張哲豪

摘 要：人臉識別技術(shù)在各行各業(yè)都有著廣泛的應(yīng)用，人臉識別是指通過對個人的面部輪廓比較和分析識別人的技術(shù)。人臉識別技術(shù)包括有人臉特征提取、人臉檢測識別和人臉驗證等方面，將待識別的圖像與數(shù)據(jù)庫的儲備圖像進(jìn)行匹配，從而識別人的身份，本文對一些主要的人臉識別技術(shù)進(jìn)行介紹并探究其發(fā)展。

關(guān)鍵詞：人臉識別 面部輪廓 特征提取 匹配

引言

人臉識別技術(shù)具有非常多的優(yōu)勢：不需要人工操作，是一種非接觸的識別技術(shù)；快速、簡便、準(zhǔn)確；性價比高、方便使用、魯棒性好。人臉識別技術(shù)具有巨大的應(yīng)用價值，比如應(yīng)用在刑事偵破案件、出入口和出入境控制、檔案管理系統(tǒng)和智能支付領(lǐng)域等。人臉識別的主要技術(shù)包含三個方面：人臉檢測、人臉跟蹤和人臉匹配?，F(xiàn)有人臉識別系統(tǒng)主要用于安全監(jiān)控等場合，通常是小規(guī)模封閉的系統(tǒng)，其也可以用于人機(jī)交互、跟蹤監(jiān)控、身份識別等領(lǐng)域。用于人臉識別的方法有很多，基于特征臉的人臉識別方法、幾何特征的人臉識別方法、神經(jīng)網(wǎng)絡(luò)的人臉識別方法、彈性圖匹配的人臉識別方法和線段Hausdorff距離的人臉識別方法等。

1 人臉識別的發(fā)展歷程

學(xué)者們意識到人臉識別的重要性是在20世紀(jì)60年代末，人臉識別的發(fā)展歷程可以歸為三個階段：第一階段是在60年代末到70年代初，學(xué)者Bladsoe首先建立出了人臉識別系統(tǒng)，他以人臉特征點的比率、間距等參數(shù)作為提出的特征點；第二階段是在90年代初，隨著計算機(jī)科學(xué)與技術(shù)的迅速發(fā)展，人臉識別的研究向整體識別和部件分析相結(jié)合的方向發(fā)展；第三階段是90年代末期，人臉識別技術(shù)被應(yīng)用于商業(yè)市場。

人臉識別技術(shù)從提出到現(xiàn)在已有50多年歷史了，人臉識別技術(shù)越來越成熟，各種新的算法不斷涌現(xiàn)，可謂碩果累累。但是，每種算法實現(xiàn)的環(huán)境都不一樣，要求也不一樣。人臉識別的主要技術(shù)包含三個方面：人臉檢測、人臉跟蹤和人臉匹配，這三個方面的完美結(jié)合仍然是學(xué)者們有待發(fā)展和研究的方向，以期可以服務(wù)更多領(lǐng)域、解決更多難題。

2 人臉識別系統(tǒng)

人臉識別系統(tǒng)研究的內(nèi)容包括人臉檢測、人臉表征、人臉識別、面部表情和生理分類這五個方面。

人臉檢測這部分主要就是在不同情形中找出人臉?biāo)谧鴺?biāo)和人臉占有的面積區(qū)域，這種方法遇到的問題就是需要考慮光照強度、圖像噪點、臉部大小、情緒、圖片質(zhì)量等對人臉檢測的影響。人臉表征是提取人的面部特征，確定檢測的人臉和數(shù)據(jù)庫中已存在的人臉描述方式，通過幾何特征、代數(shù)特征或機(jī)器學(xué)習(xí)理論等方法進(jìn)行提取。人臉識別就是將人的面部特征與人臉特征庫進(jìn)行匹配發(fā)出結(jié)果，核心是匹配的算法。面部表情就是需要分析其情緒代表的含義。最后生理分類是需要通過分析得出人的性別、年齡、種族等信息。

3 人臉識別方法分類

3.1 以幾何特征為基礎(chǔ)的研究

Bledsoe是最1早以幾何特征為基礎(chǔ)進(jìn)行研究的學(xué)者，這種研究識別出人臉圖像的面部特征點，通過測量的歐氏距離得出人面部特征矢量，找出匹配的人臉。這種方法的基本原理非常容易理解，只需要找出人面部的特征矢量就可以實現(xiàn)匹配，不占內(nèi)存，對光照的敏感度也較低。這種方法的缺陷是提出穩(wěn)定的特征矢量比較難，同時識別率也比較低。

3.2 以代數(shù)特點為依據(jù)的研究

這種方法是基于代數(shù)特征圖像的像素變換投影空間，采用基本圖像對人臉圖像進(jìn)行線性編碼，最典型的理論工具就是主成分分析法。將主成分分析法引入人臉識別領(lǐng)域，通過對數(shù)據(jù)進(jìn)行分析，使用線性編碼來進(jìn)行人臉識別過程的匹配。這種方法的優(yōu)點就是降低了特征空間維數(shù)的樣本。

3.3 以機(jī)器學(xué)習(xí)理論為原理的研究

以機(jī)器學(xué)習(xí)理論為原理的人臉識別研究是通過使用統(tǒng)計分析和機(jī)器學(xué)習(xí)技術(shù)來獲取信息的。獲得的信息存在于確定的分布之中，并通過算法、模型和判別函數(shù)來進(jìn)行人臉圖像的識別，這種分類器涵蓋了SVM、Hidden Markov等多種綜合開發(fā)系統(tǒng)技術(shù)。

4 結(jié)論

目前人臉識別技術(shù)還有很多的發(fā)展空間，未來人臉識別技術(shù)將有望解決更多現(xiàn)實中的問題，為更多的領(lǐng)域提供實際性的幫助。人臉識別技術(shù)在很多方面還有諸多疑問未能得到解決，如在復(fù)雜條件下人臉的檢測和關(guān)鍵點定位問題、光照變化問題、面部遮擋問題等。未來的發(fā)展方向可能是優(yōu)化組合、人臉檢測與人臉識別技術(shù)的結(jié)合應(yīng)用等。一個完善自動人臉識別系統(tǒng)是人臉檢測技術(shù)與人臉識別技術(shù)的完美結(jié)合。目前，還不能實現(xiàn)100%的人臉識別，人臉檢測與識別技術(shù)將不斷發(fā)展更多新思路新方法，有望取得突破性的進(jìn)展。

參考文獻(xiàn)：

[1] 王宏漫，等.支持向量機(jī)在人臉識別中的應(yīng)用[J].計算機(jī)工程與應(yīng)用，2013，11：100-102.

[2] 肖冰，等. 人臉識別綜述[J]. 計算機(jī)學(xué)報，2016，8（8）.

[3] 薛冰，郭曉松，蒲鵬程.人臉識別技術(shù)綜述[J]. 四川兵工學(xué)報，2010，31（7）：119-121.

[4] 宋帥楊. 人臉識別在Android平臺下的研究與實現(xiàn)[D]. 昆明：昆明理工大學(xué)，2014.

[5] AHONEN T，HADID A，PIETIKAINEN M.Face description with local binary patterns： Application to face recognition [J] IEEE Trans. Pattern Anal，2006，28（5） ： 2037-2041.