8、人类面部识别：原理、发展与计算模型

人类面部识别：原理、发展与计算模型

1. 引言

2001 年 9 月 11 日的事件凸显了识别与恐怖分子有关联人员的系统的重要性。随后，多个国际机场开始测试面部识别系统。然而，实际测试结果并不理想，如棕榈滩国际机场的面部识别软件，在对 15 名志愿者和 250 张照片的数据库进行测试时，成功率不到 50%，每 5000 名乘客中会出现近 50 次误报。

传统的图像相似度测量方法在面部识别中存在问题，它们难以在重要且常见的变换中进行泛化，如照明变化、老化和表情变化等。因此，我们需要从神经科学中获取灵感，了解人类大脑是如何识别面部的。

人类面部感知的神经科学研究可以从两个方面影响机器视觉系统的研究：一是为评估人工系统提供基准；二是为机器视觉系统的图像预处理策略提供指导。

2. 人类面部识别技能的极限

2.1 研究目的

为了更好地利用人类视觉系统作为评估机器视觉方法的标准，我们需要全面了解人类面部识别能力。具体研究两个问题：一是人类识别性能如何随图像分辨率变化；二是不同分辨率下内部和外部特征的相对贡献。

2.2 研究动机

• 生态和实用考虑 ：在自然环境中，大脑通常需要在远距离或不理想的条件下识别物体。同时，许多自动化视觉系统也需要处理低分辨率图像，如安全监控设备拍摄的图像。
• 特征使用差异 ：当前基于机器的面部分析系统通常认为内部特征（眼睛、鼻子和嘴巴）是面部的关键组成部分，而外部特征（头发和下颌线）变化太大，实际用途不大。我们想了解人类视觉系统是否也采用类似的标准。