人脸识别法医学中的一些挑战(中文翻译)

人脸识别：法医学中的一些挑战AnilK.Jain,BrendanKlareandUnsangPark密歇根州立大学人脸识别已经成为刑事侦查员经常使用的一种有效检验工具关键词：人脸识别；法医学；面部标志；老化；法医素描；录像中的人脸；无约束的人脸识别Ⅰ、引言。人脸识别系统通常有两种应用场景：验证和识别[1]。在验证场景中，对两张面部图像的进行测量，并确定两者是否匹配。在识别场景中，计算给定的人脸图像）和大型数据库中所有的人脸图像自动化人脸识别技术的表现已经得到美国国家标准与技术研究院的一组测试的检验FERET[17（TheFaceRecognitionVendorTest，FRVT）和人脸识别大挑战RecognitionGrandChallenge，FRGC）其参与者既包含产业界，也包含学术界。在FRVT2002[13]中，人脸图像来自正面姿势、正常光线条件下的大量档案图像（来自37437名罪犯的121589张人脸图像。最近对FRVT2006[4]的测试包含了验证场景；对高分辨率图片）3D0.010.001。FRVT20061、FRVT2006（）控制光线，中性表情（IPD=400（）控制光线，微笑，（）不控制光线，微笑（IPD=400（）3D,IPD尽管在有控制的场景中自动化人脸识别系统取得了巨大成就错误率太高，不能反映人脸识别系统的准确性。在上述场景中，对周围的照明、案犯的姿势、传感器的分辨率、压缩程度等，都不能进行严格的假设（参见图2。CSI大量的人脸识别设备prototypedeployment（例如2001[33年在德国举行的Meinz火车站测试[36]）没有达到需要的匹配精度。另一方面，为数不多的人脸生物统计技术获得成功，例如澳大利亚的Smartgate[34（情和美容化妆等，它们会进一步降低识别的精度，而且通常在控制研究中也无法复制。（）（）（）（）闭路（）近红外图像DNA鉴定、鞋印比对、潜在的指纹检查、指纹和DNA识别FBNextGenerationIdentificationprogra）的目标之一。在法医学中，人脸识别技术历史悠久。第一篇报告发生于1871年的英国法庭，试图通过比对一些人脸图像确定罪犯。法国犯罪学家AlphonseBwertillon1882第一篇自动化人脸识别的文章由Bledsoe等于于1966从一系列特征点中（例如瞳孔中心、眼睛的内角和外角、视窗的顶点等）计算了20个2000和Harmon[3722（Goldstein和Harmon2556种不同的特征，并预测说，从包含的档案图像中识别一个14研制出第一个全自动人脸识别系统[38Sirovich[40]，TrukPentlandPCA的人（LDLDA都冠PCAElasticBunchGraphMatchinEBG[25LocalBinaryPattern，LBP）[43]。表1对人脸识别领域的表征工作进行了汇总。表1自动化人脸识别研究历史中的表征工作汇总法医学领域用到的大多数图像都是入案照片（正面姿势、正常光照、最小表达，而探测的人脸图像通常具有不同的姿势、照明、分辨率和形态（如红外、视频录像等。例如，监视探头拍摄的人脸图像和潜指纹起到相同的作用，图像识别的难易程度取决于流动的模糊、姿势和遮挡程度occlusio。随着监控录像设备数量的迅速增长（参见图3稳[49]。图3、中国街道上的监控摄像机[50][51]仅在北京就有大约400，000个监控摄像头覆盖了100%的公共区域（如学校，医院，地铁等）法医人脸识别从自动化人脸识别中独立出来（图4，是由许多原因造成的。例如低质thePinellasCountySheriff’sOffice的人脸识别系统，其数据库包含六百多万张人脸图像[3]，由入案照片（在逮捕罪犯时拍摄）和弗罗里达州汽车管理局的照片构成。自动化人脸识别系统需要这样一个大的人脸档案图片数据库、低分辨率的闭路电视，来自自动取款机的图像，法医素描或来自社会网站的图像等，因此来自自动化识别系统的排名前N的个体被认为是犯罪嫌疑人softsuspec，随后这些犯罪嫌疑人会被法医专家通过手动检测，以确定正确匹配。种手动检测程序需要经过标准化，以降低判断的主观性。国家科学院（ theNationalAcademies）在其《识别法医科学协会的需要（IdentifyingtheNeedsoftheForensicSciencesCommunity）报告中，提供给了13条具体的建议。这些建议强调，需要将对法医证据的检查和解释进行标准化。发现可能性最大的犯罪嫌疑人。4数据库。在许多情景中，法医人脸识别并不是全自动的。总之，如下特征将法医人脸识别和自动化人脸识别进行了区分：1、探测图像的质量并不理想（例如，部分人脸，off-pose，高压缩和低分辨率）2、需要考查排名前N的匹配者，而不是只考查排名第一的人本文的目的在于提高人们对法医学人脸识别中重要挑战的认识和理解ATM摄像头等，以及近红外线图像与照片的匹配等。Ⅱ、法医人脸识别的一些挑战本节将讨论集中人脸识别技术领域的进展对法医学人脸识别的重要作用。之所以选择这几个特定的问题，受到我们正在进行的研究的影响。A、面部老化会碰到这种年龄差异（）识别失踪的儿童）对数据库中的嫌疑人进行检测（或DMV数据库。面部老化是一个复杂的过程，它能影响人脸的形状和肌理（例如肤色或皱纹。老化过（≤18岁而在年龄较大的群组中（18岁，老化的主要特点是较大的肌理改变、较小的形状改变。5FG-NET[7]MORPH[31]数据库中二个罪犯的老化差异。正如所预测的，较年图5、因为老化而导致的面部变化Li等人[32]领域的参数老化模型，生成合成图像，缩小探测图片与档案图片之间的年龄差距。生成3D（posecorrection3D3D模型特3D3D2D3D老化模型。判别模型的显著特点在于，能跨越年龄差距更好的识别67呈现的匹配结果的例子显MORPH1000010000张入案照片进行人脸识别检验，一次就能识别8%[32]。图6可识别和生殖衰老模型的示意图表7、存在老化的人脸识别样本，它虽然商业匹配失败了却成功提出了老化模型，第一行显示的是数据库图像，第二行显示的是同一个人的采集图像B、面部标志作用（参见图8）[22]。由于高分辨率传感器的应用、手动识别兼容性的发展，以及人脸图表8、具有特殊面部标志的人脸图像。（a）大片胎记（b）疤痕（c）泪滴纹身。Spaun[22][23]介绍了一种在执法机构执行的面部检测程序（五步人工检验程序，即ACE-V[24，该程序的一个主要步骤是确定“白，Park和Jain提出了面部标志的自动检测过程（如图9所示）[5]。表9、自动标记检测示意图[5]Park和Jain发展了一个框架，使用面部标志，通过文本查询（textquery）检索罪犯[5]。文本查询允许的伤疤”等。他的人口统计学信息（例如性别，年龄，身高，刑侦人员可以只去调查剩下的几十个人。10显示的成对图像表明，直接使用面部标（当它与商业识别仪器结合使用时10[9]。以213213张照片作为探1021310213第0.5%[5]。10、有助于提高匹配性能的面部标志比对图像示例（（）是双胞胎的两个图像（（）面部标志检测结果C、法医素描识别。将法医素描和嫌疑犯照片数据库进行比对的能力非常重要。Klare等人[6]制定了一种框架体系，可以将法医素描和照片进行比对，该系统允许侦查员使[6][15]和SIFT特征算子[16]将素描和照片的结构进行编码。这两个特征算子在素描和照片的模态方面性能良好。使（LocalFeature-basedDiscriminantAnalysis,LFDLFDA[6。例如，当用49张探测图片和包含10159名罪LFDA包含排名前50的准确率为44.9%5026.53%。使用特殊的素描识别系统，例如LFDA，对于扩大法医素描识别的能力非常必要。法医素描识别的一个主要困难在于，见证人无法正确回忆案犯的相貌。图11呈现了两个例子，信息库中储存的照片thetopretrievedphotograph（第二列）虽然不正确，但比素描（第一列）更接近罪犯的真实照片（第三列。图11、法医素描识别中匹配失败的例子[6]。图片来自[18]。D、录像中的人脸识别所呈现的画面，来自[53]。来自同一段视频流中同一对象的多张画面，可以让系统选择使用质量最好的面孔图像（例如正面姿势或图像居中。短暂的信息，例如动态面部表情的变化，也可[48]。来自常规监视摄像头的面孔图像，大多数分辨力较低，可以将静态摄像头和PTZ(Pan-Tilt-Zoom，旋转俯仰缩放)摄像头串联使用。例如，图12（b）展示PTZ[44]PTZ摄像头继而获取高质量的人脸图像。表12、录像中的面部图像。（a）录像中五个连续的画面。（b）静态摄像头和PTZ摄像头所拍摄的全景和特写。和Blanz[30]建议使用一3D2D3D脸部模型。这种方法只Park和Jain[4]结构方法，利用从频率获得的面部标志来推断3D3D建模和PTZ摄像头的使用将识别准确率分别提高了98%3D建模人脸识别实验使用了CMUFaceIn[53]331摄像头实验使用了一个私人数据库和MORPH数据库10020名档案图片。E、近红外人脸识别近红外人脸图像的使用，被认为可以克服变化照度的影响[45][46]。和素描识别类似，NIRNIR和可见（VIS）光谱所需要的面孔图像如图13所示。13、近红外面孔图像（第一行）和对应的照片（第二行取面孔图像的理想属性。图像来自[47]。Klare和Jain[45]提供了一个以特征为基础的框架，可以用来匹配NIR面孔探测图像和清晰的档案图库。无论是NIRVISSIFTLBP描述符来呈现。随机HFB数据库Klare和Jain建议的1.0%NIRVIS面孔图像进行匹配时精确度如此之高，监视系统也应该考虑使用NIRNIR摄像机系统可以偷偷地监测NIR脸识别。F、软生物统计学使用人脸图像可以确定软生物统计信息得。在艰难的录像识别中已经证明，这种信息的清晰使用可以提高人脸识别的精确性[5][6][9]。法医学使用软生物统计学信息的另一个例子是使用刺青来识别嫌疑犯和受害者[55]。Ⅲ、总结与未来的工作虽然前面提到了大量工具，但是法医人脸识别依然存在很多局限性。A、个体差异模型0到1之间匹配程度，因为并没有发展人脸个别差异模型。Spaun[22]曾经提到，由于缺乏人脸个体差异模型，法庭证词很难