人脸识别新突破！就算遮住半张脸也能被识别

众所周知，人脸识别在摄像头无法捕捉到完整面部图像的情况下很难获得理想的效果。最近布拉德福德大学的研究人员在不完整面部识别方面获得了突破性进展，实验表明，扫描整个面部的3/4、甚至1/2的识别准确率能够达到100％！

基于计算机的人脸识别已经成为一种成熟且可靠的机制，实际上已被应用于许多访问控制场景，不过目前面部识别或认证，主要使用全正脸面部图像的“完美”数据来执行。但实际上，有许多情况下比如闭路电视摄像机往往只能拍到脸的一侧，或者如果被拍摄者戴了帽子、口罩等遮挡物，就无法获得完整的正脸。因此，使用不完整面部数据的面部识别是一个亟待开发的研究领域。

来自布拉德福德大学的研究团队的最新研究在不完整面部识别方面，取得了突破性进展，实验使用最先进的基于卷积神经网络的架构以及预先训练的VGG-Face模型，使用余弦相似度和线性支持向量机来测试识别率。团队在两个公开可用的数据集（受控的巴西FEI和不受控制的LFW）上进行了实验。

实验表明，扫描整个面部的3/4、甚至1/2的识别准确率能够达到100％！除此之外，团队还研究了面部的某个独立的部位，比如鼻子、脸颊、前额或嘴巴的识别率，以及图像的旋转和缩放对面部识别主体的影响。结果发现，如果只针对面部的某个独立的部位，比如鼻子、脸颊、前额或嘴巴，识别率总是相对较低。

据悉，这是第一个使用机器学习来测试面部不同部位识别率的研究，论文已发表在Future Generation Computer Systems上。

本次实验中，研究团队使用了余弦相似度（CS）和线性SVM分类器。做出这样的选择基于两个原因：首先，团队测试了其他分类器后发现CS和线性SVM的效果最好；其次，通过实验和分析，团队发现这两个分类器能够更准确地分离数据。

SVM是一个二元分类算法，线性分类和非线性分类都支持。经过演进，现在也可以支持多元分类，同时经过扩展，也能应用于回归问题。在本实验中，研究团队对两种SVM都进行了测试，发现当使用部分面部作为测试集的时候，线性SVM能够获得更好的效果。

这项工作提供了一组全面的实验，使用面部的不同部分进行面部识别。

在这项工作中，已经进行了许多遮挡设置，以验证该方法可以处理正常和遮挡的面部识别任务。为此，进行了两组主要的实验：一组不使用局部，旋转和缩放的面部作为训练面部数据的一部分，另一部分使用部分，旋转和缩放的面部作为训练的一部分。

应用前景

研究团队负责人Hassan Ugail教授表示这个结果展示了不完整面部识别的美好前景：“现在已经证明，可以从仅显示部分脸部的图像中，获得非常准确的面部识别率，并且已经确定哪些部分的识别准确率更高，这为该技术应用于安防或预防犯罪等方面，开辟了更大的可能性。”

不过Hassan Ugail教授还表示，目前实验还需要在更大的数据集上进行验证。显然，将来很可能用于面部识别的图像数据库也需要包含不完整面部的图像。

参考链接：

https://www.sciencedirect.com/science/article/pii/S0167739X18331133?via%3Dihub#b3

https://baijiahao.baidu.com/s?id=1632407448862697475&wfr=spider&for=pc