论文部分内容阅读
摘要：本文对人脸识别技术领域的全国专利申请状况进行了统计分析，并详细介绍了基于几何特征的人脸识别，基于局部二元模式的特征提取的人脸识别方法和基于Gabor特征提取的人脸识别方法三个重要技术方向的主要专利，期望专利综述能够帮审查员把握技术脉络，快速准确定位检索要素、提高检索和审查效率。
关键词：人脸识别；技术综述
一、人脸识别的技术概述
人脸识别的研究可以追溯到20世纪60年代末，人脸识别是基于计算机、图像处理、模式识别等技术的一种生物特征识别技术，人脸识别与其他生物识别技术相比较，具有自然、简便、易用、用户接受性良好、非接触、非侵扰等众多优点，人脸识别技术广泛地应用于罪犯跟踪、事故检测、安全验证、监控、出入口控制、电脑登录、互联网登录及身份认证、电子商务信息系统、反恐怖斗争以及其他适用的领域。
一个人脸识别系统至少包括人脸检测和人脸识别两部分，人脸检测是指对于任意一幅给定的图像，采用一定的策略对其进行搜索以确定其中是否有人脸，如果是则返回人脸的位置及大小；人脸识别是指利用已知的人脸身份数据库来鉴别被测图像中人脸的身份。目前常见的人脸识别算法主要基于以下几类：基于几何特征的人脸识别，基于子空间分析的人脸识别，基于局部二元模式的特征提取的人脸识别方法，基于Gabor特征提取的人脸识别方法，基于隐马尔科夫模型的人脸识别，基于神经网络的人脸识别，基于贝叶斯人脸识别，基于支持向量机的人脸识别等。
现有的人脸图像识别技术至少存在以下问题：年龄引起的人脸变化，姿态引起的人脸多样性，表情引起的人脸塑性变形，整容、化妆等因素引起的人脸模式的多重性，光照引起的人脸图像的差异性，头发、眼镜、胡须等常常会造成人脸部分遮挡；识别算法中主要存在运算量大、识别效率慢、识别时间较长等问题。
二、人脸识别的专利技术概述
1.全国专利申请量趋势分析
笔者通过在CNABS专利库中检索发现截止到2016月12月，已公开的人脸识别相关的国内专利申请量已超过3000件（以申请日为准）。
从图1所示的人脸识别申请量的时间变化看，该领域的国内专利申请大致经历了四个阶段。2006年之前，国内专利申请量仅有几十件，该阶段的申请人主要包括中国科学院计算技术研究所和中国科学院自动化研究所等。2006-2013年，申请量增长缓慢，而2013-2015年是人脸识别申请量高峰期，增长快速，2015年申请量达到高峰期，而到2016年申请量有所回落，这可能与部分专利未公开有关。
2.全国重要申请人分析
从图2可以看出，北京中星微电子有限公司、小米科技有限责任公司、上海交通大学、腾讯科技（深圳）有限公司的人脸识别申请量居前4位。从图3中可以看出北京中星微电子有限公司的申请量主要集中在2005年-2011年，并于2008年到达申请高峰期；小米科技有限责任公司申请量主要集中在2013年-2015年，并于2015年申请量高达50多件；而上海交通大学和腾讯科技（深圳）有限公司的申请量年份跨度较大，他们对人脸识别的研究具有连续性，而于2011年之前，上海交通大学的申请量高于腾讯科技（深圳）有限公司，2011年之后腾讯科技（深圳）有限公司申请量高于上海交通大学。从图4中可以看出，北京中星微电子有限公司的主要发明人为黄英和王浩，小米科技有限责任公司的主要发明人为陈志军和张涛，上海交通大学的主要发明人为杨杰和杜春华，腾讯科技（深圳）有限公司的主要发明人为熊鹏飞。
3.主要研究技术分支
本文主要研究人脸识别算法中的基于几何特征的人脸识别，基于局部二元模式的特征提取的人脸识别方法和基于Gabor特征提取的人脸识别方法。
基于几何特征的识别方法，是首先将人脸用一个几何特征矢量表示，进而用模式识别中的层次聚类思想设计分类器对人脸进行识别，在这种基于几何特征的识别中，识别总归为特征矢量之间的匹配，基于欧氏距离的判决是最常用的识别方法。
基于局部二元模式的特征提取的人脸识别方法中的局部二元模式（Local Binary Pattern，LBP）算子是一个固定大小为3×3 的矩形块，共对应于9个灰度值，将四周的8个灰度值与中心灰度值相比较，大于等于中心灰度值的子块由1表示，反之则由0表示，根据顺时针方向读出的8个二进制值作为该3×3矩形块的特征值，最终的编码值就是这个点上的LBP值，该算子可以对灰度图像中局部邻近区域的纹理信息进行度量和提取。
基于Gabor特征提取的人脸识别方法中的Gabor变换是以高斯（Gaussian）函数作为窗函数的短时傅立叶变换，短时傅立叶变换的基本思想是把信号划分成许多小的时间间隔，用傅立叶变换分析每一个时间间隔，以便确定该时间间隔存在的频率。利用了Gabor变换原理的Gabor滤波器能够同时保留空域和频域信息，Gabor变换在具体实现上就是将Gabor小波和图像灰度图做卷积运算，得到Gabor 特征图谱。
三、提高人脸识别准确性的专利技术路线图
为了了解人脸识别领域提高人脸识别准确性技术发展演变情况，了解主要技术路线，通过筛选重要专利，然后以技术分支和申请年份为坐标，绘制出该技术路线图，如图5所示。
四、小结
人脸识别的全国专利申请量逐年增加，尤其是2013年-2014年申请量的增长速度达到高峰，这表明人脸识别技术的研究仍然保持着强劲的发展态势。对于全国重要申请人，上海交通大学和腾讯科技（深圳）有限公司对人脸识别的研究具有连续性；而在2011年之前，北京中星微电子有限公司比较注重人脸识别的研究，申请量处于领先状态；在2013-2015年期间，小米科技有限责任公司比较关注人脸识别的研究，申请量达到国内第一。
对于基于几何特征的识别方法，为了避免人脸识别中提取的特征受人脸姿态、表情、光照、噪音影响较大的情况，首先出现了通过两个三维人脸提取出相应的几何特征方法，然后出现了对提取的几何特征进行归一化的方法，随后又出现了利用人脸各部位之间的长度和角度比例进行对比匹配的识别方法，最后出现了将大型人脸数据库做分类处理，根据不同人脸，不同环境下变化大的分类几何特征，将大型数据库中的数据分解为若干带有标签的子数据库，该标签由選取的分类几何特征决定的识别方法。这些方法的提出有效的提高了人脸识别的准确性。
对于基于局部二元模式识别方法，为了消除了光照变化对人脸识别的影响，有效地改善人脸识别对光照的鲁棒性，出现了基于提取LBP直方图距离和特征的人脸识别方法；为了解决人脸识别中误辩率高的技术问题，出现了提取局部二值模式（LBP）特征和尺度不变特征转换（SIFT）特征组合成人脸特征的方法；为了增强图像在发生尺度变化时的鲁棒性，出现了采用多分辨分析的LBP描述方法；为了能够提取到丰富的特征信息，出现了基于分块一致LBP的人脸识别方法；为了准确地表示出局部形状的整体变化，出现了基于网格纵横局部二值模式的三维人脸识别方法。这些方法均有效的改善了人脸识别的性能。
对于基于Gabor特征提取的识别方法，为了能够减少特征数，提高计算速度，出现了基于可见光与近红外Gabor信息融合的人脸识别方法、基于简化智能单粒子优化算法的Gabor人脸识别方法；为了提高了在遮挡情况下的人脸识别的性能，出现了基于多方向尺度与Gabor相位投影特征结合的人脸识别方法；为了有效提取图像的非高斯纹理信息，出现了非高斯二维Gabor滤波器图像纹理提取方法。这些方法有效的提高了识别的计算速度和识别的稳定性。
参考文献：
[1]任莹莹，匡红梅. 人脸检测与识别综述[J]. 科技广场，2009（09）：114-115.
[2]吴巾一，周德龙. 人脸识别方法综述[J]. 计算机应用研究，2009，26（09）：3205-3209.
[3]李武军，王崇骏，张炜，陈世福. 人脸识别研究综述[J]. 模式识别与人工智能，2006，19（01）：58-66.
[4]刘青山，卢汉清，马颂德. 综述人脸识别中的子空间方法[J]. 自动化学报，2003（06）：900-911.
作者简介：
郑岩（1988-），女，硕士，研究实习员，研究方向：人脸识别，*崔倩倩为等同第一作者。
关键词：人脸识别；技术综述
一、人脸识别的技术概述
人脸识别的研究可以追溯到20世纪60年代末，人脸识别是基于计算机、图像处理、模式识别等技术的一种生物特征识别技术，人脸识别与其他生物识别技术相比较，具有自然、简便、易用、用户接受性良好、非接触、非侵扰等众多优点，人脸识别技术广泛地应用于罪犯跟踪、事故检测、安全验证、监控、出入口控制、电脑登录、互联网登录及身份认证、电子商务信息系统、反恐怖斗争以及其他适用的领域。
一个人脸识别系统至少包括人脸检测和人脸识别两部分，人脸检测是指对于任意一幅给定的图像，采用一定的策略对其进行搜索以确定其中是否有人脸，如果是则返回人脸的位置及大小；人脸识别是指利用已知的人脸身份数据库来鉴别被测图像中人脸的身份。目前常见的人脸识别算法主要基于以下几类：基于几何特征的人脸识别，基于子空间分析的人脸识别，基于局部二元模式的特征提取的人脸识别方法，基于Gabor特征提取的人脸识别方法，基于隐马尔科夫模型的人脸识别，基于神经网络的人脸识别，基于贝叶斯人脸识别，基于支持向量机的人脸识别等。
现有的人脸图像识别技术至少存在以下问题：年龄引起的人脸变化，姿态引起的人脸多样性，表情引起的人脸塑性变形，整容、化妆等因素引起的人脸模式的多重性，光照引起的人脸图像的差异性，头发、眼镜、胡须等常常会造成人脸部分遮挡；识别算法中主要存在运算量大、识别效率慢、识别时间较长等问题。
二、人脸识别的专利技术概述
1.全国专利申请量趋势分析
笔者通过在CNABS专利库中检索发现截止到2016月12月，已公开的人脸识别相关的国内专利申请量已超过3000件（以申请日为准）。
从图1所示的人脸识别申请量的时间变化看，该领域的国内专利申请大致经历了四个阶段。2006年之前，国内专利申请量仅有几十件，该阶段的申请人主要包括中国科学院计算技术研究所和中国科学院自动化研究所等。2006-2013年，申请量增长缓慢，而2013-2015年是人脸识别申请量高峰期，增长快速，2015年申请量达到高峰期，而到2016年申请量有所回落，这可能与部分专利未公开有关。
2.全国重要申请人分析
从图2可以看出，北京中星微电子有限公司、小米科技有限责任公司、上海交通大学、腾讯科技（深圳）有限公司的人脸识别申请量居前4位。从图3中可以看出北京中星微电子有限公司的申请量主要集中在2005年-2011年，并于2008年到达申请高峰期；小米科技有限责任公司申请量主要集中在2013年-2015年，并于2015年申请量高达50多件；而上海交通大学和腾讯科技（深圳）有限公司的申请量年份跨度较大，他们对人脸识别的研究具有连续性，而于2011年之前，上海交通大学的申请量高于腾讯科技（深圳）有限公司，2011年之后腾讯科技（深圳）有限公司申请量高于上海交通大学。从图4中可以看出，北京中星微电子有限公司的主要发明人为黄英和王浩，小米科技有限责任公司的主要发明人为陈志军和张涛，上海交通大学的主要发明人为杨杰和杜春华，腾讯科技（深圳）有限公司的主要发明人为熊鹏飞。
3.主要研究技术分支
本文主要研究人脸识别算法中的基于几何特征的人脸识别，基于局部二元模式的特征提取的人脸识别方法和基于Gabor特征提取的人脸识别方法。
基于几何特征的识别方法，是首先将人脸用一个几何特征矢量表示，进而用模式识别中的层次聚类思想设计分类器对人脸进行识别，在这种基于几何特征的识别中，识别总归为特征矢量之间的匹配，基于欧氏距离的判决是最常用的识别方法。
基于局部二元模式的特征提取的人脸识别方法中的局部二元模式（Local Binary Pattern，LBP）算子是一个固定大小为3×3 的矩形块，共对应于9个灰度值，将四周的8个灰度值与中心灰度值相比较，大于等于中心灰度值的子块由1表示，反之则由0表示，根据顺时针方向读出的8个二进制值作为该3×3矩形块的特征值，最终的编码值就是这个点上的LBP值，该算子可以对灰度图像中局部邻近区域的纹理信息进行度量和提取。
基于Gabor特征提取的人脸识别方法中的Gabor变换是以高斯（Gaussian）函数作为窗函数的短时傅立叶变换，短时傅立叶变换的基本思想是把信号划分成许多小的时间间隔，用傅立叶变换分析每一个时间间隔，以便确定该时间间隔存在的频率。利用了Gabor变换原理的Gabor滤波器能够同时保留空域和频域信息，Gabor变换在具体实现上就是将Gabor小波和图像灰度图做卷积运算，得到Gabor 特征图谱。
三、提高人脸识别准确性的专利技术路线图
为了了解人脸识别领域提高人脸识别准确性技术发展演变情况，了解主要技术路线，通过筛选重要专利，然后以技术分支和申请年份为坐标，绘制出该技术路线图，如图5所示。
四、小结
人脸识别的全国专利申请量逐年增加，尤其是2013年-2014年申请量的增长速度达到高峰，这表明人脸识别技术的研究仍然保持着强劲的发展态势。对于全国重要申请人，上海交通大学和腾讯科技（深圳）有限公司对人脸识别的研究具有连续性；而在2011年之前，北京中星微电子有限公司比较注重人脸识别的研究，申请量处于领先状态；在2013-2015年期间，小米科技有限责任公司比较关注人脸识别的研究，申请量达到国内第一。
对于基于几何特征的识别方法，为了避免人脸识别中提取的特征受人脸姿态、表情、光照、噪音影响较大的情况，首先出现了通过两个三维人脸提取出相应的几何特征方法，然后出现了对提取的几何特征进行归一化的方法，随后又出现了利用人脸各部位之间的长度和角度比例进行对比匹配的识别方法，最后出现了将大型人脸数据库做分类处理，根据不同人脸，不同环境下变化大的分类几何特征，将大型数据库中的数据分解为若干带有标签的子数据库，该标签由選取的分类几何特征决定的识别方法。这些方法的提出有效的提高了人脸识别的准确性。
对于基于局部二元模式识别方法，为了消除了光照变化对人脸识别的影响，有效地改善人脸识别对光照的鲁棒性，出现了基于提取LBP直方图距离和特征的人脸识别方法；为了解决人脸识别中误辩率高的技术问题，出现了提取局部二值模式（LBP）特征和尺度不变特征转换（SIFT）特征组合成人脸特征的方法；为了增强图像在发生尺度变化时的鲁棒性，出现了采用多分辨分析的LBP描述方法；为了能够提取到丰富的特征信息，出现了基于分块一致LBP的人脸识别方法；为了准确地表示出局部形状的整体变化，出现了基于网格纵横局部二值模式的三维人脸识别方法。这些方法均有效的改善了人脸识别的性能。
对于基于Gabor特征提取的识别方法，为了能够减少特征数，提高计算速度，出现了基于可见光与近红外Gabor信息融合的人脸识别方法、基于简化智能单粒子优化算法的Gabor人脸识别方法；为了提高了在遮挡情况下的人脸识别的性能，出现了基于多方向尺度与Gabor相位投影特征结合的人脸识别方法；为了有效提取图像的非高斯纹理信息，出现了非高斯二维Gabor滤波器图像纹理提取方法。这些方法有效的提高了识别的计算速度和识别的稳定性。
参考文献：
[1]任莹莹，匡红梅. 人脸检测与识别综述[J]. 科技广场，2009（09）：114-115.
[2]吴巾一，周德龙. 人脸识别方法综述[J]. 计算机应用研究，2009，26（09）：3205-3209.
[3]李武军，王崇骏，张炜，陈世福. 人脸识别研究综述[J]. 模式识别与人工智能，2006，19（01）：58-66.
[4]刘青山，卢汉清，马颂德. 综述人脸识别中的子空间方法[J]. 自动化学报，2003（06）：900-911.
作者简介：
郑岩（1988-），女，硕士，研究实习员，研究方向：人脸识别，*崔倩倩为等同第一作者。