面部生物识别照明

面部生物识别技术为验证个人身份提供了一种用户友好、价格低廉、易于使用的方法。然而，验证的准确性明显低于其他生物计量方法。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化照明。事实证明，这对一个整合到现有建筑中的面部生物识别亭来说是不切实际的。正如这里演示的，与摄像机同步的调制光源可以用来提供这些情况下照明独立的图像。所需的调制光量是最小的。照明布置可以是任意的，但应与应用和场地相适应。良好的照明可以在封闭和开放的空间中压制背景。当运动伪影在背景中出现时，很容易识别和去除。

介绍了生物识别技术
现代生物统计学是一种将个体的独特特征与数据库条目联系起来的方法。当从一个人那里获得的数据与他的数据库条目中的信息相当接近时，生物识别系统就会“识别”这个人。在这篇文章中，我们将关注生物识别验证，确定一个人是否是他们声称的那个人。验证经常用于日常安全中，用于批准(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知识渊博的，符合程序，并知道正在收集生物特征信息。在许多方面，这是一种理想的情况。然而，由于硬件和软件的限制，生物识别验证仍然容易出错。

存在大量的生物特征识别和验证的选择。一个简短的技术列表可能包括，指纹，面部，手几何，虹膜，视网膜，标记和基于知识的识别。这些方法在识别的准确性、易用性、成本、速度、对欺诈的稳健性和用户接受度方面都有局限性。¹一些生物测量供应商提出了生物测量措施的组合，以加强识别，假设组合的方法更不容易出错，更难以击败。面部生物识别技术通常是这一组合的一部分，因为它成本低、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，面部识别的错误率较高。¹一个简单但不过分简单的统计分析表明，结合强和弱的生物计量方法来减少误差不会产生显著的改善。^{2， 3}

由于人脸识别的上述特点，改进人脸生物特征的目标非常有吸引力。标准组织已经收集了描述获取面部生物特征图像的适当方法的文件，并对生物特征算法的数据集提出了挑战。^4-6这些方法的目标是为面部生物特征数据库提供一个统一的，也许是理想的图像。这些文档中有很大一部分是关于如何控制用于面部识别的图像中的灯光。在商业空间中，自然光照会根据一天的时间、天气条件和户外车辆交通状况而变化，通常很难达到所需的环境照明控制程度。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的挑战以及综述文章中得到了强调。^{6 - 9}

如果图像独立于环境光，则可以显著改善面部生物识别性能。在去除环境光的生物识别领域，大多数努力都是在软件解决方案中。硬件解决方案，如这里讨论的照明解决方案，是一个值得选择的方法。理解当前的技术对于将硬件和软件方法结合在一起很重要。

最先进技术概述

算法
在理解照明在面部生物特征学中的作用时，对用于识别和验证的算法有一个普遍的认识是有用的。很难对商业面部生物识别系统进行深入分析，因为这些算法是专有的，很少公开。有几种算法被用于面部生物识别领域在最简单的形式中，这些方法是客观的，也就是说，它们对定义面孔的特征没有任何假设。这既是优点也是缺点。已有研究表明，人类对面部识别的假设往往不能代表辨别的最佳基础。客观方法的有效性很大程度上取决于给出的实例。

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给摄像机的一组合理的变化，例如:各种姿势、面部表情和面部毛发和发型等化妆变化。应该预料到，如果个体呈现出在训练集中没有表示的变异，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，比如眼睛、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。姿势和照明可以通过许多技术来完成，包括3d建模。在考虑姿势时，有六个额外的参数需要考虑。摄像机的光轴定义了三个转动自由度，即偏航、俯仰和滚转，以及三个平移自由度，即左右、上下和内外。⁵光线的变化改变了脸上的倒影和阴影。光学光线追踪模型可以识别存在的光源，并允许去除它们的影响。

在鲁棒性，速度和准确性方面，面部生物识别性具有重要挑战。这三个挑战彼此相互作用，因为通过增加模型复杂性提高了准确性，降低了速度和稳健性。生物识别技术继续为学术界和工业提供有用的挑战。

照明技术
应用数学和计算机科学领域主导着生物统计学的研究，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。这些尝试大多集中在改进计算硬件，如实现硬件神经网络。尽管在机器视觉文献中对照明的强调铺天盖地，但对照明解决方案的尝试却更少。

生物识别领域的照明导向发明中，有相当一部分都集中在近红外上。^3,10-17这种方法是成功的，因为甚至近红外照明甚至是不引人注目的;波长大于700nm的光子对人眼是看不见的。此外，大气和窗户玻璃窗显着减少了波长在700到2000nm之间的可用光。自然光明的内部空间可以被认为是在该波长范围内的暗淡。商业CMOS和CCD相机对700至1100nm之间的光足够敏感，以获得可接受的结果。难以从内部白炽灯照明的干扰，获得廉价，明亮，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，随着技术的进步，红外成像探测器的成本迅速下降到4000美元/台。热像仪能感知物体的温度。由于人类的体温较高，所以在背景中显得格外突出。它不仅能绘制面部特征，还能绘制皮肤内的血管图案。¹⁰

当与图像捕获设备同步时，调制可见光和红外光源，保持捕获与环境照明无关的图像的承诺。目标是捕获由调制光源照射的物体的图像。1992年，科学泛型考虑了使用调制光源（5 kW近红外闪光灯）获取面部图像的可能性，由于1992年代技术的局限性，他们被迫丢弃了这个想法。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，目前还没有对闪光灯在生物识别环境下的性能进行详细的评估。闪光灯的方法是值得重新兴趣的面部生物识别领域。

使用调制照明去除环境光信号
由于照明对面部识别提出了如此巨大的挑战，相当大的计算能力或环境照明的限制被用来减少甚至是微小的变化。光线追踪是一项复杂的任务，即使表面很简单，更不用说考虑人类头部所有可能的形状和曲率。标准化照明的传统方法是使用闪光或泛光照明来“压倒”环境光源。当光线是可见的，这是突兀的，可以使主体不舒服，更不适应。红外照明可以使用，但近红外光源价格昂贵，而且位于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，因为人脸特征的反射率在近红外区域变化剧烈。调制光源可以为环境照明的微妙和戏剧性的变化提供一个容易实现的解决方案。

光度学在生物计量学中的作用
在光度学中，调制光源一直被用来减少进入仪器的环境光的特征。18在最简单的安排中，通过开灯和关灯对测量光源进行调制，并在开灯和关灯期间测量进入仪器的强度。我明亮的）和关闭(我黑暗)灯的时期。测量的强度(我量)．

强度测量
使用研究仪器，当调制比环境光的变化快时，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)受到数字量化、读出和散斑噪声的限制。

照片是光度测量的记录。在数字图像中，每个像素的强度与探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光线中以增加被摄对象的亮度。因为亮度与到闪光的距离成正比的平方反比，闪光附近的物体比远处的物体被更强烈地照亮。闪光灯具有调制光源和局部效应两大优点。这意味着当被照(亮)和暗的图像被拍摄时，差分图像将包含闪光灯附近物体的记录。这两个优势在生物识别领域之前没有被认识到。

只需要一个小的变化(25%或更少)的强度从环境光水平反射的脸是需要修正的总体变化环境光。在这个水平上的闪光强度是轻微的侵入性的。亮度级别类似于从袖珍相机红眼减少闪光。闪光灯强度的下限是由相机固有的光度噪声设定的。当记录的强度是噪音水平的2至3倍时，就会产生可用的图片。由式1推导出方程2，方程2描述了噪声的影响，忽略了数字化量化。¹⁸

与所有闪光摄影一样，需要注意不要饱和相机。理想的摄像机具有大型动态范围，如10位机床视觉摄像头和产品由Pixim和Smal相机技术，可以为差异图像提供最佳动态范围。原则上，照明的排列是任意的，但应考虑到哪个安排最适合物理部位，揭示生物学上重要的特征，并允许与现有的面部识别数据库进行准确匹配。特别是，需要注意的是ISO标准，需要漫反射光。在轴上照明导致面部特征，眼镜和珠宝的可能性不可接受的眩光。

由于光照是受控的，环境源的影响被显著降低，差分图像作为当前生物识别算法的输入是理想的。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。减少背景杂波可以更准确地定位人脸。

一个简单的测试
在两个不同的日子中使用消费级数码相机实现该方法。结果如图2所示。该配置的采样率约为0.05Hz，闪光灯照明与镜头近似同轴。像素的比特深度是8比特，并且图像的光度质量受到数字化量化的限制。基于曝光设置，来自闪光灯的反射光的强度是到达相机的总强度的20％。相机与自动曝光设置一起使用。相机和照明参数都不是理想的，但代表该初步研究的设备的限制。

差异成像的结果是引人注目的。当曝光条件不变时，即相机的所有自动功能都被禁用;闪光单元发出的光是闪光图像中唯一存在的光。没有证据表明来自自然或人工环境光源的高光。在图2中，在两幅不同的图像中，主体从背景中明显地脱颖而出。

一些背景的提示仍然在面板1的差异图像。这是由于闪光反射的白色墙壁的房间。值得注意的是，复杂的背景特征，日光停车场和天花板灯具，都被拆除了。由于摄像机中的JPEG压缩算法产生的伪影，只有一些物体的模糊边界保留了下来。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。背景里有几把涂着黑色搪瓷漆的椅子。阳光从主体上方的走道反射，并提供强烈的方向性照明。在环境光照片中，b，人行道曝光过度。主题左侧的五盏灯中有两盏被点亮。背景中有几把黑色的搪瓷椅子。除了灯之外，图像中的大部分背景都被消除了。就像人行道的一部分，这两盏灯出现在这张图中，因为在原始的环境光图中，灯被过度曝光了。

作为实用硬件的一个例子，自助式自动柜员机中的视频设备是适合这项任务的。摄像机的采样率为30到60赫兹。当视频通过以太网电缆传输时，摄像头就可以提供数字化的图像。一些ATM摄像头模块可以利用车载信号处理器进行处理。唯一的新要求是在ATM面板上增加一个照明源。

特殊考虑因素
使用闪光灯实现不同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。像所有闪光摄影一样，从窗户和其他光滑物体的镜面反射使图像的部分饱和。镜面反射可以用偏振器或漫射光来减少。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，从原始图像中使用相应的高动态范围数据，以及使用相机的非线性响应函数来强调从闪光灯中增加的强度。最后，与使用标准视频帧不同，图像获取缓慢。低采集率意味着运动的影响更难以抑制。运动的影响及其抑制，是值得详细讨论的。

考虑与商业ATM机器一起使用的NTSC格式相机是有效的。相机可以具有50°至110°的视野。通常，NTSC摄像机的水平分辨率为300-500水平像素，其帧速率为30至60Hz。在此范围的上端是具有640个水平像素的VGA相机。较低分辨率的摄像机从运动效果遭受较少，而分辨率的显着增加不援助生物识别验证。使用60°的视野，30 Hz帧速率，640像素分辨率，典型的速度，距离和三角仪，可以计算不同帧之间的对象运动的“最坏情况”。图3显示了假设办公室入口的原理图，或者独立式ATM。

使用上述计算，物体以不同速率通过视场的效果如表1所示。显示的速度是在车辆和行人的运动范围内。幸运的是，在其他验证措施(如指纹扫描或标记表示)中，受试者是相对静止的。令牌表示和键盘输入的速度范围从1到0.03英里/小时。垂直于光轴的高速使运动物体在随后的帧中被记录在不同的位置。这些变化会在差异图像的背景中表现为明亮的污点。从表格中我们可以看出，普通的事件，如行人和车辆的交通，对图像的影响很小。也可以通过测量在差图像之前和之后所拍摄的图像的方差来测试差图像的质量。如果一组图像的方差很大，可以给可疑像素分配0的权重，或者重新拍摄差异图像。

总结与未来方向
在生物识别中利用照明技术可以在改善面部识别中发挥重要作用，其中变化的主要来源是自然和人工照明的变化。本文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，并且显著降低了背景的可变性。

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，主体似乎只被闪光灯照亮，没有来自其他光源的高光或阴影的证据。此外，主体的图像清晰地从背景中分离出来，并保留了重要程度的细节。

一个可接受的不同图像所需的光照变化是非常小的。在上面的例子中，闪光的强度仅为周围环境强度的20%。使用更复杂的相机和调制技术可以实现进一步的缩小。有了优化的光学系统，可以想象atm式的生物识别亭可以利用视频显示的亮度变化来提供差分成像的调制。

调制照明方法有两个缺点，即速度低和信噪比低。在大多数环境中，低速可能不是一个实际的缺点，因为主题不太可能快速移动。使用现有数据，可以很容易地识别和纠正背景中的移动。低信噪比是该技术的一个基本问题。使用带有非线性响应函数的相机，或者使用原始图像，可以在使用闪光灯时缓解这个问题。显然，下一步是在高流量环境下使用优化的摄像头、照明和自动化软件测试这种方法。

Acknowlegements
作者要感谢Diebold, Inc.的David Krzic对自助取款机的技术规范。

参考文献

1. B.道森，基于视觉的生物识别;机器愿景在线，（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，结合多种生物特征;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，生物计量学中的信息融合。模式识别Letters 24, 2115(2003)。

4.p . j .飞利浦;h .月亮;人脸识别算法的FERET验证测试协议;NIST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. ISO / IEC，生物识别数据交换格式 - 第5部分：面部图像数据 - 选秀;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;生物识别系统评估导论。IEEE计算机33,56(2000)。

7.m .骨;j·l·Wayman;D.布莱克本，《人脸识别技术在药物控制中的应用评估》，ONDCP国际反药物技术研讨会，2001年6月26-28日。

8.a . Jain;S. Pankanti，生物计量系统:性能解剖学。IEICE反式。基础知识E84-D, 788(2001)。

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

10.A. Green，与个人身体有关的信息。柯达公司，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;J. Simmerer，对于手势操作的触摸屏，减少物体上被识别的多余光线的程序。西门子公司，德国专利DE19918633(2000)。

13.j·b·Dowdall;Pavlidis，近红外人脸检测方法与系统。霍尼韦尔，国际专利WO03023695(2003)。

14.小f·j·库萨克;j . Bortolussi;在人脸识别系统中消除不需要的阴影的方法和系统。刘科技，国际专利WO010116(2000)。

15. K. Kondo;K. Uormori，眼睛位置检测方法和装置。Matsushita Electric Industrial Co.Ltd。，日本专利JP2002056394（2003）。

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

17. J. H. Lemelson;L. J. Hoffman，车辆安全系统和使用反射图像采用面部识别的方法。Lemelson和Hoffman，美国专利US2003142849（2003）。

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