14、单视图人脸身份识别技术解析

单视图人脸身份识别技术解析

在日常生活中，我们常常惊叹于数以百万计的人脸竟各不相同。如今，随着技术的发展，如何通过学习来建模人脸身份，并在新图像中识别出特定人物，成为了一个重要的研究领域。本文将深入探讨单视图人脸身份识别的相关技术和方法。

1. 人脸身份识别任务

在进行人脸身份识别任务时，需要进行特定的计算。人脸身份识别主要有以下四种任务，难度依次递增：
- 分类（Classification） ：假设只会遇到固定数量的不同已知人脸。为了识别新图像中的人脸属于哪一个，只需学习一个分类函数，将有限的已知人脸分开。例如，在一个假设的二维人脸空间中，可以用三条线（在更高维度中为超平面）来区分三张不同的人脸。
- 验证（Verification） ：已知人脸的身份信息，任务是确定所声称的身份是否为该人脸的真实身份。
- 已知 - 未知分类（Known - Unknown） ：需要将人脸分类为已知或未知。尽管这个任务看似比人脸分类任务简单，但实际上所需的判别函数更为复杂，因为需要考虑未知人脸的群体。人脸验证可以看作是这个任务的一个特殊情况，其中已知类仅包含一张人脸。
- 完全识别（Full identification） ：需要判断新人脸是否已知，如果已知则确定其身份。

需要指出的是，人脸空间具有高维度，二维可视化实际上很难揭示其结构。不同人脸在人脸空间中的分离程度取决于用于建模人脸空间的表示方案。通常，每个人脸身份在人脸空间中可能形成强烈的非凸区域，不同身份的区域可能会有显著的重叠。由于外观的不连续