人臉識別實現方法的研究

賀成彥 姚志剛

（中國鐵路呼和浩特局集團有限公司，內蒙古 呼和浩特 010050）

一、概述

人臉識別既是一項起源較早的技術，又是一門煥發(fā)著強大吸引力、充滿著學術研究趣味的新興技術領域。隨著人工智能、大數據、云計算技術的創(chuàng)新發(fā)展，技術更迭速度的加快，人臉識別作為人工智能的一項重要應用，也隨之迅速發(fā)展壯大，基于人臉識別技術的一系列產品也逐漸問世。

人臉與人體的其它生物特征（指紋、虹膜等）一樣與生俱來，它的唯一性和不易被復制的良好特性為身份鑒別提供了必要的前提。將人臉識別技術，應用在既有信息系統(tǒng)的研發(fā)中，實現非強制性（用戶不需要專門配合人臉采集設備，幾乎可以在無意識的狀態(tài)下就可獲取人臉圖像）、非接觸性（用戶不需要和設備直接接觸就能獲取人臉圖像）和用戶舒適的身份驗證功能，將有利于提高各行業(yè)信息系統(tǒng)的智能化、人性化和現代化。

二、基本原理和理論

人臉識別技術是利用圖像處理和模式識別技術鑒別或驗證身份的一種熱門的計算機安全技術?，F已在國家安全、軍事安全和公共安全等方面實現了初步的應用。本課題主要研究如下內容：

（一）人臉識別的概念

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臉部識別的一系列相關技術，通常也叫做人像識別、面部識別。

（二）人臉幾何特征

人臉幾何特征包括臉型特征和五官在臉上分布的幾何特征。提取特征時往往要用到人臉結構的一些先驗知識。識別所采用的幾何特征是以人臉器官的形狀和幾何關系為基礎的特征矢量，本質上是特征矢量之間的匹配，其分量通常包括人瞼指定兩點間的歐式距離、曲率、角度等。基于幾何特征的識別方法比較簡單、容易理解，但沒有形成統(tǒng)一的特征提取標準。從圖像中抽取穩(wěn)定的特征較困難，特別是特征受到遮擋時，對較大的表情變化或姿態(tài)變化的魯棒性較差。

（三）關鍵技術實現原理

1.人臉圖像采集及檢測：研究基于人臉圖像的采集方法和手段，比如靜態(tài)圖像、動態(tài)圖像、不同的位置、不同表情等方面都可以得到很好的采集。

2.人臉圖像預處理：人臉圖像預處理是對人臉圖像做出進一步的處理以利于人臉圖像的特征提取。人臉圖像的預處理具體而言是指對系統(tǒng)采集到的人臉圖像進行光線、旋轉、切割、過濾、降噪、放大縮小等一系列的復雜處理過程來使得該人臉圖像無論是從光線、角度、距離、大小等任何方面來看均能夠符合人臉圖像的特征提取的標準要求。

3.人臉圖像特征提取：根據人臉器官的形狀描述以及他們之間的距離特性來獲得有助于人臉分類的特征數據。

4.結構光雙目深度攝像頭的應用：結構光雙目深度攝像頭是普遍被應用在人工智能和機器人領域，結合AI專用計算設備實現面部識別的智能化。

5.人臉認別。結合數字圖像處理、計算機圖形學、模式識別、可視化技術、人體生理學、認知科學和心理學等硏究領域,對采集到的人臉圖像進行分析,確定人臉的位置、大小和姿勢等信息并提取有效的識別信息進行人臉特征比對,從而實現身份辨認。

6.人臉比對。在得出特征臉數據庫結果后,再利用模板匹配方法進行識別比對。人臉比對的結果關系到人臉識別的準確程度，人臉比對的速度與計算機的性能和容量有關,同時也直接影響到系統(tǒng)響應時間的長短,應用人臉識別系統(tǒng)應具有較高的人臉比對速度。人臉比對分為一對一比對和一對多比對,本課題主要應用于對一比對。

三、軟件研發(fā)的關鍵技術

（一）采用面向對象的實現方法

面向對象的方法是由面向對象程序設計方法OOP（Object Oriented Programming）發(fā)展而來。它以類、對象、繼承、消息傳遞等概念描述客觀事物及其聯系，與傳統(tǒng)的面向數據的思路完全不同，為管理信息開發(fā)提供了全新的思維。

面向對象的設計是一種提供符號設計系統(tǒng)的面向對象的實現過程，它用非常接近實際領域術語的方法把系統(tǒng)構造成對象。面向對象程序設計可以看作一種在程序中包含各種獨立而又互相調用的對象的思想，這與傳統(tǒng)的思想剛好相反。

（二）圖像處理技術

圖像處理技術是用計算機對圖像信息進行處理的技術。主要包括圖像數字化、圖像增強和復原、圖像數據編碼、圖像分割和圖像識別等。其中，圖像識別也稱模式識別，就是對圖像進行特征抽取，然后根據圖形的幾何及紋理特征對圖像進行分類，并對整個圖像作結構上的分析。

（三）人臉識別經典算法：特征臉法（Eigenface）

使用特征臉進行人臉識別的方法首先由 Sirovich 和 Kirby提出（《Lowdimensional procedure for the characterization of human faces》）。首先把一批人臉圖像轉換成一個特征向量集，稱為“Eigenfaces”，即“特征臉”，它們是最初訓練圖像集的基本組件。識別的過程是把一副新的圖像投影到特征臉子空間，并通過它的投影點在子空間的位置以及投影線的長度來進行判定和識別。

四、展望

隨著計算機技術和生物識別技術的發(fā)展，以及人臉的檢測與識別技術的不斷完善，我們相信在不遠的將來，通用、準確和高效的人臉檢測與識別體系與標準就會問世。