（河北農(nóng)業(yè)大學，理工學院 河北 滄州 061100）

劉衛(wèi)凱，郝雅倩，鄭 晗，齊立萍（通訊作者）

1 引言

人臉識別技術(shù)是圖像處理方面的一次大膽嘗試，也是計算機圖像采集處理方面的一大突破。主要是利用計算機的機器分析，提取出個人特征信息，并從數(shù)據(jù)庫中查找具有此類特征的人，從而達到識別的目的。目前該技術(shù)已經(jīng)融入到了我們的日常生活中，例如刑事偵查、身份核實、密碼設(shè)置等[1]。

伴隨著人們的需求，人臉識別技術(shù)也一再發(fā)展，并且得到相關(guān)學者的大力支持。其發(fā)展大概分為三個階段[1]：

（1）階段一

人臉識別的初步階段大致為1960年到1970年之間，Bledose是人臉識別的啟蒙人，他首次利用人臉各部分比例特征為參數(shù)，建立一個人臉識別系統(tǒng)的雛形[2]。

（2）階段二

隨著計算機技術(shù)的飛速發(fā)展，信息采集與分析也變得容易起來，20世紀90年代初人臉整體識別成為了圖像處理的重點發(fā)展方向。于是提出了彈性圖匹配方法[3]、灰度處理[4]、形狀分離[4]以及人臉模型可變等方法。

（3）階段三

隨著商業(yè)市場需求不斷擴大，20世紀90年代末期人臉識別技術(shù)已經(jīng)成為了世界關(guān)注的焦點。世界各國都爭相發(fā)展人臉識別技術(shù)，但基于技術(shù)的不成熟，人臉識別技術(shù)也存在著相當大的缺陷。直至今日人臉識別技術(shù)仍然被世界所關(guān)注，不斷發(fā)展進步。

2 人臉識別技術(shù)

人臉識別技術(shù)是基于人的面部五官輪廓分布位置來對人進行識別。因為無關(guān)輪廓分布特征是因人而異，與生俱來的。通過采集設(shè)備采集圖像并運用計算機進行分析從而得到不同數(shù)據(jù)，再通過數(shù)據(jù)庫的比對來確定人的身份。這項技術(shù)也常常被人稱作人像識別、臉部識別等。

2.1 基于幾何識別方法

幾何識別方法是利用人臉器官特征輪廓的分布比例進行數(shù)據(jù)分析，構(gòu)建模型的[5]。主要將人臉建立成矢量的幾何模型。Crow曾提出人臉橢圓特征檢測[6]，是將人臉分為三個部分進行檢測，根據(jù)曲線進行模擬人臉。后又由DR.Gpvindaraju等人進行方法改進，提高了精確度[7]。該方法簡單易實現(xiàn)，且在光照不足的情況下仍能識別，但是缺點也相當明顯，如表情不同，體態(tài)不同等都會有很大影響。

2.2 基于神經(jīng)網(wǎng)絡(luò)識別方法

神經(jīng)網(wǎng)絡(luò)識別方法，主要是通過對生物神經(jīng)網(wǎng)絡(luò)的模擬，將生物神經(jīng)網(wǎng)絡(luò)上的神經(jīng)元轉(zhuǎn)化為機器所能理解的碼制。就如同當有神經(jīng)刺激的時候我們表示為1，沒有神經(jīng)刺激的時候我們表示為0。這樣一來我們就得到了初步的小像素塊，再通過像素塊的拼接構(gòu)造成模擬圖像[8]。神經(jīng)網(wǎng)絡(luò)方法可以有效的避開復(fù)雜特征的數(shù)據(jù)提取，但是構(gòu)成模擬圖像的神經(jīng)元數(shù)量過于龐大，形成所需神經(jīng)元的時間過于長、速度慢、參數(shù)確定無法統(tǒng)一等問題[8]。

2.3 基于3D的人臉識別方法

從傳統(tǒng)意義上的3D人臉識別技術(shù)主要是將人臉掃描建立在一個三維的坐標系中，從而將人臉的特征數(shù)據(jù)轉(zhuǎn)化為模型結(jié)構(gòu)[9]，就目前而言2D人臉識別技術(shù)是相對成熟的，所以3D人臉識別技術(shù)是基于2D技術(shù)的基礎(chǔ)上的，主要還是采集2D數(shù)據(jù)并通過整合疊加從而達到3D的效果特征向量，以達到人臉識別的目的。3D人臉識別技術(shù)的優(yōu)勢就在于當人處于不同的光照、面部表情以及觀察視角情況下仍然可以保證識別的準確度。但是也存在一定的缺點，如設(shè)備相對比較貴、采集系統(tǒng)過于龐大、傳輸數(shù)據(jù)過慢和識別速度較慢等。

2.4 多分類方法

多分類器方法主要是運用數(shù)據(jù)庫內(nèi)數(shù)據(jù)的整合拼湊來獲取目標圖像數(shù)據(jù)的，首先需要人臉不同變化數(shù)據(jù)分別存儲于多個分類器中[10]，每種分類器中只對應(yīng)這一種狀態(tài)。采集數(shù)據(jù)時，將數(shù)據(jù)劃分成不同的種類，再根據(jù)種類的不同從數(shù)據(jù)庫中提取所需的數(shù)據(jù)。當數(shù)據(jù)提取完成后，將特征數(shù)據(jù)進行拼湊疊加，當遇到光照，表情，姿態(tài)有較大差異時，將分類器中的信息整合互補加以擬合，從而提高準確率。多分類技術(shù)雖然可以相對準確的識別人臉，但是也存在著采集系統(tǒng)過于龐大和數(shù)據(jù)傳輸過于緩慢的缺點。

3 人臉識別未來發(fā)展

人臉識別是一個具有發(fā)展?jié)撡|(zhì)的領(lǐng)域，也是一個具有極大挑戰(zhàn)力的領(lǐng)域[11]。就現(xiàn)在的發(fā)展階段而言，人臉識別技術(shù)還面臨著多方面的困難，如被識別的人需要正臉面對圖像采集器，并且被識別的人要保持合適的距離才能采集到比較準確的數(shù)據(jù)。在我們正常應(yīng)用時這些問題可能就是我們無法識別的難題。目前而言還沒有一種能適應(yīng)不同環(huán)境和干擾的識別方法。對于未來而言我們?nèi)匀恍枰岣咦R別的精準度擴大識別的范圍，從而使人臉識別技術(shù)可以使用于任何復(fù)雜環(huán)境。所以未來人臉識別將向著多方面發(fā)展如：免干擾人臉特征數(shù)據(jù)采集、遠距離人臉識別技術(shù)、3D細節(jié)模型構(gòu)建等等。

[1] 蘇楠，吳冰，等.人臉識別綜合技術(shù)的發(fā)展，信息安全研究，2016，1.

[2] 吳迪，胡慧，等.基于顯著性局部定向模式和深度學習的人臉識別，光電子激光，2016，6.

[3] 丁嶸，蘇光大.使用關(guān)鍵點信息改進彈性匹配人臉識別算法，電子學報，2002，9.

[4] 孫勁光，張文斌，朱世安.圖像的處理方法，遼寧工程技術(shù)大學學報，2002，6.

[5] 李江.紅外圖像人臉識別方法研究，北京：國防科學技術(shù)大學，2005.

[6] 肖冰，等.人臉識別綜述[J].計算機學報，2016，8

[7] 梁路宏，艾海舟.人臉檢測研究綜述[J].計算機學報，2002，5.

[8] 梁路宏，艾海舟.基于多模板匹配的單人臉檢測[J].軟件學報，2001，12.

[9] 張寧，徐磊，三維人臉圖像數(shù)據(jù)采集與預(yù)處理，刑事技術(shù)，2015，4.

[10] 李武軍，王崇駿，張瑋，陳世福.人臉識別研究，南京大學，2006，2.

[11] 宋嘉程.人臉識別技術(shù)的現(xiàn)狀和發(fā)展，電子技術(shù)與軟件工程，2017，09.