人臉識別系統的優化研究

段君瑋

摘要：由于基因和后天因素影響，人臉特征具有唯一性，是良好的身份信息認證依據。隨著科學技術的進一步發展，人臉識別技術在公共安全、刑事偵查、電子商務等領域應用越來越廣泛。為了進一步提高人臉識別技術的泛用性和準確性，該文主要對人臉識別系統的問題和優化方法進行淺析。

關鍵詞：人臉識別；光線因素；人臉庫；聚類算法

中圖分類號：TP311 文獻標識碼：A

文章編號：1009-3044（2019）08-0133-02

隨著計算機技術和多媒體網絡技術的加速發展，我國各個領域逐漸與數字網絡技術實現接軌，身份驗證與識別工作更加隱蔽，如何快速、高效地實現身份識別是保證生產效率、財產安全、智能監控的重要技術因素。相較于其他身份認證手段，賬號密碼、身份證等身份等方式容易發生丟失、盜用、冒用，而人臉識別是基于人的生理特性為基礎的身份驗證和識別技術，具有不易丟失、難以偽造、無須攜帶的優勢，其為更有效的實現數人身信息認證提供了一種較完美的思路。

1人臉識別的概念

人臉識別技術是基于臉部特征認知的身份識別技術的一種類型，其是一種跨學科的身份認證技術，涉及計算機圖像學、計算機視覺、比對鑒定識別等多學科技術，有些時候還需要夜間紅外偵測技術、自動調整曝光技術、影像方法技術等作支持。

人臉識別技術是一種生物特征識別技術，其實根據人的面部特征，對輸入的人臉圖像信息進行處理和比對后進行“是否存在人臉”“人臉大小、特征如何”“是否與比對圖像相符”等判斷和處理。然后提取圖像中有用信息，與已知的人臉信息進行比對并做符合度判斷，從而實現準確的身份特征認定。狹義的人臉識別指的就是將人臉信息與圖像信息進行比對，而廣義的人臉識別則包括了人臉采集、人臉檢測、人臉信息預處理、特征提取與比對的綜合性身份認證技術。

2人臉識別技術的發展和應用

隨著現代通信技術的發展，我國逐漸進入“大數據時代”，3G、4G以及廣域WIFI的覆蓋，智能設備的類型的增多、應用范圍的普遍，很多設備都具備搭載攝像、錄像功能的條件，同時移動設備也是人們保存與自身相關信息的重要設備，尤其是在移動支付、網上銀行、電子商務規模擴大之后，關于移動設備身份信息驗證的研究成為社會上的熱門。

傳統的身份認證多為賬號密碼的形式，但是賬號和密碼很容易被丟失、遺忘或盜用，這就使設備使用的安全性受到影響，甚至會對當事人的財產和私人信息安全產生不利影響。如今，大部分電子設備都搭在了圖像捕捉功能，使得這些設備具備光線捕捉、圖像追蹤的功能，這就具備了人臉識別的硬件基礎。如果搭載上相應的算法或軟件，便可完成基本的人臉識別。

從人臉識別概念的提出到現在，人臉識別技術的研究已有約五十年的歷史，已相對成熟。現如今大部分設備都可進行簡單的人臉識別，手機信息安全、網絡安全、電子商務等活動中人臉識別技術都有良好表現。

3現階段人臉識別技術的不足

3.1光照環境對識別率的影響

當前人臉識別技術能夠發揮其作用需要在特定的環境、地點以特定設備進行人臉圖像采集。在特定條件下，光照條件較良好，采集到的人臉圖像較清晰，面部特征較明確，因此可以有效識別和認定。但是隨著移動設備的普及，移動設備的使用并不局限于特定條件下，根據實際外部環境的改變，人臉圖像的采集條件也會發生改變，如果光線條件較惡劣，則可能出現曝光不足或過度曝光的情況，這時人臉識別的性能將急劇下降。

3.2人臉識別算法問題

現今是全網聯通的大數據時代，在網絡空間內有大量的人臉信息庫，而較常用的人臉識別算法是最近鄰檢索發，通過順序比較或窮盡式比對采集到的人臉和人臉庫中人臉的相似度，由于數據網絡的存在，人臉庫的規模也因此擴大，人臉識別傳統算法的效率也因此降低。

3.3存儲問題

人臉識別的泛用性受到人臉庫容量的限制，只有當人臉庫規模足夠大時，人臉識別才具有安全意義、社會效益，但是上面提到了，當人臉庫過于龐大時，人臉識別的效率就會降低，同時設備可能會面臨處理信息量超過荷載而崩潰的問題。

4人臉識別系統的優化設計

4.1光線預處理方法

光線是人臉識別的必要條件，也是對人臉識別影響最顯著的環境條件，如果無法保證每次捕捉人臉圖像時都具備相同的光照條件，那么就需要通過系統優化盡可能地降低光線對人臉識別的影響，那么就需要對人臉識別的光線進行預處理。根據相關光學理論，可以采用三種方法對人臉識別光線進行預處理。

第一種法就是利用直方圖均衡化來加強圖像全局上的對比度，也可利用對數變換進行處理。將圖像中人臉部分密度值較大的部門進行壓縮，密度值較小的部分進行擴展，使整個圖像的密度值達到相對均衡的狀態，從而實現對比度的均衡化。當然也可以采用較煩瑣的流程將圖像全局對比度均衡化，通過灰度矯正、高斯差分、對比度均衡等一系列處理。通過改變對比的方法雖然可以在一定程度上克服光照影響，但在實際復雜的光照條件下能夠發揮的效用仍較為有限。

第二種方法則是通過構建光照模型來模擬不同光線條件下的人臉圖像，這種方法是基于表象的人臉識別模型，利用光照凸錐代表人臉圖像，然后在低維空間內再構建出人臉模型，這種方法基本上可以避免光線強弱對人臉特征的定位和捕捉的影響，但是需要大量的計算量，對設備的要求較高，操作成本也較高，因此并非所有場合都可適用。

另外一種方法則是根據郎伯反射模型的光線預處理方法，通過擴展SSR輸出為MSR。MSR對灰度人臉圖的處理效果較好，因此可以弱化光線因素影響，但是經MSR處理后，圖像顏色可能失真，不能準確呈現人臉圖像的原本顏色效果。但是如果僅僅作為身份信息驗證，這種光線預處理方法的效果則較為可靠。

4.2云數據時代人臉庫的利用

大數據時代，由于廣域萬維網絡的普及，各地區人臉庫實現數據上的聯通，這就使得人臉識別的比對人臉庫的規模爆炸性增加，但是傳統的計算機算法是基于小容量人臉庫的窮盡式或相鄰式比對規則。如果無法在短時間內將人臉特征與人臉庫內圖像比對完畢，那么就會導致人臉比對的準確性和識別效率降低。

通過系統優化設計可以大大提高人臉識別效率，實現大規模人臉庫的比對。比如可以通過基于Intel的多媒體拓展技術來實現擴展基本的加速，從而提高人臉識別速度，有學者進行過相關實驗研究，該種方法可將人臉識別速率提高14倍左右，但該法需要專用設備進行Intel多媒體擴展，因此居于較大的局限性，不能廣泛應用在工作和生活中。

近期有學者提出可以根據主量分析的多模式局部人臉識別的算法，通過壓縮感知技術來降低大規模人臉庫中人臉特征的維度，來降低計算量，從而在不調整設備的基礎上實現識別效率的提高。但是該法的準確率相對較低，準確率在40%左右。

在前述兩種方法的基礎上提出了一種分級檢索識別方法，以人臉某一特征的相關數值參數為關鍵詞進行初步檢索，然后在對應子集中將圖像進行編號和排序，然后在進行深度比對實現身份信息認證。這種檢索比對方法實際上經過了兩個算法，分別是人臉特征提取和子集尋找，然后是子集內人臉圖像和獲得人臉比對。但是當人臉庫規模極為龐大時，該法的檢索識別時間仍較長。

4.3聚類算法

聚類算法是專門針對大規模人臉庫提出的一種檢索比對方法，整體思路上是將數據對象的集合分為若干個子集，其中每一個子集代表一個類別。比如人臉上有基本的五官特征，那么可將人臉的構成分為“眼睛”“耳朵”“鼻子”“嘴巴”等多個集合，識別時先進行初始劃分，然后利用迭代技術，通過移動不同聚類中的對象來改變劃分依據，從某一劃分標準中找到相似度較高的樣本，再進行基本的人臉識別。但是該算法只是一種思路，對其進一步優化和設計可以進一步提高人臉比對的準確率和效率。

在聚類算法的基礎之上，可以結合光線預處理的思路進行系統優化上的疊加，比如聚類算法與模型方法結合，聚類算法和層次方法結合，聚類算法與圖像密度法結合等。這樣可以同時發揮聚類算法效率性和圖像預處理法的準確性。

5面向移動設備的人臉識別系統構建

5.1注冊模塊設計

首先要明白注冊模塊在人臉識別系統中的意義，其是用戶將自身身份信息與人臉信息進行綁定的主要操作，因此就意味著注冊模塊必然包含兩部分功能，人身信息的錄入和人臉圖像的錄入，那么就需要配備相應的軟體。

具體工作流程大體如下：1）用戶輸入姓名等一般人身信息后，獲得獨立的ID和登錄密碼，用戶可通過賬號、密碼的形式登入系統。2）用戶通過設備搭載的攝像設備，將個人面部信息錄入。3）用戶確認面部信息和身份信息無誤后，同意相關條款，將身份信息和人臉信息綁定。4）用戶注冊完成，以后可通過人臉識別登入系統，同時保留賬號密碼登錄通道，當人臉識別無效時作為應急登錄手段使用。

5.2人臉識別流程的

人臉識別的本質是驗證人臉信息與已保存人臉信息是否相符的核查過程。這個環節中主要有兩個環節，人臉圖像或信息的獲取、信息是否相符的比對。那么移動設備待在的人臉識別軟體應當具備這兩項功能，錄入和識別確認。

錄入可以通過獲取攝像設備權限來實現。為了方便人臉圖像的獲取，可以在程式中搭載輔助系統，比如在啟動攝像后，窗口內以綠色或紅色標記取景范圍，用戶自覺調整焦距或取景距離，盡可能保證人臉圖像獲取的分辨率和精細度，以促進識別效率。在獲取人臉圖像后，軟體根據固有算法在WIFI、3G、4G等通訊網絡的支持下連接人臉庫實現比對工作，和對無誤后，用戶登入系統，獲取相應權限并進行財產處分、安全管理等操作。

參考文獻：

[1] 高青，向南剛.大數據環境之下基于人臉識別的安全系統分析[J].科技傳播，2015，7（13）：108，95.

[2] 周軍，吳旻中，陳鑫等.大數據環境下的視頻智能分析技術應用研究[J].廣東公安科技，2017，25（1）：15-17.

[3] 柴曉麗.大數據環境下人臉識別技術在智能監控系統中的運用分析[J].電視技術，2018，42（7）：38-42.

【通聯編輯：代影】