Face Preception

開始點另一邊技能樹

人臉辨識、或視覺辨識是一個有趣的議題與技術：主要是利用可程式化與數學化的方式，做到人類感知的一種技術。就生物學上來看，人類的臉孔並沒有顯著的差異，一樣都擁有兩個眼睛、一個鼻子與一個嘴巴，然而人類可以很容易的判斷兩張不同的面孔。另外延伸來看，一個人的細部細節，像是變胖變瘦依然可以容易的判斷是相同的兩個人。根據這些條件，人臉辨識會有以下困難的前提：

不同間的個體差異不大
同一個體會因為角度、光線等因素會有差異，更因時間 (年齡、體重) 有所改變

前者的問題稱之為[類間變化 (inter-class difference)][1]、後者則稱之為[類內變化 $(intra-class difference)][2]。根據順序，人臉辨識需要使用到若干種技術：人臉檢測、

圖片預處理

根據膚色判斷的人臉辨識，會因為資料庫資料、環境光線、拍攝角度、背景顏色等因素而容易誤判，因此我們需要針對原始的圖片先做預處理。為了加速處理的速度，可以將原始圖片轉成灰階圖片。舉例來說，如果要將 RGB 圖片轉換成一個灰階圖片時會有一個轉換公式 G = aR + bG + cB 來轉換每一個 Pixel ，最簡單的方式是讓 RGB 的三個值取平均，就可以得到一個灰階圖片。另一種則是先將 RGB 轉換成 YCbCr 圖片並取其中的 Y 值來決定光線的亮暗程度：

from PIL import Image
from matplotlib import pyplot as plt

img   = Image.open('sample.jpg')
gray  = Image.new('LA', img.size)
pixel = gray.load()

# simple convert to grayscale by average the RGB pixel
for x in range(img.size[0]):
    for y in range(img.size[1]):
        pixel[x, y] = sum(img.getpixel((x, y)))/3, 255

plt.imshow(gray)
plt.show()

另一個有效的方式則是銳化：他可以凸顯出圖片中不連續的部分，包含顏色、亮度、深淺等。主要是用來加深影像的邊界並凸顯出圖片的輪廓。一個簡單的銳化濾鏡可以用一個 Laplacian mask 來做處理。銳化濾鏡的方法簡單來說就是用一個演算法將改變凸顯出來，他可以使用一階微分 (概念是取斜率) 來找到變化顯著的部分：

def LineMask(img, pos):
    tmp = 0
    for x in (-1, 1):
        for y in range(-1, 2):
            try:
                tmp += x * (img[pos[0]+x, pos[1]+y]) * (2 if y == 0 else 1)
            except IndexError as e:
                pass
    for x in range(-1, 2):
        for y in (-1, 1):
            try:
                tmp += y * (img[pos[0]+x, pos[1]+y]) * (2 if x == 0 else 1)
            except IndexError as e:
                pass
    return tmp

抗噪則是一個有效的過濾圖片的方式：一個原始圖片中可能包含了若干雜訊，如果沒有先過濾這些雜訊，在後續處理中可能會將這些雜訊凸顯出來而得到預期以外的結果。在銳化的過程中雜訊會被凸顯出來，導致使用銳化濾鏡會得到更多的雜訊。可以使用中值濾波器 (Median Filter) 將雜訊過濾，排除掉突兀的資料點：

def MedianFilter(img, pos, size=3):
    tmp = []
    for x in range(-1*size/2, size/2):
        for y in range(-1*size/2, size/2):
            try:
                tmp += [img[pos[0]+x, pos[1]+y]]
            except IndexError as e:
                pass

    tmp = sorted(tmp)
    return tmp[len(tmp)/2]

人臉檢測

人臉檢測屬於一種特定情境的物體檢測 (object-class detection) 技術，可以在一張圖片中，判斷並定位一個或多個人類面孔。