試述人臉識別新技術及編輯識別方法

蘇家洪

(北京信息職業技術學院，北京 100018）

引言

廣義的人臉識別實際包括構建人臉識別系統的一系列相關技術，包括人臉圖像采集、人臉定位、人臉識別預處理、身份確認以及身份查找等；而狹義的人臉識別特指通過人臉進行身份確認或者身份查找的技術或系統。生物特征識別技術所研究的生物特征包括臉、指紋、手掌紋、虹膜、視網膜、聲音（語音）、體形、人臉識別、個人習慣（例如敲擊鍵盤的力度和頻率、簽字）等。

一、幾何特征的人臉識別方法

幾何特征可以是眼、鼻、嘴等的形狀和它們之間的幾何關系（如相互之間的距離）。這些算法識別速度快，需要的內存小，但識別率較低。

1、基于特征臉（PCA）的人臉識別方法

特征臉方法是基于KL變換的人臉識別方法，KL變換是圖像壓縮的一種最優正交變換。高維的圖像空間經過KL變換后得到一組新的正交基，保留其中重要的正交基，由這些基可以形成低維線性空間。如果假設人臉在這些低維線性空間的投影具有可分性，就可以將這些投影用作識別的特征矢量，這就是特征臉方法的基本思想。

2、神經網絡的人臉識別方法

神經網絡的輸入可以是降低分辨率的人臉圖像、局部區域的自相關函數、局部紋理的二階矩陣等。這類方法同樣需要較多的樣本進行訓練，而在許多應用中，樣本數量是很有限的。

3、彈性圖匹配的人臉識別方法

彈性圖匹配法在二維的空間中定義了一種對于通常的人臉變形具有一定的不變性的距離，并采用屬性拓撲圖來代表人臉，拓撲圖的任一頂點均包含一特征向量，用來記錄人臉在該頂點位置附近的信息。

4、線段Hausdorff距離(LHD)的人臉識別方法

心理學的研究表明，人類在識別輪廓圖（比如漫畫）的速度和準確度上絲毫不比識別灰度圖差。LHD是基于從人臉灰度圖像中提取出來的線段圖，它定義的是兩個線段集之間的距離，與眾不同的是，LHD并不建立不同線段集之間線段的一一對應關系，因此它更能適應線段圖之間的微小變化。

5、支持向量機(SVM)的人臉識別方法

近年來，支持向量機是統計模式識別領域的一個新的熱點，它試圖使得學習機在經驗風險和泛化能力上達到一種妥協，從而提高學習機的性能。支持向量機主要解決的是一個2分類問題，它的基本思想是試圖把一個低維的線性不可分的問題轉化成一個高維的線性可分的問題。

二、人臉識別的基本方法

1、人臉識別算法

一般來說，人臉識別系統包括圖像攝取、人臉定位、圖像預處理、以及人臉識別。系統輸入一般是一張或者一系列含有未確定身份的人臉圖像，以及人臉數據庫中的若干已知身份的人臉識別、人臉圖像或者相應的編碼，而其輸出則是一系列相似度得分，表明待識別的人臉的身份。

2、采用人臉識別的優勢

人臉識別的優勢在于其自然性和不被測個體察覺的特點。所謂自然性，是指該識別方式同人類進行個體識別時所利用的生物特征相同。例如人臉識別，人類也是通過觀察比較人臉區分和確認身份的，另外具有自然性的識別還有虹膜識別、語音識別、體形識別等，而指紋識別、虹膜識別等都不具有自然性，因為人類或者其他生物并不通過此類生物特征區別個體。

3、人臉識別困難性

人臉識別被認為是生物特征識別領域甚至人工智能領域最困難的研究課題之一。人臉識別的困難主要是人臉作為生物特征的特點所帶來的。

1）相似性

不同個體之間的區別不大，所有的人臉的結構都相似，甚至人臉器官的結構外形都很相似。這樣的特點，人臉類似性對于利用人臉進行定位是有利的，但是對于利用人臉區分人類個體是不利的。

2）易變性

人臉的外形很不穩定，人可以通過臉部的變化產生很多表情，而在不同觀察角度，人臉的視覺圖像也相差很大，另外，人臉識別還受光照條件、人臉的很多遮蓋物、年齡等多方面因素的影響。在人臉識別中，第一類的變化是應該放大而作為區分個體的標準的，而第二類的變化應該消除，因為它們可以代表同一個個體。通常稱第一類變化為類間變化（inter-class difference），而稱第二類變化為類內變化（intra-class difference）。對于人臉，類內變化往往大于類間變化，從而使在受類內變化干擾的情況下利用類間變化區分個體變得異常困難。

4、人臉識別主要用途

人臉識別主要用于身份識別。由于視頻監控正在快速普及，眾多的視頻監控應用迫切需要一種遠距離、用戶非配合狀態下的快速身份識別技術，以求遠距離快速確認人員身份，實現智能預警。人臉識別技術無疑主要用于身份識別是最佳的選擇，采用快速人臉檢測技術可以從監控視頻圖像中實時查找人臉，并與人臉數據庫進行實時比對，從而實現快速身份識別。

5、人臉識別新技術

傳統的人臉識別技術主要是基于可見光圖像的人臉識別，這也是人們最熟悉的識別方式，已有30多年的研發歷史。但這種方式有著難以克服的缺陷，尤其在環境光照發生變化時，識別效果會急劇下降，無法滿足實際系統的需要。解決光照問題的方案有三維圖像人臉識別，和熱成像人臉識別。但目前這兩種技術還遠不成熟，識別效果不盡人意。最近迅速發展起來的一種解決方案是基于主動近紅外圖像的多光源人臉識別技術。它可以克服光線變化的影響，已經取得了卓越的識別性能，在精度、穩定性和速度方面的整體系統性能超過三維圖像人臉識別。這項技術在近兩三年發展迅速，使人臉識別技術逐漸走向實用化。

6、人臉識別的應用

人臉識別的應用主要有如下方面。

1）公安刑偵破案

通過查詢目標人像數據尋找數據庫中是否存在重點人口基本信息。例如在機場或車站安裝系統以抓捕在逃案犯。

2）門禁系統

受安全保護的地區可以通過人臉識別辨識試圖進入者的身份。人臉識別系統可用于企業、住宅安全和門禁人臉識別。如人臉識別門禁考勤系統，人臉識別防盜門等。

3）攝像監視系統

可在機場、體育場、超級市場等公共場所對人群進行監視，例如在機場安裝監視系統以防止恐怖分子登機。如銀行的自動提款機，如果用戶卡片和密碼被盜，就會被他人冒取現金。如果同時應用人臉識別就會避免這種情況的發生。

4）網絡應用

利用人臉識別輔助信用卡網絡支付，以防止非信用卡的擁有者使用信用卡等。

5）身份辨識

如電子護照及身份證。這或許是未來規模最大的應用。在國際民航組織已確定，從2010年4月1日起，其118個成員國家和地區，必須使用機讀護照，人臉識別技術是首推識別模式，該規定已經成為國際標準。

6）信息安全

如計算機登錄、電子政務和電子商務。在電子商務中交易全部在網上完成，電子政務中的很多審批流程也都搬到了網上。而當前，交易或者審批的授權都是靠密碼來實現。如果密碼被盜，就無法保證安全。如人臉識別過程，如果使用生物特征，就可以做到當事人在網上的數字身份和真實身份統一。從而大大增加電子商務和電子政務系統的可靠性。

[1]張艷伶，黃聲烈，高艷華.中軟吉大信息技術有限公司——網絡信息安全教學實驗系統[J]《實驗技術與管理》，2008（10）.