林宏憶

（山東省煙臺第一中學，煙臺 264000）

1 人臉識別簡介

1.1 概念

人臉辨別是人類的一項基本能力，據研究表明，人臉辨別能力在人類出生的3到4年逐漸建立起來，到10歲時，人類便可以辨別99%的人臉，隨著認知的增加，人類的辨別能力還會逐漸增加，本文所介紹的人臉識別是指利用計算機模仿人類的這種能力進行人臉的技術。人臉識別的歷史最早可以追溯到20世紀50年代，早期的科學家試圖模仿人類的這種能力，進行自動化的識別，但是識別方法單一，并沒有大規(guī)模推廣。進入21世紀以來，隨著計算機技術和人工智能等技術不斷發(fā)展，人臉識別迎來了蓬勃發(fā)展的時代。

人臉識別是將靜態(tài)圖像或視頻圖像中檢測出的人臉圖像與數據庫中的人臉圖像進行對比，從中找出與之匹配的人臉的過程，以達到身份識別與鑒定的目的，它是同屬于生物特征識別領域和人工智能領域的一個課題，在商業(yè)、娛樂、安全、身份認證、法律執(zhí)行等眾多方面也有著廣泛的應用。

1.2 人臉識別的特性

類似于人臉識別的現(xiàn)代生物識別技術眾多，例如虹膜識別、指紋識別、掌紋識別、語音識別、步幅識別等，人臉識別之所以脫穎而出，因其具有以下的若干特性：

（1）人工替代性高。由于人臉識別最早便是模仿人類的識別能力，與正常人類辨識他人身份的原理相同，在識別設備被破壞或者出現(xiàn)故障時，人臉識別系統(tǒng)不能完成正常的識別過程，并且會出現(xiàn)較大偏差，此時完全可以由正常人來完成應急工作，保障了識別任務的正常進行，這是其他生物識別技術難以完成的。

（2）隱蔽性高。在傳統(tǒng)的指紋、虹膜識別中，使用者往往需要做出特定的動作才能完成識別，而人臉識別則不需要，無論是通過圖片、視頻還是實時的在線檢測，人臉識別都可以完成隱蔽性的非接觸式檢測，可以有效地防止人臉識別系統(tǒng)被有意或無意的損壞。

（3）易用性和經濟性高。人臉識別所需要的硬件組成極其簡單，只需要采集圖像所需的攝像設備和圖像處理設備，外加一臺普通性能的計算機即可，如果是進行圖片中的人臉識別，還可以節(jié)約前兩個設備。并且采集設備沒有太高的要求，分辨率達到一定的攝像頭即可，例如手機、數碼相機、攝像頭均可，而且這些設備高度靈活，易用性高，例如手機上的人臉識別系統(tǒng)學習成本低，已經應用到很多社交APP中完成娛樂、身份驗證等功能。

（4）普遍性高。相比于指紋、虹膜等生物特征，人臉圖像在互聯(lián)網上分布很廣，數據資源有著天然的優(yōu)勢，這便于機器學習等技術進行人臉識別學習，完善自身的識別過程，這使其更加適合現(xiàn)代互聯(lián)網社會的大環(huán)境。

2 人臉識別技術

2.1 影響人臉識別的因素

相比于其它生物識別方式，人臉識別有著天然的優(yōu)勢，但是由于人臉本身的若干性質和外界因素的影響，其應用也受到不同程度的限制。首先，人臉是一個動態(tài)的對象， 人有喜怒哀樂 就表明同一個人的面部在不同的情況下也會呈現(xiàn)出很大差異，而且這種差異性在個體之間普遍存在；同時年齡和裝扮也是影響識別的重要因素，隨著皺紋的增多和面部肌肉的老化，一個人在少年和老年會呈現(xiàn)出不同的面部，同一個人在是否戴帽子、戴眼鏡、化妝的情況下也會有著不同的面部特征；最后，外界環(huán)境因素也會影響面部識別，人臉是一個三維圖像，從不同角度看往往對顯示出不同的特征，光照明暗的不同也會大大影響人臉識別的準確度。此外，人臉識別技術的研究同時涉及到圖像處理、計算機視覺、模式識別、人工智能、神經網絡、生理學、心理學等諸多學科，復雜度高，覆蓋面非常廣。除了這些主要因素之外，還有諸如雙胞胎長相近似難以辨別、3D打印出來的1：1面部模型以假亂真、機器分辨真人和照片存在難度也會使人臉識別的應用和推廣帶來很多不利因素，人臉識別要達到類似于人的準確度和智能水平，還需要技術方面的不斷探索。

2.2 人臉識別技術分類

人臉識別技術從本質上可以分為以下三類：

（1）局部特征人臉識別。人臉有很多局部特征，例如眼睛大小、單雙眼皮、八字眉、大豁嘴等，還有一些個人特征，例如傷疤、黑痣、酒窩、凸起的顴骨等，就算雙胞胎在局部特征上也會有細微不同?；诰植刻卣鞯娜四樧R別就是提取這些局部特征構成識別矢量，從而做到特征比對。此類方法一般分為基于幾何特征和模型模板的識別，前者是早期一種重要的方式，主要利用各個特征中的幾何量，例如眼鏡左右眼角的距離、鼻子和嘴巴的距離、眉毛傾斜的角度等，進而構成人臉的識別矢量，從而完成和數據庫的比對。而后者則是將包含幾何特征在內的整個人臉模型用來比對，這樣可以獲得比前者更多的細節(jié)信息，比對成功率增加，但是計算量也有大幅增加。

（2）全局特征人臉識別。全局特征主要包括人臉的膚色特征（白皙、黝黑）、總體輪廓（瓜子臉、圓臉、鴨蛋臉、方臉、長臉等）、以及面部五官的分布特征?；谌痔卣鞯娜四樧R別方法通常將人臉看成是一個整體，而不需要對人臉的面部特征或局部特征點進行檢測，這種方法不僅保留了人臉要素之間的拓撲關系，而且還保留了各部件本身的信息。

（3）混合特征人臉識別?？茖W家認為人眼是一個優(yōu)秀的人臉識別系統(tǒng)，所以探尋人眼識別的過程對研究人臉識別有著重要意義，而人眼進行識別最基本的就是依靠混合特征，也就是先提取全局特征進行粗略的匹配，再通過局部特征進行更為精確的辨認，這樣的識別模式不僅高效，而且準確率很高。

2.3 人臉識別原理和過程

一個完整的人臉識別系統(tǒng)擁有很長的技術鏈，但是再復雜的人臉識別技術也能夠拆分為以下幾個環(huán)節(jié)：

（1）圖像采集。圖像采集是人臉識別的第一步，在識別之前需要先采集被識別者的人臉信息。圖像采集模塊負責把實際人臉信息轉換為圖像信息，相當于我們日常生活中的 拍照 ，由分辨率一定的攝像頭采集，成像形式為可見光成像或紅外光成像，紅外光成像可以在夜間進行工作，保障全天候的圖像采集能力。

（2）人臉檢測定位。圖像采集過后的圖像還不能直接使用，可能存在人臉過小或者位置歪斜等情況，這時需要人工智能技術找出人臉所在的區(qū)域進行圖像檢測定位，并將其調整到適合機器提取信息的位置和角度。這種定位方式一般是通過人臉中眼角、嘴角、鼻尖、下巴尖等位置來定位的，定位之后還要通過歸一化處理，將定位后的人臉圖像調整至需要比對的數據庫人臉標準大小。

（3）特征提取。人臉的特征提取模塊會提取將定位處理后的人臉中有效的信息，去除無效信息，增強識別效果，將這些信息轉換為特征向量，實現(xiàn)了圖形特征到數字序列的轉化，是人臉識別的關鍵一步。

（4）三維建模。提取出若干信息后，就需要將這些信息再還原出三維模型，一般是通過計算機強大的三維建模能力，建立樣本人臉的三維模型。

（5）模型對比。得到最終樣本的三維模型后，就需要通過信息檢索等技術來最終識別，識別是根據特征向量判斷人臉的身份。識別任務分為兩種：一種是人臉驗證，輸入一對人臉圖像，需要判斷這對圖像是否屬于同一個人，這是一對一的匹配；另一種是人臉辨識，它的輸入是一幅人臉圖像，需要判斷該人臉圖像屬于給定的人臉庫中的哪一個人，這是一對多的匹配。

3 人臉識別的應用及未來發(fā)展

3.1 人臉識別的應用

人臉識別的應用領域非常廣泛，主要有以下幾個方面：

（1）安全領域。安防是人臉識別的初衷也是人臉識別應用最廣泛的領域。在民用安防中，從我們熟悉的智能門禁系統(tǒng)和考勤系統(tǒng)，到火車站、機場的安檢系統(tǒng)，再到銀行金庫的安全系統(tǒng)，人臉識別都承擔著重要的作用。隨著安防技術的發(fā)展和人臉識別技術的發(fā)展，人臉識別開始應用在視頻監(jiān)控中，用于對人物的智能檢索和行為的智能分析等。隨著智慧城市和平安城市的提出，安防領域的要求會不斷増長，并對安防系統(tǒng)的智能化提出越來越高的要求，這會給人臉識別帶來巨大的應用需求。

（2）娛樂領域。我們熟悉的手機拍照軟件中，幾乎都有了人臉識別對焦功能，系統(tǒng)可以自動識別人臉，通過方框表示出來。在當今一些自拍APP中，例如美顏相機等，都內置了人臉識別功能，用戶可以根據自己的喜好給自己的頭上加上各種道具，十分迎合年輕人的需求。除此之外，人臉識別也用在手機安全解鎖和安全支付中，美國蘋果公司發(fā)布的iPhone X就采用了三維人臉識別技術，通過點陣投射和紅外成像的方式，使安全性和成功率都有很好的保證。

此外，人臉識別還用在智能辦案、檢索和有關分析之中。

3.2 人臉識別的未來

人臉識別經過幾十年的發(fā)展，雖然已經初具智能化，但是在很多方面還有研究和進步的空間。總結近幾年的發(fā)展，人臉識別將朝著以下方向持續(xù)探索：目標建模與多特征融合；基于深度學習與在線學習的人臉檢測與識別技術；基于視覺神經機理的人臉檢測識別技術研究；基于多傳感器多信息融合人臉識別技術。另外，目前的人臉識別系統(tǒng)包括人臉簽到，人臉支付等都是針對特定場合進行應用的，對被識別者臉部照片的獲取有諸多限制條件，研究更具現(xiàn)實場景意義的人臉識別系統(tǒng)也是今后學者努力的一個方向，在不久的未來，人臉識別將和國家構建的 天網 通力合作，構建更加安全和諧的社會。

[1] 張海旸，馬華東.基于網格的自適應彈性圖人臉匹配方法[J].計算機輔助設計與圖形學報，2008，20（2）：253-258.

[2] 徐曉艷.人臉識別技術綜述[J].電子測試，2015，32（5）：885-894.

[3] 周凱汀，鄭力新.基于改進ORB特征的多姿態(tài)人臉識別[J].計算機輔助設計與圖形學學報，2015，13（2）：287-295.

[4] 李文琴，曾廣樸，文俊浩.基于神經網絡的人臉識別系統(tǒng)[J].激光雜志，2015，36（3）：54-57.