人臉識別技術及其展望

龍玉倩

摘要：隨著計算機技術的迅速發展，人臉識別技術得到了廣泛應用，例如銀行卡的辦理，火車站入口站的檢測，人臉解鎖等等，人臉識別技術的應用大大提高了辦事效率，便利了我們的生活。本文綜述了人臉識別技術的流程，討論了其中的關鍵技術及發展前景。一般來說，人臉識別系統包括人臉圖像采集及檢測，人臉圖像預處理，人臉圖像特征提取，人臉圖像匹配與識別。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圖象或者相應的編碼，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。

關鍵詞：計算機技術 人臉識別 發展前景

1 人臉識別技術概述

人臉識別技術是指利用分析比較的計算機技術識別人臉。人臉識別是一項熱門的計算機技術研究領域，其中包括人臉追蹤偵測，自動調整影像放大，夜間紅外偵測，自動調整曝光強度等技術。人臉識別技術是基于人的臉部特征對輸入的人臉圖像或者視頻流進行檢測，首先是判斷其是否存在人臉，如果存在人臉，則進一步的給出臉上每一塊特征部分的位置、大小信息。并依據這些信息，進一步提取每個人臉中所蘊涵的身份特征，并將其與已知的人臉進行比對，從而識別每個人臉對應的身份。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，包括人臉圖像采集及檢測，人臉圖像預處理，人臉圖像特征提取，人臉圖像匹配與識別等;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。

2 技術原理

2.1 人臉檢測

面部檢測是指在動態的場景與復雜的背景中判斷是否存在人臉，并分離出這種面人臉。一般有下列幾種方法：

①參考模板法

首先設計一個或多個標準人臉的模板，然后判斷所采集的樣品與標準模板之間的匹配程度，并通過閾值來最終判斷是否存在人臉。

②基于幾何特征的人臉識別方法

采用的幾何特征有人臉的五官如眼、鼻、嘴，耳，眉等的局部形狀特征。臉型特征以及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，其分量通常包括人臉指定兩點間的距離、角度等。

③神經網絡法

這種方法采用模式識別中人工神經網絡的方法，通過利用MTCNN和faceNet實現人臉檢測和人臉識別。

④膚色模型法

這種方法是依據面貌膚色在色彩空間中分布相對集中的規律來進行檢測。

⑤基于三維模型的方法

這種方法根據圖像的色度與亮度來判斷人的面部哪些部位是凹陷，哪些部位是凸起，然后再通過紋理映射得到特定人臉的3D模型。值得提出的是，上述幾種方法在實際檢測系統中也可綜合采用。

2.2 人臉跟蹤

面貌跟蹤是指對被檢測到的面貌進行動態目標跟蹤。具體采用基于模型的方法或基于運動與模型相結合的方法。此外，利用膚色模型跟蹤也不失為一種簡單而有效的手段。

2.3 人臉比對

人臉比對是在面像庫中進行目標搜索并對被檢測到的面像進行身份確認。這實際上就是說，將采樣到的面像與庫存的面像依次進行比對，并找出最佳的匹配對象。通常包括以下兩種方法：

①特征向量法

該方法是先確定嘴角、鼻翼、眼角等面像五官輪廓的大小、位置、距離等屬性，然后再計算出它們的幾何特征量，再由這些特征量形成描述該面像的特征向量。

②面紋模板法

該方法是在面像庫中存貯若干個標準的面像模板或面像器官模板在進行比對時將采樣面像與面像庫中所有模板進行逐一匹配此外，還有采用模式識別的自相關網絡或特征與模板相結合的方法。人臉識別技術的核JC、實際為“局部人體特征分析”和“圖形/神經識別算法。”這種算法是利用人體面部各器官及特征部位的方法。如對應幾何關系多數據形成識別參數與數據庫中所有的原始參數進行比較、判斷與確認。一般要求判斷時間低于1秒。

3 技術流程

人臉識別系統主要包括四個組成部分，分別為：人臉圖像采集及檢測、人臉圖像預處理、人臉圖像特征提取以及匹配與識別。

3.1 人臉圖像采集及檢測

人臉圖像采集：不同的人臉圖像都能通過攝像鏡頭采集下來，比如靜態圖像、動態圖像、不同的位置、不同表情等方面都可以得到很好的采集。當用戶在采集設備的拍攝范圍內時，采集設備會自動搜索并拍攝用戶的人臉圖像。

人臉檢測：人臉檢測在實際中主要用于人臉識別的預處理，即在圖像中準確標定出人臉的位置和大小。人臉圖像中包含的模式特征十分豐富，如模板特征、直方圖特征、結構特征、顏色特征等。人臉檢測就是把這其中有用的信息挑出來，并利用這些特征實現人臉檢測。

主流的人臉檢測方法基于以上特征采用Adaboost學習算法，Adaboost算法是一種用來分類的方法，它把一些比較弱的分類方法合在一起，組合出新的很強的分類方法。

人臉檢測過程中使用Adaboost算法挑選出一些最能代表人臉的矩形特征，按照加權投票的方式將弱分類器構造為一個強分類器，再將訓練得到的若干強分類器串聯組成一個級聯結構的層疊分類器，有效地提高分類器的檢測速度。

3.2 人臉圖像預處理

人臉圖像預處理：對于人臉的圖像預處理是基于人臉檢測結果，對圖像進行處理并最終服務于特征提取的過程。系統獲取的原始圖像由于受到各種條件的限制和隨機干擾，往往不能直接使用，必須在圖像處理的早期階段對它進行噪聲過濾、灰度校正等圖像預處理。對于人臉圖像而言，其預處理過程主要包括灰度變換、人臉圖像的光線補償、直方圖均衡化、幾何校正、濾波以及銳化等。

3.3 人臉圖像特征提取

人臉圖像特征提取：人臉識別系統可使用的特征通常分為人臉圖像代數特征、視覺特征、人臉圖像變換系數特征、像素統計特征等。人臉特征提取就是針對人臉的某些特征進行的。人臉特征提取，也稱人臉表征，它是對人臉進行特征建模的過程。人臉特征提取的方法主要分為以下兩大類：

基于知識的表征方法主要是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，其特征分量通常包括特征點間的距離、角度和曲率等。人臉由眼、鼻、嘴等局部構成，對這些局部和它們之間結構關系的幾何描述，可作為識別人臉的重要特征，這些特征被稱為幾何特征。基于知識的人臉表征主要包括基于幾何特征的方法和模板匹配法。

3.4人臉圖像匹配與識別

人臉圖像匹配與識別：提取的人臉圖像的特征數據與數據庫中存儲的特征模板進行搜索匹配，通過設定一個閾值，當相似度達到或超過這一閾值時，則把匹配到的人臉輸出。人臉識別就是將待識別的人臉特征與已得到的人臉特征模板進行比較，根據相似程度對人臉的身份信息進行判斷。這一過程又分為兩類：一類是確認，是一對一進行圖像比對的過程，另一類是識別，是一對多進行圖像匹配比對的過程。

4 應用前景

隨著科技的發展，人臉識別技術已取得巨大的成就，但在實際應用中仍然有著巨大的難度，這一技術不僅要求達到準確，快速的識別，并且還要得到有效的特征描述，準確的分類。利用圖像處理方法進行人臉識別，已被廣泛應用于生活的各個領域中，通過人臉識別實現人臉支付，人臉解鎖，安全檢查等。人臉識別技術在電子，通信，安全，金融和探測等領域中都具有很好的應用價值。而隨著技術的進一步成熟和社會認同度的提高，人臉識別技術將應用在更多的領域。

5 結語

人臉識別技術是一項具有廣闊發展潛力與應用前景的技術，人臉識別系統主要由人臉檢測與人臉識別這兩大關鍵環節組成，不斷的提高其精確性與快速性是我們的目標，它主要運用的是圖像處理和神經網絡這兩大技術，而來自于光照，姿態，遮擋和表情的變化等因素所造成的精確識別的影響是其面臨的最大挑戰。逐漸減小或是消除這些影響將使人臉識別技術上升到另一臺階，而現階段我們的工作目標就是尋找減小這些影響的方法。

參考文獻

[1]張翠萍，蘇光大.人臉識別技術綜述，中國圖像圖形學報，2000，5（11）： 885-894

[2]祝秀萍，吳學毅，劉文峰.人臉識別綜述與展望[J]，計算機與信息技術，2008（04）：53 56.

[3]吳曉萍，管業鵬.基于人臉關鍵點與增量聚類的多姿態人臉識別[J/OL].激光與光電子學進展：1-14[201904—_21].

[4]曹歡歡，基于人工神經網絡的人臉識別方法[D].吉林大學，2008.