為44.9%。同樣是種族和性別

27、被過濾，F(xiàn)aceVACS系統(tǒng)排名前50的準(zhǔn)確率為26.53%。使用特殊的素描識別系統(tǒng)，例如LFDA,對于擴大法醫(yī)素描識別的能力非常必要。法醫(yī)素描識別的一個主要困難在于，見證人無法正確回憶案犯的相貌。圖11呈現(xiàn)了兩個例子，信息庫中儲存的照片thetopretrievedphotograph（第二列）雖然不正確，但比素描（第一列）更接近罪犯的真實照片（第三列）。圖11、法醫(yī)素描識別中匹配失敗的例子6。圖片來自18。D、錄像中的人臉識別因為監(jiān)視鏡頭分布廣泛，錄像人臉識別越來越重要。如果可以通過視頻流自動識別人臉，就可以利用已經(jīng)存在的監(jiān)視鏡頭網(wǎng)絡(luò)，這將大大降低個體身份確認(rèn)的難度。但是，錄像人臉識別經(jīng)常

28、需要處理人的側(cè)臉，而且會面臨嚴(yán)重的光線變化。圖12（a）所呈現(xiàn)的畫面，來自一段視頻數(shù)據(jù)53。來自同一段視頻流中同一對象的多張畫面，可以讓系統(tǒng)選擇使用質(zhì)量最好的面孔圖像（例如正面姿勢或圖像居中）。短暫的信息，例如動態(tài)面部表情的變化，也可以用以進(jìn)行面孔識別48。來自常規(guī)監(jiān)視攝像頭的面孔圖像，大多數(shù)分辨力較低，可以將靜態(tài)攝像頭和PTZ（Pan-Tilt-Zoom,旋轉(zhuǎn)-俯仰-縮放）攝像頭串聯(lián)使用。例如，圖12（b）展示了遠(yuǎn)距離人臉識別任務(wù)中，來自靜態(tài)攝像頭和PTZ攝像頭的廣角圖像和特寫鏡頭44。當(dāng)個體出現(xiàn)時，靜態(tài)攝像頭會觸發(fā)PTZ攝像頭，PTZ攝像頭繼而獲取高質(zhì)量的人臉圖像。表12、錄像中的面部圖像

29、。（a）錄像中五個連續(xù)的畫面。（b）靜態(tài)攝像頭和PTZ攝像頭所拍攝的全景和特寫。有許多方法可以克服錄像中姿勢和亮度的變化。例如，Volker和Blanz30建議使用一種景色合成技術(shù)，使用3D變形模型，從一張2D圖像合成一張3D臉部模型。這種方法只需要一張單獨的圖像，姿勢隨意，但是這種匹配過程會花費幾分鐘，并且最初需要手工對齊。Park和Jain4使用動作-結(jié)構(gòu)方法，利用從頻率獲得的面部標(biāo)志來推斷3D面部形狀。3D建模和PTZ攝像頭的使用將識別準(zhǔn)確率分別提高了40%和98%。3D建模人臉識別實驗使用了CMUFaceInAction（FIA）數(shù)據(jù)庫53中的331名被試，PTZ攝像頭實驗使用了一個私

30、人數(shù)據(jù)庫和MORPH數(shù)據(jù)庫（20名探測圖片和10020名檔案圖片）。E、近紅外人臉識別近紅外人臉圖像的使用，被認(rèn)為可以克服變化照度的影響4546。和素描識別類似，NIR人臉識別被用于多種多樣的人臉識別腳本，此時的影像圖庫是標(biāo)準(zhǔn)照片。NIR和可見（VIS）光譜所需要的面孔圖像如圖13所示。圖13、近紅外面孔圖像（第一行）和對應(yīng)的照片（第二行）。在監(jiān)控錄像中，近紅外面孔圖像具有獲取面孔圖像的理想屬性。圖像來自47。Klare和Jain45提供了一個以特征為基礎(chǔ)的框架，可以用來匹配NIR面孔探測圖像和清晰的檔案圖庫。無論是NIR還是VIS面孔圖像，都用SIFT和LBP描述符來呈現(xiàn)。隨機子空間框架和稀疏圖畫匹配器一起使用。使用公共HFB數(shù)據(jù)庫47,把Klare和Jain建議的方法和商務(wù)匹配器聯(lián)合使用時，F(xiàn)aceVACS21的正確接受率達(dá)到94%，錯誤接受率為1.0%。考慮到將NIR和VIS面孔圖像進(jìn)行匹配時精確度如此之高，監(jiān)視系統(tǒng)也應(yīng)該考慮使用NIR鏡頭，以彌補照度問題。因為人的眼睛對NIR光線不敏感，NIR攝像機系統(tǒng)可以偷偷地監(jiān)測NIR光線，而不驚動當(dāng)事人。這種優(yōu)勢允許通過調(diào)整光線，來提高特定環(huán)境下的人臉識別。F、軟生物統(tǒng)計學(xué)使用人臉圖像可以確定軟生物統(tǒng)計信息，這種系統(tǒng)是法醫(yī)人臉識別領(lǐng)域的另一項有效工具。生物屬性的人口統(tǒng)計學(xué)信息（例如種族、性別、年齡）依靠低質(zhì)量的