面部生物识别照明

面部生物识别技术提供了一种用户友好、价格低廉、易于使用的验证个人身份的方法。然而，验证的准确性明显低于其他生物识别方法。缺点之一是，许多面部生物识别算法对光线的微小变化都非常敏感。一种方法是要求面部生物识别的标准照明。对于一个融入现有建筑的面部生物识别亭来说，这可能是不切实际的。正如这里所演示的，与摄像机同步的调制光源可以用于提供这些情况下与照明无关的图像。所需的调制光量是最小的突兀。照明的安排可以是任意的，但应该适合于应用和场地。在封闭和开放的空间，良好的照明可以抑制背景。虽然背景中的运动工件可能会出现，但识别和删除很容易。

介绍了生物识别技术
现代生物计量学是一种将个人的独特特征与数据库条目联系起来的方法。当从个人身上获取的数据合理地接近其数据库条目中的信息时，生物识别系统就会“识别”个人。在这篇文章中，我们将关注生物特征验证，确定一个人是否是他们声称的那个人。核查经常用于日常安全中，用于允许(或拒绝)访问有价值的材料、货币或信息。在这些情况下，希望访问的个人通常是有知识的，并遵守程序，知道生物特征信息正在被收集。从很多方面来说，这是一个理想的情况。然而，由于硬件和软件的限制，生物特征验证仍然容易出错。

生物特征识别和验证有很多选择。一个简短的技术列表可能包括，指纹，面部，手部几何，虹膜，视网膜，标记和基于知识的识别。每种方法在识别的准确性、易用性、成本、速度、对欺诈的鲁棒性和用户接受度方面都有局限性。¹一些生物识别供应商已经提出了生物识别措施的组合，以增强识别能力，假设组合的方法更不容易出错，更难以被击败。面部生物识别技术通常是这种组合的一部分，因为成本低，易于集成，而且数据记录在法医调查中很有用。然而，与其他类型的识别相比，面部识别具有较高的误差率。¹一项简单但不简单的统计分析表明，结合强、弱生物识别方法来减少误差并不会产生显著的改善。^2、3

由于上述面部识别的特点，改进面部生物特征的目标是非常有吸引力的。标准组织已经汇编了文档，描述了为面部生物识别获取图像的适当方法，以及生物识别算法的挑战数据集。^{4 - 6}这些方法的目标是为面部生物识别数据库提供统一的，也许是理想的图像。这些文件的重要部分涉及如何控制用于面部识别的图像中的照明。在商业空间中，通常很难达到所需的环境照明控制程度，因为自然照明可能根据一天中的时间、天气条件和室外车辆交通而变化。人工照明可以根据照明装置的老化和维护以及附近物体的反射而变化。这些困难在FERET和FRVT的挑战以及评论文章中得到了强调。^{6 - 9}

如果图像不受环境光的影响，面部生物识别性能将得到显著改善。在去除环境照明方面，生物识别领域的大部分努力都是在软件解决方案上。硬件解决方案，如这里讨论的照明解决方案，是一种值得选择的方法。理解当前技术对于将硬件和软件方法结合在一起非常重要。

最新科技概览

算法
在理解照明在面部生物识别中的作用时，对用于识别和验证的算法有一个大致的了解是有用的。由于算法是专有的，很少公开，因此很难对商用面部生物识别系统进行深入分析。在面部生物识别领域有几种算法在最简单的形式中，这些方法是客观的，也就是说，它们不假设是什么特征定义了一张脸。这既是优点也是缺点。研究表明，人类对面部识别的假设往往不能代表歧视的最佳基础。客观方法的有效性很大程度上取决于所举的例子。

每种方法的准确性和速度取决于用于训练算法的图像集的质量。对于面部生物识别验证，训练集应该包括一组图像，其中包含受试者可能呈现在相机面前的合理变化，例如:各种姿势、面部表情和面部毛发和发型等美容变化。可以预期的是，如果个体表现出的变化没有在训练集中表现出来，这些方法将产生更多的错误。

有几种方法可以最小化这些影响。一种是通过强调某些特征，如眼睛、耳朵和嘴巴，通过使用加权因子来增加图像特定部分的重要性，从而最小化这些变化的影响。例如，图像背景的权重或重要性应该为零。包括3d建模在内的许多技术都可以计算出姿势和灯光。在计算姿态时，还需要考虑6个额外的参数。有三个转动自由度，偏航，俯仰和滚动和三个平动度，左右，上下和向内，由相机的光轴定义。⁵光线的变化会改变面部的反射和阴影。光学射线追踪模型可以识别存在的光源，并允许去除它们的影响。

面部生物识别技术在鲁棒性、速度和准确性方面面临着重大挑战。这三个挑战相互影响，因为通过增加模型复杂性而获得的准确性降低了速度和鲁棒性。生物识别技术继续为学术界和工业界提供有用的挑战。

照明技术
应用数学和计算机科学社区主导着生物识别学的研究，因为许多挑战需要降维、数据库和算法设计方面的技能和知识。在硬件上解决面部生物特征问题的尝试非常少。其中许多尝试都集中在改进计算硬件上，例如实现硬件神经网络。尽管在机器视觉文献中对照明的过度强调，但在照明解决方案上的尝试甚至更少。

许多面向照明的生物识别技术的发明都集中在近红外波段。^{3 - 17}这种方法是成功的，因为即使是强烈的近红外照明也不会引人注目;波长大于700nm的光子人眼是看不见的。此外，大气和窗户玻璃显著减少了波长在700到2000纳米之间的可用光。在这个波长范围内，自然照明的室内空间可以被认为是昏暗的。商用CMOS和CCD相机对700到1100纳米之间的光足够敏感，可以获得可接受的结果。困难在于来自室内白炽灯的干扰和获取廉价、明亮的近红外光源用于测量。

红外热成像是一个相对较新的兴趣领域，由于技术的进步，红外成像探测器的成本迅速下降到4000美元/台。热照相术感应物体的温度。人类的体温较高，在背景中显得很突出。它不仅能绘制面部特征，还能绘制皮肤内血管的模式。¹⁰

调制可见和红外光源，当与图像捕获设备同步时，有望捕获独立于环境照明的图像。其目的是捕捉被调制光源照亮的物体的图像。1992年，科学泛型公司考虑使用调制光源(5千瓦近红外闪光灯)获取面部图像的可能性，但由于1992年技术的局限性，他们被迫放弃了这个想法。¹¹2000年，西门子公司开发了一种类似的技术，用于使用红外闪光灯进行手势识别。¹²然而，在生物识别环境中对闪光灯性能的详细评估还没有尝试过。闪光灯方法值得在面部生物识别领域重新引起人们的兴趣。

利用调制照明去除环境光信号
由于光照给面部识别带来了如此巨大的挑战，因此使用了相当大的计算能力或环境光照的限制来减少即使是微小的变化。光线追踪是一项复杂的任务，即使表面很简单，更不用说考虑所有可能的形状和人类头部的曲率。标准化照明的传统方法是使用闪光或泛光照明来“压倒”环境照明源。当光线是可见的，这是突兀的，可以使主体不舒服和不服从。可以使用红外照明，但仅近红外光源价格昂贵，位于CMOS和CCD相机最敏感的光谱区域之外。红外图像与现有的人脸识别数据库也不兼容，因为在近红外波段，人脸特征的反射率会发生巨大变化。调制光源可以为环境照明的微妙和剧烈变化提供一个容易实现的解决方案。

光度法在生物识别学中的作用
在光度测量中，调制光源一直被用来最小化进入仪器的环境光的特征。18在最简单的安排中，通过打开和关闭灯来调制测量光源，在打开和关闭灯的过程中测量进入仪器的强度(我明亮的）和关闭(我黑暗)灯的周期。测量强度(我量）.

强度测量
使用研究仪器，当调制速度快于环境光的变化时，可以测量到非常小的光强差异。在生物识别应用中，数字图像的光度质量(信噪比)受到数字化量化、读出和射光噪声的限制。

照片是光度测量的记录。在数字图像中，每个像素的强度与检测到的光子数量成正比。在闪光人像摄影中，闪光灯的光被添加到环境照明中，以增加被摄物的照度。因为光强的衰减与到闪光的距离成反比，所以靠近闪光的物体比远处的物体受到的光强得多。闪光灯有两个优点，它是一个调制光源和它的效果是局部的。这意味着当照明(明亮)和黑暗的图像被拍摄时，不同的图像将包含闪光灯附近物体的记录。这两个优点以前在生物识别领域没有被认识到。

只需要从面部反射的环境光强度的微小变化(25%或更少)就可以校正环境光的总体变化。在这个水平的闪光强度是轻微侵入。其强度水平与袖珍相机的减少红眼闪光相似。闪光强度的下限是由相机固有的光度噪声设定的。当记录的强度是噪声水平的2到3倍时，就会产生可用的图片。忽略数字化量化，描述噪声影响的方程2可由方程1导出。¹⁸

与所有的闪光灯摄影一样，需要注意不要使相机饱和。理想的相机具有较大的动态范围，如10位机器视觉相机和Pixim和SMaL Camera Technologies的产品，可以为差分图像提供最佳的动态范围。原则上，照明的安排是任意的，但应该考虑哪种安排最适合物理场地，揭示生物特征的重要特征，并允许与现有的面部识别数据库进行精确匹配。特别需要注意的是，需要漫射光的ISO标准。轴向照明会对面部特征、眼镜和珠宝造成潜在的不可接受的眩光。

由于光照是可控的，环境源的影响显著降低，差分图像非常适合作为当前生物识别算法的输入。图像中的阴影现在是面部特征曲率的有力线索，允许精确测量姿势。背景杂波的减少使得面部定位更加准确。

一个简单的测试
这个方法是在两个不同的日子里使用消费级数码相机实现的。结果如图2所示。这种配置的采样率约为0.05 Hz，闪光照明与镜头近似同轴。像素的位深为8位，图像的光度质量受到数字化量化的限制。根据曝光设置，闪光灯的反射光强度是到达相机的总强度的20%。相机使用自动曝光设置。摄像机和照明参数都不理想，但代表了这个初步研究可用的设备的局限性。

差异成像的结果是戏剧性的。当曝光条件恒定时，即禁用相机中的所有自动功能;闪光单元发出的光是闪光图像中唯一的光。没有证据表明来自自然或人工环境光源的高光。在图2中，在两张不同的图像中，主体从背景中突出出来。

一些背景的提示保留在面板1的差异图像中。这是由于闪光被房间的白色墙壁反射。值得注意的是，复杂的背景特征，阳光照射的停车场和天花板灯具已经被移除。由于相机中的JPEG压缩算法的工件，只有来自某些对象的模糊边界保留下来。JPEG压缩算法是“有损的”，不能准确地再现图像中高对比度区域边界的强度。

在图2的面板2中，我们有一个更复杂的背景，有更多的对比和细节。有几把以黑色珐琅漆为背景的椅子。阳光从主体上方的走道反射，提供了强烈的定向照明。在环境光照片中，b，走道曝光过度。主题左侧的五盏灯中有两盏亮着。背景中有几把涂着黑色珐琅漆的椅子。除了灯，图像中的大部分背景都被删除了。和走道的部分一样，这两盏灯出现在这个图像中，因为在原始的环境光图像b中，灯被过度曝光。

作为一个实用硬件的例子，视频设备在自助取款机是适合的任务。摄像机的采样率为30到60赫兹。当视频通过以太网电缆发送时，就可以从摄像机获得数字化图像。一些ATM摄像头模块可以使用机载信号处理器进行处理。唯一的新要求是在ATM筋膜上增加照明源。

特殊注意事项
使用闪光灯实现差分图像有三个重要的限制。要解决的最简单的问题是镜面反射产生的眩光，这在轴上照明中尤其普遍。像所有的闪光灯摄影一样，从窗户和其他光滑物体反射的镜面使图像的部分饱和。镜面反射可以使用偏振光或漫射光来减少。其次，差分图像具有固有的低动态范围。有两种方法可以做到这一点，一是使用原始图像对应的高动态范围数据，二是使用相机的非线性响应函数来强调闪光灯增加的强度。最后，与使用标准视频帧不同，图像获取速度很慢。较低的采集率意味着运动的影响更难抑制。运动的影响及其抑制，是值得详细讨论的。

考虑商用ATM机使用的NTSC格式相机是有指导意义的。摄像机可以有50°到110°的视场。通常，NTSC相机水平分辨率为300-500水平像素，帧率为30 - 60hz。在这个范围的顶端是640水平像素的VGA相机。较低分辨率的相机将较少受到运动效应的影响，而分辨率的显著提高无助于生物特征验证。使用60°视场、30 Hz帧率、640像素分辨率、典型速度、距离和三角函数，可以计算出不同帧间物体运动的“最坏情况”。图3显示了一个假设的办公室入口通道，或一个独立的ATM机的示意图。

利用上文所述的计算，物体以不同速度穿过视场所产生的影响见表1。指示的速度在车辆和行人运动的范围内。幸运的是，在其他验证措施(如指纹扫描或令牌表示)中，主体是相对静止的。令牌表示和键盘输入的速度范围从1到0.03英里/小时。垂直于光轴的高速率使移动的物体在随后的帧中被记录在不同的位置。这些变化在差分图像的背景中表现为明亮的污点。对表格的检查显示，常见的事件，如行人和车辆交通，对形象的影响很小。通过测量在差分图像之前和之后拍摄的图像的方差，也可以测试差分图像的质量。如果图像集合中的方差较大，则可以给可疑像素赋一个0的权重，或者重新拍摄差值图像。

总结与未来方向
生物识别技术中的照明技术可以在改善面部识别方面发挥重要作用，其中变化的主要来源是自然和人工照明的变化。这里提出的调制照明方法提供了非常适合当前生物识别算法的图像，因为它们独立于环境照明，背景变异性显著减少。

值得注意的是，即使使用消费级相机来测试这种方法，结果也令人印象深刻。在不同的图像中，被摄对象似乎只被闪光灯照亮，没有其他光源的高光或阴影的证据。此外，主体的图像明显地与背景隔离，并保留了重要程度的细节。

一个可接受的差异图像所需的光照变化是非常小的。在上面的例子中，闪光提供的强度只有环境强度的20%。进一步的减少可以通过更复杂的相机和调制技术来实现。有了优化的光学系统，可以想象，自动取款机式的生物识别亭可以利用视频显示的亮度变化，为差分成像提供调制。

调制照明方法有两个缺点，低速度和低信噪比。在大多数环境中，低速可能不是一个实际的缺点，因为被摄物不太可能移动得很快。利用现有的数据，可以很容易地识别和纠正背景中的运动。低信噪比是该技术的一个基本问题。使用具有非线性响应函数的相机，或使用原始图像，可以缓解使用闪光灯时的问题。显然，下一步是在高流量环境中使用优化的摄像头、照明和自动化软件测试该方法。

Acknowlegements
作者要感谢Diebold公司的David Krzic为自助取款机提供技术规范。

参考文献

1.基于视觉的生物识别;机器视觉在线，(2000)。
https://www.machinevisiononline.org/public/articles/archivedetails.cfm?id=364
访问日期:2004年9月3日。

2.J.道格曼，结合多种生物识别;剑桥大学计算机实验室(2004)。
http://www.cl.cam.ac.uk/users/jgd1000/combine/combine.html
访问日期:2004年8月26日。

3.答:罗斯;A. Jain，生物识别学中的信息融合。模式识别快报24,2115(2003)。

4.p . j .飞利浦;h .月亮;S. A. Rizvi，人脸识别算法的FERET验证测试协议;图像识别，(1998)。
ftp://sequoyah.nist.gov/pub/nist_internal_reports/ir_6281.ps.Z
访问日期:2004年9月3日。

5.生物特征数据交换格式第5部分:人脸图像数据草案ISO,(2003)。
http://www.icao.int/mrtd/download/documents/Annex%20D%20-%20Face%20Image%20Data%20Interchange.pdf
访问日期:2004年9月2日。

6.p . j .飞利浦;答:马丁;c·l·威尔逊;M. Przyboki，评价生物识别系统的介绍。计算机学报33,56(2000)。

7.m .骨;j·l·Wayman;D. Blackburn，人脸识别技术在药物控制中的应用，国际禁毒技术研讨会，2001年6月26-28日。

8.a . Jain;《生物识别系统:性能解剖》。IEICE反式。基础E84-D, 788(2001)。

9.答:Pentland;T. Choudhury，智能环境中的人脸识别。IEEE计算机33,50(2000)。

10.A.绿色，与个人身体有关的信息。柯达有限公司，国际专利WO8804153(1988)。

11.n Farahati;答:绿色;皮尔西n;基于新型红外照明的实时识别。光学工程31,1658(1992)。

12.h . Roettger;w . Radlik;c . Maggioni;手势操作触屏中减少物体上多余光的识别方法。西门子公司，德国专利DE19918633(2000)。

13.j·b·Dowdall;人脸检测中的近红外方法和系统。国际专利WO03023695(2003)。

14.小f·j·库萨克;j . Bortolussi;D. C. Ehn，消除面部识别系统中不需要的阴影的方法和系统。刘技术，国际专利WO010116(2000)。

15.k .近藤;眼位侦测方法及装置。松下电器工业株式会社，日本专利JP2002056394(2003)。

16.双波段生物识别系统。Prokoski，美国专利US2002136435(2002)。

17.j·h·莱梅尔逊;L. J.霍夫曼，车辆安全系统和使用反射图像的面部识别方法。Lemelson和Hoffman，美国专利US2003142849(2003)。

18.j·d·炉火;S. R. Crouch，光谱化学分析(Prentice Hall, Upper Saddle River, NJ, 1988)。