摘要：近年來，人臉識(shí)別技術(shù)已經(jīng)由弱人工智能向強(qiáng)人工智能轉(zhuǎn)化，隨著人臉識(shí)別算法的不斷改進(jìn)，人臉識(shí)別技術(shù)已經(jīng)在公安、金融等部門得到了廣泛應(yīng)用。本文提出了一種Python語言利用Dlib第三方庫(kù)實(shí)現(xiàn)基于深度學(xué)習(xí)的人臉識(shí)別方法。

關(guān)鍵詞：Python；Dlib；人臉識(shí)別

1、人臉識(shí)別技術(shù)概述

人臉識(shí)別技術(shù)是一種基于圖像識(shí)別，是根據(jù)人臉的特征信息進(jìn)行身份判定的技術(shù)，它經(jīng)過了幾十年的發(fā)展已經(jīng)由弱人工智能向強(qiáng)人工智能轉(zhuǎn)化，隨著人臉識(shí)別算法的不斷改進(jìn)，人臉識(shí)別技術(shù)已經(jīng)成為人工智能領(lǐng)域的重要應(yīng)用。目前人臉識(shí)別技術(shù)已經(jīng)比較成熟，得到了公安金融等部門的廣泛應(yīng)用。（1）公安部門：通過相片匹配戶籍?dāng)?shù)據(jù)，尋找目標(biāo)對(duì)象。（2）安防領(lǐng)域：通過人臉識(shí)別對(duì)重點(diǎn)管控區(qū)域人員的身份識(shí)別，在公共場(chǎng)所對(duì)人群進(jìn)行監(jiān)視，以達(dá)到身份識(shí)別的目的，例如在機(jī)場(chǎng)、車站等人流量大的場(chǎng)所，通過智能監(jiān)控系統(tǒng)識(shí)別犯罪分子。（3）金融領(lǐng)域：利用人臉識(shí)別實(shí)現(xiàn)交易支付，例如支付寶實(shí)名認(rèn)證用戶可通過刷臉支付。

2、人臉識(shí)別的過程

人臉識(shí)別是一個(gè)比較復(fù)雜的過程，歸納起來可以由五個(gè)步驟組成：人臉檢測(cè)、人臉關(guān)鍵點(diǎn)檢測(cè)、人臉規(guī)整、人臉特征提取、人臉識(shí)別，人臉識(shí)別的過程如圖1所示。不同技術(shù)會(huì)采用不同的方法來實(shí)現(xiàn)人臉面部特征的抽象，比如Harmon和Lesk采用多維特征矢量來表示，而Kaya和Kobayashi則采用歐氏距離來表示，本文第三部分提到的Dlib庫(kù)則是基于深度學(xué)習(xí)，利用已經(jīng)訓(xùn)練好的人臉關(guān)鍵點(diǎn)檢測(cè)器和人臉識(shí)別模型，得到人臉面部特征值。

3、Dlib庫(kù)介紹

近些年，Python語言發(fā)展迅猛，在很多開發(fā)語言排行榜名列前三名。Python語言能夠得到這么快的發(fā)展，得益于其源代碼開源性和代碼開發(fā)的高效性。Python社區(qū)提供了大量的第三方庫(kù)，它們能夠?qū)崿F(xiàn)科學(xué)計(jì)算、數(shù)據(jù)可視化、數(shù)據(jù)分析等多個(gè)領(lǐng)域，Dlib庫(kù)就是一個(gè)知名的第三方庫(kù)，能夠?qū)崿F(xiàn)人臉檢測(cè)和識(shí)別，其算法采用HOG特征與級(jí)聯(lián)分類器，算法的實(shí)現(xiàn)大概過程有：（1）將圖像灰度化。（2）采用Gamma校正法對(duì)圖像進(jìn)行顏色空間的標(biāo)準(zhǔn)化。（3）對(duì)每個(gè)圖像像素進(jìn)行梯度計(jì)算。（4）對(duì)圖像進(jìn)行小單元格劃分。（5）生成每個(gè)單元格的梯度直方圖。（6）把單元格組合成大的塊，塊內(nèi)歸一化梯度直方圖。（7）生成HOG特征描述向量。

4、Python利用Dlib庫(kù)實(shí)現(xiàn)人臉識(shí)別

4.1 前期準(zhǔn)備

（1）安裝好Dlib第三方庫(kù)。

（2）下載人臉識(shí)別模型和人臉關(guān)鍵點(diǎn)檢測(cè)器，分別保存為文件1.dat和2.dat（可從網(wǎng)址http：//dlib.net/files/下載）。

（3）準(zhǔn)備好已知人臉相片和待識(shí)別人臉相片，本例準(zhǔn)備已知人臉相片20張存放在Faces文件夾中，待識(shí)別人臉2張，其中test01.jpg和Faces文件夾中的第19張相片是同一個(gè)人，test02.jpg和Faces文件夾中的第7張相片是同一個(gè)人，主程序?yàn)閠estface.py，整個(gè)文件夾如圖2所示。

4.2 實(shí)現(xiàn)過程

實(shí)現(xiàn)過程主要有三個(gè)步驟：根據(jù)人臉識(shí)別模型和人臉關(guān)鍵點(diǎn)檢測(cè)器，得到已知人臉相片的特征值庫(kù)；根據(jù)人臉識(shí)別模型和人臉關(guān)鍵點(diǎn)檢測(cè)器，得到待識(shí)別人臉相片的特征值；計(jì)算待識(shí)別人臉相片的特征值和特征值庫(kù)的歐式距離，距離最小者就是參考識(shí)別結(jié)果。程序的實(shí)現(xiàn)主要包括以下三個(gè)子函數(shù)，fun1函數(shù)功能是得到一張相片的特征值，fun2函數(shù)功能是得到多張相片的特征值庫(kù)，fun3函數(shù)功能是計(jì)算待識(shí)別人臉相片的特征值和特征值庫(kù)的歐式距離，輸出距離最小者為參考識(shí)別結(jié)果。

（1）fun1函數(shù)代碼如下，例如執(zhí)行fun1（test01. jpg）就可以得到以下128個(gè)特征值，結(jié)果如表1所示。

（2）fun2函數(shù)代碼如下。

（3）fun3函數(shù)代碼如下。

（4）主程序代碼如下。

主程序分別用test01.jpg和test02.jpg相片進(jìn)行測(cè)試，測(cè)試結(jié)果均正確，都能識(shí)別出與test01.jpg和test02.jpg匹配的相片，測(cè)試結(jié)果圖3所示。

5、結(jié)束語

本方法實(shí)現(xiàn)了人臉識(shí)別的功能，但由于每張相片有128個(gè)特征值，如果已知人臉相片較多，特征值庫(kù)較大，計(jì)算歐式距離所用時(shí)間較長(zhǎng)，還要改進(jìn)算法，需要引進(jìn)并行計(jì)算等技術(shù)，提高人臉識(shí)別效率。

作者簡(jiǎn)介：張枝令，寧德師范學(xué)院信息與機(jī)電工程學(xué)院，副教授，研究方向：計(jì)算機(jī)網(wǎng)絡(luò)、數(shù)據(jù)挖掘和大數(shù)據(jù)。