趙昆 張輝 蘇達(dá)釗 商霓

摘 要： 人臉識(shí)別是計(jì)算機(jī)技術(shù)研究領(lǐng)域比較熱門的方向之一，它融合許多跨學(xué)科知識(shí)，應(yīng)用十分廣泛。本文首先介紹了人臉識(shí)別技術(shù)，并對(duì)常用的幾種人臉識(shí)別方法進(jìn)行分析與比較，總結(jié)了人臉識(shí)別面臨的技術(shù)難題，最后展望了人臉識(shí)別技術(shù)發(fā)展方向。

關(guān)鍵詞： 人臉識(shí)別；特征提??；模板匹配；深度學(xué)習(xí)；神經(jīng)網(wǎng)絡(luò)

1.引言

人臉自動(dòng)識(shí)別技術(shù)是指計(jì)算機(jī)對(duì)人臉圖像進(jìn)行特征提取和識(shí)別的一門技術(shù)。無論是靜態(tài)圖像還是視頻圖像，該技術(shù)都可以從中找出需要檢測的人臉圖像，然后與數(shù)據(jù)庫中的人臉數(shù)據(jù)進(jìn)行對(duì)比，找出最佳匹配，從而達(dá)到身份識(shí)別與鑒定的目的。

近年來，隨著科技的不斷進(jìn)步，人臉識(shí)別在保險(xiǎn)、金融、安防、教育、娛樂等行業(yè)發(fā)展迅速。與其他身份識(shí)別技術(shù)相比，人臉識(shí)別具有以下優(yōu)越性[2]：非接觸性；直觀性突出；可跟蹤性好；防偽性好；性價(jià)比高；精度高、速度快。但是人臉識(shí)別容易受到表情、背景、裝飾物、年齡跨度等諸多因素的干擾，從而加大了精準(zhǔn)識(shí)別的難度。

2. 人臉識(shí)別的過程

一般人臉識(shí)別過程如圖1所示。

3. 人臉識(shí)別方法介紹

（1）基于幾何特征的人臉識(shí)別方法

基于幾何特征的人臉識(shí)別方法是BLEDSOE最先提出的。該方法主要是對(duì)面部特征點(diǎn)進(jìn)行幾何運(yùn)算，計(jì)算得出描述每個(gè)面部關(guān)鍵位置的特征矢量。目標(biāo)人臉由這些特征矢量表示出來，再與數(shù)據(jù)庫中的人臉進(jìn)行比對(duì)，找出最為匹配的人臉。該方法優(yōu)點(diǎn)：操作簡便，淺顯易懂；占據(jù)存儲(chǔ)空間小；識(shí)別速度快；受光照影響較小。但當(dāng)表情或者姿態(tài)發(fā)生變化時(shí)，面部器官位置也隨之變化，導(dǎo)致無法提取穩(wěn)定的特征。而且由于忽略了整個(gè)圖像的很多細(xì)節(jié)信息，其識(shí)別率較低。

（2）基于模板匹配的人臉識(shí)別方法

基于模板匹配的方法預(yù)先給定包含了人臉特征的標(biāo)準(zhǔn)模板，但這些模板的長寬比例不同。然后在全局范圍內(nèi)，通過不斷迭代來更改模板大小，根據(jù)這些模板與待測對(duì)象的相似性大小進(jìn)行比對(duì)和識(shí)別，尋求最佳匹配[2]。早在1993年，Poggio 和 Brunelli就對(duì)上述兩種方法進(jìn)行過比較，并得出模板匹配方法比幾何特征方法識(shí)別率高的結(jié)論。

（3）基于特征臉的人臉識(shí)別方法

在20世紀(jì)90年代初，TURK首次提出基于特征臉的人臉識(shí)別方法。首先按照從上到下、從左到右的順序，將一幅人臉圖像所有像素的灰度值組成一個(gè)高維向量，然后通過主成分分析法，將人臉圖像降維，之后采用線性判別分析，進(jìn)而識(shí)別人臉。該方法具有計(jì)算簡單、使用方便、效果良好的優(yōu)點(diǎn)。但是它對(duì)于拍照角度、拍照環(huán)境、光照強(qiáng)度等外界因素要求很高，進(jìn)而導(dǎo)致識(shí)別準(zhǔn)確率較低。

（4）基于彈性圖匹配的人臉識(shí)別方法

彈性圖匹配方法是基于動(dòng)態(tài)鏈接結(jié)構(gòu)的一種算法。Lades M等人在1992年首次將該方法用于人臉識(shí)別并取得了較好效果。使用該方法時(shí)，首先尋找與目標(biāo)圖像最相近的模型圖，再對(duì)圖中的每個(gè)節(jié)點(diǎn)位置進(jìn)行相似匹配，最后生成一個(gè)拓?fù)鋱D。拓?fù)鋱D中節(jié)點(diǎn)和模型圖中對(duì)應(yīng)點(diǎn)的位置相近，進(jìn)而對(duì)人臉進(jìn)行識(shí)別[3]。該方法受光照、表情等因素影響較小，優(yōu)于特征臉方法。但計(jì)算速度慢，占據(jù)存儲(chǔ)空間大。

（5）基于神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法

基于人工神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別研究方法主要采用BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法。1997年，Lin.等研究了一種基于神經(jīng)網(wǎng)絡(luò)的全自動(dòng)人臉檢測系統(tǒng)，在當(dāng)時(shí)引起了很大反響。人工神經(jīng)網(wǎng)絡(luò)優(yōu)秀的學(xué)習(xí)能力、分類能力使得對(duì)人臉進(jìn)行特征提取與識(shí)別更加容易[4]。神經(jīng)網(wǎng)絡(luò)方法通過學(xué)習(xí)過程，避免了復(fù)雜的特征提取工作，使獲得人臉識(shí)別規(guī)律的隱性表達(dá)更加容易。

（6）基于深度學(xué)習(xí)的人臉識(shí)別方法

深度學(xué)習(xí)能夠模擬人類視覺感知神經(jīng)系統(tǒng)的認(rèn)知學(xué)習(xí)，從而獲得更具表征力的高層特征。2012年，Lee H等率先將深度學(xué)習(xí)用于 LFW數(shù)據(jù)庫的人臉識(shí)別。他們采用無監(jiān)督的特征學(xué)習(xí)方法，取得了 87%的識(shí)別率。目前，深度學(xué)習(xí)算法的識(shí)別率已經(jīng)達(dá)到了99.47%，，甚至超過了人眼的識(shí)別率[5]。該方法通過學(xué)習(xí)得到更有意義的數(shù)據(jù)，并且能建立更精確的模型。然而，訓(xùn)練模型需要很長時(shí)間，并且要不斷地迭代來進(jìn)行模型優(yōu)化，但不能保證得到全局最優(yōu)解。

4. 面臨的主要問題

（1）影響人臉識(shí)別的諸多問題沒有得到根本性解決。一是光照、背景問題；二是面部表情、面部姿態(tài)問題；三是裝飾物遮擋問題；四是整容、化妝問題。

（2）急需大型、公開人臉數(shù)據(jù)集。LFW數(shù)據(jù)集作為最實(shí)用的的人臉測試數(shù)據(jù)集，識(shí)別率一直被刷新?，F(xiàn)有人臉識(shí)別系統(tǒng)還不能準(zhǔn)確識(shí)別超百萬的數(shù)據(jù)集。所以未來急需更具挑戰(zhàn)性的公開人臉數(shù)據(jù)集]。

（3）需要用戶友好的系統(tǒng)，來保護(hù)我們的財(cái)產(chǎn)和隱私不被人竊取。現(xiàn)有的商業(yè)性人臉識(shí)別系統(tǒng)并不能滿足這樣的需求。

5.總結(jié)與展望

現(xiàn)在深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)已經(jīng)成為人臉識(shí)別領(lǐng)域的主流發(fā)展方向，但傳統(tǒng)的一些方法仍然取得了很好的效果。提高魯棒性、提高準(zhǔn)確率、提高運(yùn)行速度、減少計(jì)算量是未來識(shí)別技術(shù)研究的方向。在不久的將來，人臉識(shí)別技術(shù)將隨處可見，并且更加便利、更加安全。

參考文獻(xiàn)

[1]蘇祎芳.人臉識(shí)別技術(shù)應(yīng)用及前景展望[J].云南警官學(xué)院學(xué)報(bào)，2017（04）：106-110.

[2]祝秀萍，吳學(xué)毅，劉文峰.人臉識(shí)別綜述與展望[J].計(jì)算機(jī)與信息技術(shù)，2007（12）：53-56.

[3]李武軍，王崇駿，張煒等.人臉識(shí)別研究綜述[J].模式識(shí)別與人工智能，2006（2）.

[4]吳斯.基于多尺度池化的卷積神經(jīng)網(wǎng)絡(luò)人臉識(shí)別方法研究.[D] 浙江：浙江大學(xué)，2016（6）.

[5]馬良慧.基于深度學(xué)習(xí)的人臉識(shí)別算法研究.[D] 山東：山東理工大學(xué)，2017（4）.