【算法】 人脸识别点滴记录

1. 抱怨

从偶尔看到的文章中摘录一些内容，记录下来，同时以后可以很方便的查找到---最有效的方法是什么呢？头痛

2. FERET与FRVT实验

下面网上流行的两篇文章，有的事实有出入啊。最后一篇新闻稿好像最靠谱---这个乱劲

还有个FRVT'2006，应该是最新的了。DARPA（美国国防部高级研究计划署）赞助，不知道是不是和HID（Human Identification at a distance）是一个东西？

人脸识别主要算法原理

* 美国国防部的ARPA资助建立了一个对现有面像识别技术进行评测的程序，并分别于1994年8月、1995年3月和1996年9月（截至1997年3月）组织了三次面像识别和人脸确认的性能评测

*2000年公开发表的FERET’97测试报告，美国南加州大学(USC)、马里兰大学(UMD)、麻省理工学院(MIT)等研究机构的面像识别技术具有最好的识别性能。在训练集和测试集摄像条件相似的200人的识别测试中，几个系统都产生了接近100%的识别率。值得一提的是，即使是最简单的相关匹配算法也具有很高的识别性能。在更大对象集的FERET测试中（人数大于等于1166人），在同一摄像条件下采集的正面图像识别中，最高首选识别率为95%；而对用不同的摄像机和不同的光照条件采集的测试图像，最高首选识别率骤降为82%；对一年后采集的图像测试，最大的准确率仅仅接近51%

*美国国防部的反毒品技术开发计划办公室于去年5月和6月对美国的主要商业面像识别系统进行了评测，称为FRVT’2000（Face Recognition Vender Test）评测。该计划邀请了美国所有面像识别系统厂商参加，共24家，但只有8家响应，最终有5家公司参加了评测，而只有3家的系统在规定时间内完成了全部对比实验。可以认为，这3家公司的产品是目前最具竞争力的商业识别系统，它们分别是FaceIt系统、Lau Tech.公司的系统和C-VIS公司的系统。FRVT’2000评估了这些系统对图像压缩、用户-摄像机距离、表情、光照、录制设备、姿态、分辨率和时间间隔等影响因素的识别性能。结果表明，面像识别系统的性能与1997年的测试相比有了一定的进步，但其识别性能对各种条件，如光照、老化、距离、姿态等，仍然离人们的期望值较远

【机器视觉】 人脸识别技术与历史简介

* 由美国国防部反毒品技术发展计划办公室资助的 FERET 项目无疑是该阶段内的一个至关重要的事件。FERET 项目的目标是要开发能够为安全、情报和执法部门使用的 AFR 技术。该项目分别于 1994 年，1995年和 1996 年组织了 3 次人脸识别评测，几种最知名的人脸识别算法都参加了测试，极大地促进了这些算法的改进和实用化。该测试的另一个重要贡献是给出了人脸识别的进一步发展方向：光照、姿态等非理想采集条件下的人脸识别问题逐渐成为热点的研究方向。

* FERET’96 人脸识别算法评估表明：主流的人脸识别技术对光照、姿态等由于非理想采集条件或者对象不配合造成的变化鲁棒性比较差。因此，光照、姿态问题逐渐成为研究热点。与此同时，人脸识别的商业系统进一步发展。为此，美国军方在 FERET 测试的基础上分别于 2000 年和 2002年组织了两次商业系统评测。

* 基奥盖蒂斯（Georghiades）等人提出的基于光照锥 (Illumination Cones) 模型的多姿态、多光照条件人脸识别方法是这一时期的重要成果之一，他们证明了一个重要结论：同一人脸在同一视角、不同光照条件下的所有图像在图像空间中形成一个凸锥——即光照锥。为了能够从少量未知光照条件的人脸图像中计算光照锥，他们还对传统的光度立体视觉方法进行了扩展，能够在朗博模型、凸表面和远点光源假设条件下，根据未知光照条件的 7 幅同一视点图像恢复物体的 3D 形状和表面点的表面反射系数（传统光度立体视觉能够根据给定的
3 幅已知光照条件的图像恢复物体表面的法向量方向），从而可以容易地合成该视角下任意光照条件的图像，完成光照锥的计算。

* 巴斯里（Basri）和雅各布（Jacobs）则利用球面谐波（Spherical Harmonics）表示光照、用卷积过程描述朗博反射的方法解析地证明了一个重要的结论：由任意远点光源获得的所有朗博反射函数的集合形成一个线性子空间。这意味着一个凸的朗博表面物体在各种光照条件下的图像集合可以用一个低维的线性子空间来近似。这不仅与先前的光照统计建模方法的经验实验结果相吻合，更进一步从理论上促进了线性子空间对象识别方法的发展。而且，这使得用凸优化方法来强制光照函数非负成为可能，为光照问题的解决提供了重要思路。

生物特征识别的历史

* 2000年，举办了第一届人脸识别开发商测试大会（FRVT 2000），这是第一次公开的、针对多种商业生物特征识别系统的大规模技术评测，此后，在2002年和2006年举办了两届， FRVT 的主要目的是评测系统在大规模数据库上的执行性能

* 2004年，人脸识别挑战赛（Face Recognition Grand Challenge， FRGC）启动，FRGC由美国政府资助，针对人脸识别中存在的主要问题征集算法，参加者分析数据、尝试提出新方法去解决问题，然后，聚集到一起进行讨论与交流。这一挑战赛的参加者众多，表明人脸识别涉及的知识面广、问题复杂，同时也表明它受到学术界和企业界的广泛关注。

清华大学人脸识别系统在美国通过FRVT评测
http://news.tsinghua.edu.cn/publish/news/4209/2011/20110225231848671197036/20110225231848671197036_.html
* FRVT是由美国NIST（美国国家标准与技术研究院）组织的在人脸识别工业界最权威的人脸识别技术评测，已连续举办了FRVT2000、FRVT2002和FRVT2006三届测试。该测试主要面向人脸识别技术的供应商，在FRVT2006才鼓励学术研究机构参加该测试。

* FRVT2006共有来自10个国家的22个单位参加，国际著名人脸识别公司如德国的Cognitec
System GmbH、美国Identix Inc、美国Viisage以及近来被Google收购的Neven Vison等都参加了该次测试。另外，国际上的一些知名公司，例如：韩国的三星公司、日本的东芝公司等也参加了该测试。在22个参加测试的单位中有6个是学术研究机构，包括了美国的卡耐基·梅隆大学、新泽西理工学院和休斯顿大学等。而来自中国的参加测试单位只有清华大学和北京大学，这也是首次有来自中国的机构参加该测试。

* 在22个参赛机构中只有11个机构完成了大规模测试

3. 国内商用

国内人脸识别研究现状

国内最早研究人脸识别的，当属于中科院计算所跟哈工大的一个联合面像实验室。该实验室的高文教授，陈熙林教授，山世光教授，直到今天，都一直活跃在人脸识别领域，更可贵的是，在IEEE上面发表了很多paper。这一点，很值得国内的同行学习。后来，该实验室，成为上海银晨的研发中心，专门为上海银晨做技术研发和技术支持。

"于2000年5月与成都银晨网讯（现上海银晨科技的前身）联合创立了国内首家专门从事面像识别核心技术研究与开发的实验室——ICT-ISVISION面像识别联合实验室。该联合实验室从2001年起一直维持着20人左右规模的研究队伍。"

其次是中科院生物识别研究所的李子青教授，以及下属的中科奥森公司。李子青教授，当年在微软亚洲研究院的时候，就从事人脸识别方面的研究工作。后来，在中科院组建了专门的人脸识别研究团队（当然是他跟他带领的一群博士硕士）。该研究团队，首先提出了基于近红外的人脸识别技术，并将该项人脸识别技术用于08年北京奥运会。同时，基于近红外的人脸识别技术，得到了国际上同行业专家的认同和一致肯定。顺便提一下，李子青教授编辑了一本名为《Handbook of
face recognition》的书籍，可以说是目前人脸识别领域，最为全面的一本参考书。

接着，是清华大学的丁晓青教授。丁晓青教授在OCR(字符识别)领域，可谓国内第一人。不过，最近几年转行做人脸识别，也是非常有成就的。不说别的，就只从FRVT2006（美国国家标准研究所2006年全球人脸识别供应商系统性能测试）的测试结果来看，丁晓青教授的研究团队（自然也是丁教授跟她的博士、硕士）是唯一一个完成大规模3D人脸识别性能测试的参赛团队。由此可见，在国内人脸识别领域来说，她们的算法，在3D领域，绝对排名第一。

不过，国内人脸识别产品市场占有率最高的，是汉王科技的门禁和考勤系统。汉王科技也是中科院下属的一个公司，其人脸识别技术，是采用双摄像头，分别捕获到人脸的信息，从而合成3D人脸图片，然后进行特征提取和相应的识别工作。

最后一个，就是深圳的飞瑞斯，该公司最近也在推广其自主开发的人脸识别系统。于前几位不同的是，它们采用了多光源进行补光的策略，从而有效解决了人脸识别中环境干扰的问题。当然，除此之外，也有一些小公司或者单位，也在从事人脸识别方面的研究工作。不过，都没有自主的技术或者产品推出。