FERET 人脸识别技术测试的简单介绍

1993年，美国国防部高级研究项目署（Advanced Research Projects Agency)和美国陆军研究实验(Army Research Laboratory)成立了Feret(Face Recognition Technology）项目组，建立了FERET人脸数据库，用于评价人脸识别算法的性能。

   

    被测试的算法分为两种：

    (1)半自动算法。这种算法需要人工指出图象中人的两眼中心的坐标；

    (2)全自动算法。这种算法能够自动定位图象中的人脸，然后进行识别。

   

    测试时，人脸图象分为两个集合：

    (1)已知身份的人的图象组成库藏集;(gallery）或目标集(target)。

    (2)输入给算法的未知身份的人的图象组成探测集;(probe)或查询集(query)。

   

    对于人脸鉴别，查询集合中的图象分为四种：

   

    (1)FB图象，图象与目标集合中的图象是在同日、同光照条件下拍摄。

    (2)FC图象：图象与目标集合中的图象是在同日、不同光照的条件下拍摄。

    (3)复像I(duplicate;I);：图象与目标集合中的图象是在不同日、不同照相机的条件下拍摄。

    (4)复像II(duplicate;II)：图象与目标集合中的图象是在一年以后、不同照相机的条件下拍摄。

   

    测试时，被测试的算法作为服务器运行，测试统计程序作为客户运行，客户首先向服务器传输库藏集合，然后，逐幅向服务器传输查询图象，服务器接收到查询图象后，将结果返回客户。

   

    到1997年底为止，参加测试的算法中，对FB图象的识别率很高，库藏1196人中首选率（输出的侯选图象集合中，排在第一幅的图象与查询图象为同一人的概率）达96%；对fc图象的识别率也比较高，库藏1196人中首选率达;81%；对两个复像的识别率低，对复像;I，库藏1196人中首选率为60%，对复像II，库藏;864人中首选率为;51%。

   

    测试发现的主要问题：识别算法对光照变化敏感；查询图象和目标图象相隔一年半后，识别算法的性能下降；识别算法对人脸位置变化敏感：人脸偏转角度大于15度后，性能下降；识别算法对相机敏感。