人臉識別系統的研究和探討

于傳 唐毅 傅曉 徐華

摘? 要：生物體征識別技術運用了人體本身固有的生物體征，相比較于傳統的身份識別方式而言，生物特征技術由于它的可靠性以及安全的特點深受人們的重視。在近幾年的時間里，人臉識別技術陸續運用到人類的生活中，本文針對于人臉識別技術做了簡要的研究和討論。

關鍵詞：人臉識別;人臉檢測;研究分析

中圖分類號：TP391.4? ? ? 文獻標識碼：A? ? ?文章編號：1007-9416（2020）10-0000-00

1 研究的背景和意義

人臉識別是模式識別和機器視覺中一個非?；钴S的研究熱點。不論是國內還是國內，在研究所以及大型公司都對人臉識別技術投入了大量的人力物力進行研究，因為人臉識別技術在理論研究中具有巨大的應用價值，因此人們非常重視對于它的研究。

與傳統的身份驗證技術相比，它利用人自身具有的特點，可靠性高，安全性好，實用性強，多年來一直受到許多研究者的關注[1]。并且社會熱潮的推動下，迅速的占領了大量的應用市場。

（1）在銀行金融系統中的應用。人臉識別系統能夠更好更加直接的實現銀行安全防范要求，更加直觀準確的跟蹤性能，面對于盜竊、冒領事件起到的防范作用。

（2）在司法系統中的應用。在司法機關遇到要抓捕罪犯的情況下，就可以使用人臉識別技術，在照片庫存中自動識別并且找出嫌疑犯，將破案的時間縮短。

（3）公共安全。用于公共場所的監控，利用人臉識別技術來輔助對恐怖分子和違法犯罪嫌疑人的監控。

（4）視頻監視：在許多公司、銀行都設有24 h的視頻監視。

（5）證件驗證：在當代社會，每個人身上都會有不同類別的證件，利用人臉識別技術，實現自動化的管理和智能化的驗證。

（6）信息安全：利用人臉識別技術實現計算機登錄、權限控制和電子交易中的身份認證，等等。

2 國內外研究概況

當前很多國家展開了有關人臉識別的研究，主要有美國，歐洲國家，日本等，著名的研究機構有美國MIT的Media lab， AI lab。在人類各項研究中，存在最早的就是人臉識別技術，國內關于人臉識別的研究始于二十世紀80年代，在NSFC、863計劃等資助下，我國的大部分研究機構也開始對人臉識別系統進行分析和研究，其中的研究機關也有很多，除了相關的研究所，一些知名大學也參與了其中[2]。

3 人臉識別存在的問題

人臉識別涉及人臉檢測，人臉特征定位，特征提取和分類器設計幾個方面，人臉識別面臨的主要問題是：（1）光照問題。光照問題是機器視覺的老問題，盡管研究人員提出了一些解決方案，但是在實際應用中效果遠沒有達到理想程度。（2）大規模人臉識別問題。因為人臉數據庫的資源很多，因此想要在如此龐大的數據庫中提高識別率也是人臉識別需要注意到的問題。（3）樣本缺乏問題。在目前的情況下，人臉識別系統的主流算法仍然是統計學方法，但在這個過程中，由于人的臉部是高度空間中的不規則分布，因此這也是目前必須得要解決的問題[3]。

從問題產生的根源上講，人臉識別問題集中在三新個層面：（1）信號層面：表現為數據獲取不穩定;（2）特征層面：采集條件變化時特征描述的魯棒性問題;（3）決策層面：表現為核心識別算法的泛化能力問題，海量樣本學習的可行性，統計學習方法的魯棒性等。

4 研究的目的和內容

4.1 研究的目的

人臉識別技術具有廣泛的應用價值。各大公司、研究機構都對其進行了深入的研究，提出了許多的識別方法，使其識別精度越來越高[4]。但在實際應用中，環境較為復雜。在人臉檢測和人臉特征定位后，對圖像進行歸一化，識別算法在環境和人臉本身變化的情況下仍然有效，向自動化識別目標邁進，正是基于這個目標，對人臉識別技術進行了研究和探討。

4.2 研究的內容

針對人臉識別技術涉及的幾個方面，對以下內容作了研究和探討。

（1）在預處理方面，研究對比了多種彩色圖像的增強理算法，并在此基礎.上提出了新方法。在彩色圖像增強方面階段提出了一種結合偏色糾正和改進的retinex的增強方法，實驗結果證明了該方法的有效性。

（2）在人臉檢測方面，采用結合膚色檢測的Adaboost檢測方法。膚色檢測去掉大部分背景并提供區域和窗口特征，Adaboost檢測判別是否為人臉，

（3）在人臉特征定位方面，提出了一種基于各向異性濾波的人眼定位方法，對彩色圖像的定位采用各分量差分的方法，實驗結果證明效果較好。

（4）在特征提取方面，提出了多尺度的局部二進制模式特征提取方法。等價的局部二進制模式有效地減少了數據的維數，不同尺度分析能夠表征人臉的局部和整體特征，兩者的結合，更能有效的表征人臉特征。識別結果證明所提取特征的有效性。

（5）識別算法設計方面，采用流形學習算法，在傳統的保局投影基礎.上，加入類別的監督信息，并使向量正交化，改進正交拉普拉斯特征臉算法對特征數據進行降維。最后采用最小近鄰法識別人臉。實驗結果表明識別率相對提高。

5 人臉識別概述

5.1 生物特征識別技術

生物特征識別技術具體指的是什么？它是一種對于一個人身份識別和鑒定并且是通過計算機進行這個工作。其中有指紋、虹膜、視網膜、聲音等類型。早在上個世紀，生物識別技術以及在世界范圍內有所研究與開發，但是那個時候人們對于它的研究還是處于初級階段，雖然當時的指紋識別技術已經嶄露頭角，但是人們的科技研究水平還是處于初級，研究進程也有待提高[5]。

5.2 人臉識別技術

人臉識別技術具體的含義是將已經采集到的數據進行分類調整，將不同身份體征，不同樣貌信息給出具體位置信息，并在采集信息庫中進行對比，最后通過互聯網技術將每個人的身份信息進行統計比照，從而識別人臉。其研究內容包括以下五個方面：

（1）在人臉檢測過程中，可以憑不同的背景確認人臉信息。在這個過程中檢測人臉的位置、大小、形狀等關鍵信息。

（2）人臉表征確定表示檢測出的人臉和數據庫中的已知人臉的描述方式。一般采取的是代數特征、固定特征模板等方式。

（3）人臉鑒別即狹義的人臉識別，就是指把特定的人臉跟我們人臉識別系統中的已有數據進行分析對比，并得到詳細的結果。在這個過程中，關鍵核心就是在人臉識別系統表達方式和匹配方法上面選擇適合的，這樣以來也可以快速的得出人臉表征方法[6]。

（4）對于采集的人臉捕捉細微的表情姿態變化并且記錄，最后做出分類調整。

（5）根據每個人臉部不同的生理信息將數據采集，根據每個物理特征的不同信息。舉個例子，可以從這個人的年齡、性別、種族等信息去找出相同點或者差異點。

5.3 人臉識別的難點

在現如今技術研究領域，人臉識別是極其富有挑戰性的，因為人臉的布局以及整體都是比較柔韌的物體，從發型的改變以及表情，都會給最終的人臉識別帶來挑戰和不必要的麻煩，所以當務之急是要解決這些問題。

目前人臉識別的難點主要存在于以下幾個方面：

（1）首先就是由于光照而引起的變化，這是在人臉識別性能方面最關鍵的一個因素，決定著人臉識別技術進程的成功與否，特別是在圖像預處理方面，是需要重視并且有所改變的。

（2）在丞相時保持的角度以及距離都會大幅度的影響人臉的姿態。因此在人臉識別過程中，一定要注意人臉距離識別區域的距離以及姿態，保持水平高度。

（3）不同年齡的人臉有著較大的差別。打個比方說，現在司法部門要追擊一個逃犯，但是逃犯的身份證信息太過久遠，還是以前的照片信息，而隨著年齡和時間的推移，逃犯現在的面貌都有了一部分的改變，因此在追查過程中，這些年齡外界因素也是有一定難度的[7]。

6 人臉識別的常用算法介紹

6.1 常用方法

基于模型的人臉識別方法包括特征臉法（Eigneafec）、神經網絡法（NN）、 隱馬爾可夫模型方法（HMM）等方法。

6.2分類器

在人臉識別的操作過程中，提取特征模塊已經表示圖像向量都尤為重要，每個步驟都不能出現錯誤，此時需要用到的特征向量予以分類的工具就是分類器了，它在這個步驟中起到了關鍵的作用，也是它決定了后期是否能夠準確的確定人臉的具體信息，而不同分類器對于最終結果的判讀也是有所不同，該怎樣選擇合適的分類器去工作也非常重要，對于結果的影響直接取決于分類器的好壞。日常中使用的分類器類型比較多，有下面幾種：

最小距離分類器（NC）;

最小距離分類器它的判別標準是以類中心算起到檢測樣本之間的距離大小;

最近鄰分類器（NN）[8]。

這類分類器的計算過程相對來說比較復雜，它是在分類時需要將所有訓練樣本都作為代表點，通過計算待識別樣本x到所有訓練樣本的距離，最終得出的結果如果時與x最近的訓練樣本，那么立馬就可以判定此類別為待識別樣本x所屬類別。

6.3 人臉識別中PCA算法步驟及流程

pca方法人臉識別步驟 具體的識別步驟如下：

（1）讀入人臉庫;

（2）計算K-L變換的生成矩陣;

（3）利用SVD定理計算特征值和特征向量;

（4）把訓練圖像和測試圖像投影到特征空間;

（5）比較測試圖像和訓練圖像，確定待識樣本類別。

7 人臉識別流程

人臉識別技術不是單一的技術，要想完成人臉識別技術的完整體系，必須得完成人臉識別的一系列流程，而俯身于人臉識別技術研究的學者們由于認知和目標點都不同所以步驟也分為以下幾點

（1）人臉檢測/跟蹤。首先在人臉識別流程中第一個步驟就是人臉的檢測，它的主要內容包括在輸入的大致人臉圖像中找到符合條件的數據，然后系統自動生成并且給出圖像，它的目的在于檢測出圖像的存在范圍以及存在具體位置，以來給后面的跟蹤打好基礎。

（2）特征提取。每個人的面部特點都不一樣，都有屬于自己獨特的人臉特質，所以為了找出人和人之間的不同點，就需要從人臉的反射中提取數值。在已知的人臉范圍之內，在數據庫里面提取標準數值進行人臉判別，通常會使用幾何特征，里面分為角度、歐式距離等類別，固定特征模板、特征臉等等。

（3）特征降維。和其他的物體識別不同，我們的人臉是柔軟的，因此在人臉識別過程中，要對人臉的圖像做出詳細的鑒定和提取相關信息與人體特征，在高密度的高維空間中，人臉則會得出不一樣的高維空間原始數據（對一幅M×N的圖像，空間維數可達M×N）。

8 結論

人臉識別具有重大的理論意義和應用意義，它是一項結合了多學科，多領域知識方法的技術。人們熱衷與研究這項技術，它對我們人類帶來的現代化技術市場前景是遠大的，又因為人臉識別技術存在一定的難點，所以人們一直也在不斷的克服并且優化技術的發展，相信在我們的努力下，會在對他的研究和對其中的圖像處理和模式識別中取得更大的進步，未來在身份認證技術市場日益龐大的進程中，人臉識別技術將會擁有更廣泛的社會需求和市場前景。

參考文獻

[1]王映輝.人臉識別一原理方法與技術[M].北京：科學出版社，2010.

[2]姜紅德.Face++：專注人臉識別的創業傳奇[J].中國信息化，2015（5）：72-73.

[3]孫立明.復雜光照條件下的人臉識別方法研究[D].吉林：東北電力大學，2018.

[4]劉俊.變化光照條件下人臉識別算法的研究[D].成都：電子科技大學，2017.

[5]季麗萍.基于RFID和人臉識別考勤系統的設計與實現[J].佳木斯職業學院學報，2018（4）：425-426.

[6]王國棟.基于MATLAB的人臉識別算法的研究[D].呼和浩特：內蒙古大學，2014.

[7]馬博宇，尉寅瑋.基于Ada Boost算法的人臉識別系統的研究與實現[J].儀器儀表學報，2016（S1）：165-170.

[8]何志威，李軍.基于人臉識別的移動終端考勤系統的設計[J].福建電腦，2018，34（3）：19-20.

收稿日期：2020-07-19

基金項目：2020年國網安徽省電力有限公司培訓中心群眾創新項目（2020QC04）

作者簡介：于傳（1983—），男，江蘇徐州人，研究生，高級工程師，研究方向：電力培訓、科技管理等。

Research and Discussion of Face Recognition System

YU Chuan1，2，Tang Yi1，2，Fu Xiao1，2，Xu Hua1，2

1. Training Center of State Grid Anhui Electric Power Co.， Ltd.， Hefei Anhui? 230000;

2. Anhui Vocational College of Electrical Engineering， Hefei Anhui? 230000）

Absrtact：Biological sign recognition technology uses the inherent biological signs of human body. Compared with the traditional identification method， biometric technology is paid more attention because of its reliability and security. In recent years， face recognition technology has been applied to human life. This paper makes a brief study and Discussion on face recognition technology.

Key words：face recognition;face detection;research and analysis