龍玉倩

摘要：隨著計(jì)算機(jī)技術(shù)的迅速發(fā)展，人臉識(shí)別技術(shù)得到了廣泛應(yīng)用，例如銀行卡的辦理，火車(chē)站入口站的檢測(cè)，人臉解鎖等等，人臉識(shí)別技術(shù)的應(yīng)用大大提高了辦事效率，便利了我們的生活。本文綜述了人臉識(shí)別技術(shù)的流程，討論了其中的關(guān)鍵技術(shù)及發(fā)展前景。一般來(lái)說(shuō)，人臉識(shí)別系統(tǒng)包括人臉圖像采集及檢測(cè)，人臉圖像預(yù)處理，人臉圖像特征提取，人臉圖像匹配與識(shí)別。系統(tǒng)輸入一般是一張或者一系列含有未確定身份的人臉圖像以及人臉數(shù)據(jù)庫(kù)中的若干已知身份的人臉圖象或者相應(yīng)的編碼，而其輸出則是一系列相似度得分，表明待識(shí)別的人臉的身份。

關(guān)鍵詞：計(jì)算機(jī)技術(shù) 人臉識(shí)別 發(fā)展前景

1 人臉識(shí)別技術(shù)概述

人臉識(shí)別技術(shù)是指利用分析比較的計(jì)算機(jī)技術(shù)識(shí)別人臉。人臉識(shí)別是一項(xiàng)熱門(mén)的計(jì)算機(jī)技術(shù)研究領(lǐng)域，其中包括人臉追蹤偵測(cè)，自動(dòng)調(diào)整影像放大，夜間紅外偵測(cè)，自動(dòng)調(diào)整曝光強(qiáng)度等技術(shù)。人臉識(shí)別技術(shù)是基于人的臉部特征對(duì)輸入的人臉圖像或者視頻流進(jìn)行檢測(cè)，首先是判斷其是否存在人臉，如果存在人臉，則進(jìn)一步的給出臉上每一塊特征部分的位置、大小信息。并依據(jù)這些信息，進(jìn)一步提取每個(gè)人臉中所蘊(yùn)涵的身份特征，并將其與已知的人臉進(jìn)行比對(duì)，從而識(shí)別每個(gè)人臉對(duì)應(yīng)的身份。廣義的人臉識(shí)別實(shí)際包括構(gòu)建人臉識(shí)別系統(tǒng)的一系列相關(guān)技術(shù)，包括人臉圖像采集及檢測(cè)，人臉圖像預(yù)處理，人臉圖像特征提取，人臉圖像匹配與識(shí)別等;而狹義的人臉識(shí)別特指通過(guò)人臉進(jìn)行身份確認(rèn)或者身份查找的技術(shù)或系統(tǒng)。

2 技術(shù)原理

2.1 人臉檢測(cè)

面部檢測(cè)是指在動(dòng)態(tài)的場(chǎng)景與復(fù)雜的背景中判斷是否存在人臉，并分離出這種面人臉。一般有下列幾種方法：

①參考模板法

首先設(shè)計(jì)一個(gè)或多個(gè)標(biāo)準(zhǔn)人臉的模板，然后判斷所采集的樣品與標(biāo)準(zhǔn)模板之間的匹配程度，并通過(guò)閾值來(lái)最終判斷是否存在人臉。

②基于幾何特征的人臉識(shí)別方法

采用的幾何特征有人臉的五官如眼、鼻、嘴，耳，眉等的局部形狀特征。臉型特征以及五官在臉上分布的幾何特征。提取特征時(shí)往往要用到人臉結(jié)構(gòu)的一些先驗(yàn)知識(shí)。識(shí)別所采用的幾何特征是以人臉器官的形狀和幾何關(guān)系為基礎(chǔ)的特征矢量，本質(zhì)上是特征矢量之間的匹配，其分量通常包括人臉指定兩點(diǎn)間的距離、角度等。

③神經(jīng)網(wǎng)絡(luò)法

這種方法采用模式識(shí)別中人工神經(jīng)網(wǎng)絡(luò)的方法，通過(guò)利用MTCNN和faceNet實(shí)現(xiàn)人臉檢測(cè)和人臉識(shí)別。

④膚色模型法

這種方法是依據(jù)面貌膚色在色彩空間中分布相對(duì)集中的規(guī)律來(lái)進(jìn)行檢測(cè)。

⑤基于三維模型的方法

這種方法根據(jù)圖像的色度與亮度來(lái)判斷人的面部哪些部位是凹陷，哪些部位是凸起，然后再通過(guò)紋理映射得到特定人臉的3D模型。值得提出的是，上述幾種方法在實(shí)際檢測(cè)系統(tǒng)中也可綜合采用。

2.2 人臉跟蹤

面貌跟蹤是指對(duì)被檢測(cè)到的面貌進(jìn)行動(dòng)態(tài)目標(biāo)跟蹤。具體采用基于模型的方法或基于運(yùn)動(dòng)與模型相結(jié)合的方法。此外，利用膚色模型跟蹤也不失為一種簡(jiǎn)單而有效的手段。

2.3 人臉比對(duì)

人臉比對(duì)是在面像庫(kù)中進(jìn)行目標(biāo)搜索并對(duì)被檢測(cè)到的面像進(jìn)行身份確認(rèn)。這實(shí)際上就是說(shuō)，將采樣到的面像與庫(kù)存的面像依次進(jìn)行比對(duì)，并找出最佳的匹配對(duì)象。通常包括以下兩種方法：

①特征向量法

該方法是先確定嘴角、鼻翼、眼角等面像五官輪廓的大小、位置、距離等屬性，然后再計(jì)算出它們的幾何特征量，再由這些特征量形成描述該面像的特征向量。

②面紋模板法

該方法是在面像庫(kù)中存貯若干個(gè)標(biāo)準(zhǔn)的面像模板或面像器官模板在進(jìn)行比對(duì)時(shí)將采樣面像與面像庫(kù)中所有模板進(jìn)行逐一匹配此外，還有采用模式識(shí)別的自相關(guān)網(wǎng)絡(luò)或特征與模板相結(jié)合的方法。人臉識(shí)別技術(shù)的核JC、實(shí)際為“局部人體特征分析”和“圖形/神經(jīng)識(shí)別算法?！边@種算法是利用人體面部各器官及特征部位的方法。如對(duì)應(yīng)幾何關(guān)系多數(shù)據(jù)形成識(shí)別參數(shù)與數(shù)據(jù)庫(kù)中所有的原始參數(shù)進(jìn)行比較、判斷與確認(rèn)。一般要求判斷時(shí)間低于1秒。

3 技術(shù)流程

人臉識(shí)別系統(tǒng)主要包括四個(gè)組成部分，分別為：人臉圖像采集及檢測(cè)、人臉圖像預(yù)處理、人臉圖像特征提取以及匹配與識(shí)別。

3.1 人臉圖像采集及檢測(cè)

人臉圖像采集：不同的人臉圖像都能通過(guò)攝像鏡頭采集下來(lái)，比如靜態(tài)圖像、動(dòng)態(tài)圖像、不同的位置、不同表情等方面都可以得到很好的采集。當(dāng)用戶在采集設(shè)備的拍攝范圍內(nèi)時(shí)，采集設(shè)備會(huì)自動(dòng)搜索并拍攝用戶的人臉圖像。

人臉檢測(cè)：人臉檢測(cè)在實(shí)際中主要用于人臉識(shí)別的預(yù)處理，即在圖像中準(zhǔn)確標(biāo)定出人臉的位置和大小。人臉圖像中包含的模式特征十分豐富，如模板特征、直方圖特征、結(jié)構(gòu)特征、顏色特征等。人臉檢測(cè)就是把這其中有用的信息挑出來(lái)，并利用這些特征實(shí)現(xiàn)人臉檢測(cè)。

主流的人臉檢測(cè)方法基于以上特征采用Adaboost學(xué)習(xí)算法，Adaboost算法是一種用來(lái)分類(lèi)的方法，它把一些比較弱的分類(lèi)方法合在一起，組合出新的很強(qiáng)的分類(lèi)方法。

人臉檢測(cè)過(guò)程中使用Adaboost算法挑選出一些最能代表人臉的矩形特征，按照加權(quán)投票的方式將弱分類(lèi)器構(gòu)造為一個(gè)強(qiáng)分類(lèi)器，再將訓(xùn)練得到的若干強(qiáng)分類(lèi)器串聯(lián)組成一個(gè)級(jí)聯(lián)結(jié)構(gòu)的層疊分類(lèi)器，有效地提高分類(lèi)器的檢測(cè)速度。

3.2 人臉圖像預(yù)處理

人臉圖像預(yù)處理：對(duì)于人臉的圖像預(yù)處理是基于人臉檢測(cè)結(jié)果，對(duì)圖像進(jìn)行處理并最終服務(wù)于特征提取的過(guò)程。系統(tǒng)獲取的原始圖像由于受到各種條件的限制和隨機(jī)干擾，往往不能直接使用，必須在圖像處理的早期階段對(duì)它進(jìn)行噪聲過(guò)濾、灰度校正等圖像預(yù)處理。對(duì)于人臉圖像而言，其預(yù)處理過(guò)程主要包括灰度變換、人臉圖像的光線補(bǔ)償、直方圖均衡化、幾何校正、濾波以及銳化等。

3.3 人臉圖像特征提取

人臉圖像特征提取：人臉識(shí)別系統(tǒng)可使用的特征通常分為人臉圖像代數(shù)特征、視覺(jué)特征、人臉圖像變換系數(shù)特征、像素統(tǒng)計(jì)特征等。人臉特征提取就是針對(duì)人臉的某些特征進(jìn)行的。人臉特征提取，也稱(chēng)人臉表征，它是對(duì)人臉進(jìn)行特征建模的過(guò)程。人臉特征提取的方法主要分為以下兩大類(lèi)：

基于知識(shí)的表征方法主要是根據(jù)人臉器官的形狀描述以及他們之間的距離特性來(lái)獲得有助于人臉?lè)诸?lèi)的特征數(shù)據(jù)，其特征分量通常包括特征點(diǎn)間的距離、角度和曲率等。人臉由眼、鼻、嘴等局部構(gòu)成，對(duì)這些局部和它們之間結(jié)構(gòu)關(guān)系的幾何描述，可作為識(shí)別人臉的重要特征，這些特征被稱(chēng)為幾何特征?；谥R(shí)的人臉表征主要包括基于幾何特征的方法和模板匹配法。

3.4人臉圖像匹配與識(shí)別

人臉圖像匹配與識(shí)別：提取的人臉圖像的特征數(shù)據(jù)與數(shù)據(jù)庫(kù)中存儲(chǔ)的特征模板進(jìn)行搜索匹配，通過(guò)設(shè)定一個(gè)閾值，當(dāng)相似度達(dá)到或超過(guò)這一閾值時(shí)，則把匹配到的人臉輸出。人臉識(shí)別就是將待識(shí)別的人臉特征與已得到的人臉特征模板進(jìn)行比較，根據(jù)相似程度對(duì)人臉的身份信息進(jìn)行判斷。這一過(guò)程又分為兩類(lèi)：一類(lèi)是確認(rèn)，是一對(duì)一進(jìn)行圖像比對(duì)的過(guò)程，另一類(lèi)是識(shí)別，是一對(duì)多進(jìn)行圖像匹配比對(duì)的過(guò)程。

4 應(yīng)用前景

隨著科技的發(fā)展，人臉識(shí)別技術(shù)已取得巨大的成就，但在實(shí)際應(yīng)用中仍然有著巨大的難度，這一技術(shù)不僅要求達(dá)到準(zhǔn)確，快速的識(shí)別，并且還要得到有效的特征描述，準(zhǔn)確的分類(lèi)。利用圖像處理方法進(jìn)行人臉識(shí)別，已被廣泛應(yīng)用于生活的各個(gè)領(lǐng)域中，通過(guò)人臉識(shí)別實(shí)現(xiàn)人臉支付，人臉解鎖，安全檢查等。人臉識(shí)別技術(shù)在電子，通信，安全，金融和探測(cè)等領(lǐng)域中都具有很好的應(yīng)用價(jià)值。而隨著技術(shù)的進(jìn)一步成熟和社會(huì)認(rèn)同度的提高，人臉識(shí)別技術(shù)將應(yīng)用在更多的領(lǐng)域。

5 結(jié)語(yǔ)

人臉識(shí)別技術(shù)是一項(xiàng)具有廣闊發(fā)展?jié)摿εc應(yīng)用前景的技術(shù)，人臉識(shí)別系統(tǒng)主要由人臉檢測(cè)與人臉識(shí)別這兩大關(guān)鍵環(huán)節(jié)組成，不斷的提高其精確性與快速性是我們的目標(biāo)，它主要運(yùn)用的是圖像處理和神經(jīng)網(wǎng)絡(luò)這兩大技術(shù)，而來(lái)自于光照，姿態(tài)，遮擋和表情的變化等因素所造成的精確識(shí)別的影響是其面臨的最大挑戰(zhàn)。逐漸減小或是消除這些影響將使人臉識(shí)別技術(shù)上升到另一臺(tái)階，而現(xiàn)階段我們的工作目標(biāo)就是尋找減小這些影響的方法。

參考文獻(xiàn)

[1]張翠萍，蘇光大.人臉識(shí)別技術(shù)綜述，中國(guó)圖像圖形學(xué)報(bào)，2000，5（11）： 885-894

[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)，2008（04）：53 56.

[3]吳曉萍，管業(yè)鵬.基于人臉關(guān)鍵點(diǎn)與增量聚類(lèi)的多姿態(tài)人臉識(shí)別[J/OL].激光與光電子學(xué)進(jìn)展：1-14[201904—_21].

[4]曹歡歡，基于人工神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法[D].吉林大學(xué)，2008.