方案上看,2D 人脸图像线性子空间判别分析、统计表观模型、统计模式识别方法是这一阶
段内的主流技术。
第三阶段(1998 年~现在)
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。识别则通过计算输入图像到每个光照锥的距离来完。以支持向量机为
代表的统计学习理论也在这一时期内被应用到了人脸识别与确认中来。支持向量机是一个
两类分类器,而人脸识别则是一个多类问题。通常有三种策略解决这个问题,即:类内亦
称窗口傅里叶变换或短时傅里叶(Short Time FourierTransformation,STFT),1946 年
Gabor 提出。
差/类间差法、一对多法(one-to-rest)和一对一法(one-to-one)。 布兰兹(Blanz)
和维特(Vetter)等提出的基于 3D 变形(3D Morphable Model)模型的多姿态、多光照条
件人脸图像分析与识别方法是这一阶段内一项开创性的工作。该方法在本质上属于基于合
成的分析技术,其主要贡献在于它在 3D 形状和纹理统计变形模型(类似于 2D 时的 AAM)
的基础上,同时还采用图形学模拟的方法对图像采集过程的透视投影和光照模型参数进行
建模,从而可以使得人脸形状和纹理等人脸内部属性与摄像机配 置、光照情况等外部参
数完全分开,更加有利于人脸图像的分析与识别。Blanz 的实验表明,该方法在 CMU-PIE
(多姿态、光照和表情)人脸库和 FERET 多姿态人脸库上都达到了相当高的识别率,证
明了该方法的有效性。 2001 年的国际计算机视觉大会(ICCV)上,康柏研究院的研究员
维奥拉(Viola)和琼斯(Jones)展示了他们的一个基于简单矩形特征和 AdaBoost 的实
时人脸检测系统,在 CIF 格式上检测准正面人脸的速度达到了每秒 15 帧以上。该方法的
主要贡献包括:1)用可以快速计算的简单矩形特征作为人脸图像特征;2)基于 AdaBoost
将大量弱分类器进行组合形成强分类器的学习方法;3)采用了级联(Cascade)技术提高
检测速度。目前,基于这种人脸/非人脸学习的策略已经能够实现准实时的多姿态人脸检
测与跟踪。这为后端的人脸识别提沙苏哈(Shashua)等于 2001 年提出了一种基于商图像
13 的人脸图像识别与绘制技术。该技术是一种基于特定对象类图像集合学习的绘制技术,
能够根据训练集合中的少量不同光照的图像,合成任意输入人脸图像在各种光照条件下的
合成图像。基于此,沙苏哈等还给出了对各种光照条件不变的人脸签名(Signature)图
像的定义,可以用于光照不变的人脸识别,实验表明了其有效性。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