人臉識別技術的發展研究

人臉識別是基于人的臉部特征信息進行身份識別的一種生物識別技術。用攝像機或攝像頭采集含有人臉的圖像或視頻流，并自動在圖像中檢測和跟蹤人臉，進而對檢測到的人臉進行一系列相關操作的技術，通常也叫做人像識別。

人類基于人臉識別系統的研究始于20世紀60年代，80年代后隨著計算機技術和光學成像技術的發展得到提高，而真正進入初級的應用階段則在90年后期；人臉識別系統成功的關鍵在于是否擁有尖端的核心算法，并使識別結果具有實用化的識別率和識別速度；“人臉識別系統”集成了人工智能、機器識別、機器學習、模型理論、視頻圖像處理等多種專業技術，同時需結合中間值處理的理論與實踐，是生物特征識別的最新應用。

傳統的人臉識別技術主要是基于可見光圖像的人臉識別，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。但這兩種技術還遠不成熟，識別效果不盡人意。

新近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。這項技術在最近兩三年發展迅速，使人臉識別技術逐漸走向實用化。

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（身份確認或身份查找）。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。

當然，人臉識別最難的部分是有充分適應各大光線環境的人臉預處理算法，需要在各種復雜的光線環境中提取到人臉信息，特別是移動互聯網時代，攝像頭拍照的地方可以在斑駁的樹影下，也可以在昏暗的街燈下，以及深夜出租車內，這對算法的魯棒性考驗極大。同時還要考慮照片和視頻欺詐，二次成像的光線污染等問題。

當前，在國內外已經有很多公司掌握了先進的預處理算法，甚至為了將自己掌握的尖端的核心算法落地，有的公司已經能夠實現人臉檢測、人臉追蹤、人臉識別等功能；有的在和傳統的安防廠家合作，尋求在更廣領域的技術落地；有的則是主動尋找金融、互聯網、航空、地鐵、邊檢、教育及醫療等行業落地。

目前，人臉識別的主要用法大致分為三個方向：

1vs1，主要用于快速的人臉識別比對，作為身份確認的一種新方式，比如考生身份確認、公司考勤確認、各種證件照和本人確認，由于這些照片源不一定有權威統一的接口調用，所以一直沒有用起來。

最可靠的是直接用手機攝像頭跟調用身份證中心的人臉源照片比對。連接權威人臉庫，可以解決很多問題，比如用戶對傳身份證照片的不信任，對持照拍攝的抵觸等，以及未來信息泄露的隱患擔憂。

1vsN，這個主要用于公安部犯罪嫌疑人、失蹤人口的全庫搜尋、一人多證的重復排查，以此相似度列出相應的結果，可以大大提高排查效率。

NvsN，該算法實際上是基于視頻流的幀處理所用，對服務器的計算環境要求嚴苛，目前的算法系統所支撐的輸出率非常有限，需要等待下一代GPU算法，特別是基于CUDA架構的。該應用主要用在一些高級賽事會議場合，以及安保公司的人臉警報系統。

下面，來談一下人臉識別的技術發展方向：

結合三維信息：二維和三維信息融合使特征更加魯棒；

多特征融合：單一特征難以應對復雜的光照和姿態變化；

大規模人臉比對：面向海量數據的人臉比對與搜索；

深度學習：在大數據條件下充分發揮深度神經網絡強大的學習能力；

人臉識別的算法能力：拒識率、誤識率、通過率，準確率。

在視頻級N：N的校驗中，如果要提高通過率，很多時候是采取降低準確率的方式；同樣在一些比賽中為了降低誤識率，大大提高了準確率，所以算法在校驗的過程中必須遵循至少一個固定標準，追求速度效率或最高準確率。

我相信：不管怎樣，我們都將迎來一個“刷臉”的時代。在未來3～5年內，人臉識別技術將迎來更快的發展階段，其應用也將出現井噴式的增長。也許屆時，我們出門再也不用攜帶各種證件來證明自己的身份，公安偵查辦案也將變得更加高效快捷，社會治安秩序也將變得更加和諧，基于人臉識別技術應用的娛樂業也將更加豐富我們的生活！

（作者單位：山西省公安廳信息通信處）