人臉識別技術概述

李凱陽

摘 要：人臉識別技術經過多年的發展現在已經成為了我們生活的一部分，但是現階段該技術還面臨著一些挑戰，比如同一張人臉的不同表情的識別，長相相近的雙胞胎之間的識別等等，所以這就需要有關研究人員進行不斷的探索。在社會和政府對人臉識別技術的大力支持下，該項技術會逐步趨于完善。鑒于此，本文對人臉識別技術進行了分析，以供參考。

關鍵詞：深度學習;人臉識別;人工智能

引言

人臉識別技術，包含人臉檢測和搜索（對比）技術。人臉檢測僅對圖片（連續的圖片即為視頻）中的人臉進行識別，類似于照相機的人臉識別，只對圖片中的人臉有無、性別、年齡、表情等信息進行識別。

1人臉識別技術概述

人臉識別技術，顧名思義是借助現代的科技對人像中的面部特征進行捕捉，然后面部數據被采集之后傳輸進系統，系統運用數據分析來辨別每一個人，讓每一個人利用自己獨特的生物信息成為一個不可替代、不能被模仿的人。

人臉識別技術的依托是最基本的面部數據的反饋，首先要有足以識別一個人的數據量，對于傳輸進來的數據，電腦第一步會判斷有無人臉的存在，只有確定了這個前提才能進行后續的數據分析進而得到其特征，然后將特征數據反饋給后臺主機，后臺運用大數據比對是否符合之前采集的數據信息，同時檢索自己的數據庫，是否存在與其數據相同的身份信息，以防出現身份冒充等問題。例如，現在智能家居市場上比較熱門的人臉識別智能門鎖，同時兼具多項功能，例如，人臉識別、指紋解鎖、機械開鎖等多項功能。其中商家作為吸引消費者的一大亮點就是人臉識別技術，鑰匙可以被復制，指紋可以被模仿，但是人臉是專屬于你自己的一份生物信息。

2人臉識別技術識別方法

人臉識別技術，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，人臉識別的方法很多，有基于幾何特征、神經網絡、彈性圖匹配等多種人臉識別方法。其原理包含三個部分，分別是人臉檢測、人臉跟蹤和人臉比對。這是采集信息和對信息進行分類處理的三個方面，有了這些基礎的信息然后才能作為基石進行數據處理，數據的處理，也就是識別的過程又分為三個部分，首先是建立一個數據庫，里面有不同的人的圖像照片然后用這些照片的數據轉變成相應的編碼儲存在自己的數據庫之中。這些是基礎的數據，第二步是獲得當前的人臉的圖片信息，然后再依據面部特征形成相應的編碼。最后一步就是進行數據的比對，將當前獲取的人像信息與之前數據庫中采集的人像進行對比，比較編碼是否一致。依托大數據的收集、比對而實現的人臉識別技術順應時代技術改革的發展和創新，以每個人的生物信息作為最原始也是最重要的判別依據。

3人臉識別技術在實際生活中的應用

3.1刑偵破案

人臉識別技術的出現對刑偵破案方面提供了很大的幫助，當公安部門獲得嫌疑犯照片后便可以在全國的人臉信息庫中利用人臉識別技術進行比對，在很短的時間內便可以分析的出結果。相比于之前的獲得嫌犯信息后通過電視，報紙，網絡進行發布的方式，這樣的分析方式更快速，更準確。

3.2入口控制

很多地方的入口都會進行人員的控制，比如高校的宿舍樓，機密辦公區域，小區里的單元樓等，這些地方有的不好設置工作人員看守，有的地方設置看守后當人員流動量大時會很容易出現擁堵。引入人臉識別技術后，入口相關人員只需把臉對準攝像區域門邊會自動打開，當成功進入后便會自關上，應用人臉識別技術既安全又方便。

3.3金融行業

最近，支付寶提出的刷臉付款引起了人們的注意，出去不必帶現金，不要拿不同的卡片，并掃了手機，以便很容易識別臉部，大大加快了付款效率，那么一長串隊伍焦急地等待付款，很快就會被快速的臉筆打破。此外，臉部識別技術可用于從銀行取款。新聞經常報道，在提款時，密碼被別人偷看，導致錢被別人轉移，老年人因不提款而受騙，臉部識別技術正是解決這個問題的辦法。因為采用這種技術后，只需向前刷臉，就可以輕松地取錢了。

4實現人臉識別的途徑

常用實現人臉識別的幾種途徑如下：（1） 采用高級語言編程，在PC端使用;（2）采用嵌入式開發環境，在嵌入式設備內使用;（3）采用MATLAB環境開發，在PC端使用：MATLAB環境中，有圖形處理工具箱，可以利用拖動圖標工具的方式對圖片進行處理;（4）采用集成識別環境應用開發，在PC端使用：國內有集成識別環境，類似MATLAB環境，但更側重于工業使用，支持OPC、MODBUSTCP等通信協議，如OPT軟件;（5）采用調用百度（谷歌、騰訊都有）人臉識別API開發模式，在PC端使用。其實，百度跟隨谷歌步伐，AI產品不但有人臉識別API，而且包含語音AI，圖像AI，文字AI等，提供諸多AI應用。采用百度人臉識別API開發模式，可以利用互聯網巨頭的技術成果，實現先進的識別效果，直接為開發程序利用，使得開發人員不再糾結人臉識別技術，可以集中精力處理智能應用。其API分為離線和在線2種模式，離線模式可以將人臉識別API內置在各種終端內，在線模式采用POST方法，使用非常簡單。

百度接口規格：

最小人臉檢測大小：50px×50px;

檢測速度：100ms，720p;

人臉檢測耗時：小于100ms;

1萬本地人臉庫檢索速度：小于400ms。

5人臉識別技術的未來應用展望

5.1實現多數據的應用與融合

首先，鑒于目前人臉識別技術的發展方向，大多數技術是在一種特定情況下進行的，這種情況復雜，或者同時發生多種情況，人臉識別技術很可能會有局限性，因此，它將提供多種數據的組合和應用，在更復雜的情況下進行人臉識別，并成為未來的發展趨勢。目前，為了實現多數據的應用和合并，部分技術已經具有實際意義，例如整體和局部人臉聯合識別技術，一般的人臉識別技術在操作過程中有一定的困難，局部人臉識別技術在操作過程中也存在缺乏對比度和精確度的問題，兩者結合是綜合其優點的最佳方法，綜合人臉識別技術整體和局部人臉識別算法結合在一起。

5.2實現人臉識別的動態追蹤

隨著我國科學技術的不斷發展和進步，傳統的靜態跟蹤技術不再能夠滿足人們日常生活的發展需要，簡單的靜態圖像識別也不再是研究人員的重點。為了滿足人們在生活的各個方面的需要，現在已經開始采用動態人臉識別技術，今后將主要用于海關、機場和其他需要仔細檢查的地方，客戶將有一臺計算機在登船或登船前及時收集客戶的人臉信息，以后，如果行李出現問題或其他問題，客戶將能夠利用動態人臉識別技術迅速準確地抓住客人的具體地點。目前，該技術發展較慢，發展過程有一定的復雜性，我國相關技術人員面臨技術瓶頸。面對這種情況，我國有關研究機構可以聘請國外人員進行動態人員跟蹤技術的技術指導，找出在聯合討論中取得進展的空間和機會，以此作為克服技術困難、提高技術創新效率和盡快完成動態人員跟蹤技術的途徑。

結束語

人臉識別是一把雙刃劍。充分利用好這一技術，創造出更多積極效應，是人們所期望的。同時，如何最大程度保證其不闖禍、不添亂，也非常值得關注。就此而言，要通過制定法律法規和國家標準，明確企業的從業資質與行為規范;制定更加完善的準入機制，最大程度地防范人臉識別技術被濫用。核心一點，要平衡好創新與風險、技術進步與個人權益保護的關系。

參考文獻：

[1]黃承略.淺析人臉識別技術及其面臨的挑戰[J].數碼世界，2018（12）：13.

[2]劉施樂.基于深度學習的人臉識別技術研究[J].電子制作，2018（24）：50-51+96.

[3]姚紫琦.淺談人臉識別技術的應用場景及前景分析[J].數字技術與應用，2018，36（12）：197-198.

[4]高雨舟.人臉識別技術的行業應用及未來發展趨勢分析[J].數字技術與應用，2018，36（12）：79-80.

[5]王飛龍.人臉識別技術及其安全性綜述[J].信息記錄材料，2018，19（12）：229-230.