陳成怡

摘 要：人臉識別，就是利用計算機分析人臉視頻或者圖像，并從中提取出有效的個人識別信息，最終判別出來人臉對象的身份，通常也叫做面部識別、人像識別。不同于指紋識別、虹膜識別等生物識別，互聯(lián)網(wǎng)上人臉圖像資源較多，人臉識別具有先天優(yōu)勢，便于模型和方法的訓(xùn)練，提高識別準(zhǔn)確率。本文分析了人臉識別終端的相關(guān)技術(shù)開發(fā)問題。

關(guān)鍵詞：人臉識別；技術(shù)開發(fā)；識別準(zhǔn)確率

1 人臉識別的方法

人臉識別方法最早可以追溯到20 世紀(jì)60 年代，根據(jù)不同時期研究內(nèi)容、技術(shù)方法等方面的特點可大體劃分為4 個階段。初級階段：基于幾何結(jié)構(gòu)特征的方法是通過眼、口、鼻等重要器官的直觀幾何形狀作為分類特征，計算量小。該方法內(nèi)存要求小、提取速度快，但易受光照、遮擋、表情變化等因素影響。經(jīng)典算法涌現(xiàn)階段：2D 人臉圖像線性子空間判別分析、統(tǒng)計模式識別方法是這一階段的主流技術(shù)，該階段算法采用人臉圖像中所有像素的顏色或灰度值作為初始特征，通過在訓(xùn)練數(shù)據(jù)集合上學(xué)習(xí)得到更具區(qū)分力的人臉表示。人工提取特征階段：該階段提取的面部特征是人為設(shè)計或基于無監(jiān)督學(xué)習(xí)的局部描述子。為了克服直接使用像素灰度值對光照敏感等問題的限制，這一時期涌現(xiàn)出了很多對局部鄰域像素亮度或顏色值進行局部特征提取的方法。深度學(xué)習(xí)階段：該階段從人工設(shè)計特征與分類識別轉(zhuǎn)變?yōu)榛贒CNN（Deep Convolutional Neural Networks，深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)）的端到端的自主學(xué)習(xí)特征。DCNN 四個關(guān)鍵技術(shù)：局部連接、權(quán)值共享、池化以及多網(wǎng)絡(luò)層，從而實現(xiàn)端到端自主學(xué)習(xí)到具有高層次、抽象的特征表達(dá)向量。

2 人臉識別技術(shù)存在問題

光照問題。光照問題一直以來都是影響人臉識別的重要難題之一。光照會影響采集圖像的清晰度，而采集圖像的清晰度與識別的準(zhǔn)確率密不可分。不同時間點（白天、黑夜等）、不同地理位置（室內(nèi)、室外等）的光線都完全不同；即便是同一光源，照射角度不同也會影響最后的識別結(jié)果。雖然，目前很多研究人員提出了改進的算法，例如對圖片進行光線補償、歸一化等預(yù)處理，消除干擾因素，但由于實際應(yīng)用場景光照帶來的影響因素太多，還是對實際應(yīng)用中的識別結(jié)果造成了一定的挑戰(zhàn)。

人臉姿態(tài)問題。人臉姿態(tài)問題主要指面部表情變化、采集圖像時人臉的傾斜角度等問題，也是人臉識別研究中急需解決的一個技術(shù)難點。采集圖像時，若人臉頭部圍繞三維垂直坐標(biāo)軸深度旋轉(zhuǎn)，則會造成面部信息的部分缺失，以致人臉特征點無法正確提取，影響最終的識別結(jié)果。同樣，面部變化幅度較大如大哭、夸張搞笑表情等也會影響面部識別的結(jié)果。目前多數(shù)的人臉識別算法主要針列正面、準(zhǔn)正面人臉圖像，當(dāng)發(fā)生俯仰或者左右側(cè)傾斜程度較大的情況下，人臉識別算法的識別率也會急劇下降。

遮擋問題。大多數(shù)情況下，圖像采集無需接觸被采集者，也不會有人為的干涉，因此非配合情況下的人臉圖像采集很容易出現(xiàn)遮擋。特別是在追蹤嫌疑犯等視頻監(jiān)控中，嫌犯往往有意識地戴帽子、眼鏡、口罩等飾物遮擋面部，使得被采集出來的人臉圖像不完整，影響特征提取與匹配，嚴(yán)重的甚至?xí)?dǎo)致算法的失效。

年齡變化問題。人的面部不是一成不變的，隨著年齡的增長，面部外觀也會發(fā)生變化。當(dāng)一個小孩正處于成長時期時，面部變化更為明顯。因此，人臉識別算法對同一個人不同年齡段的識別率也不同。特別處于成長時期、衰老嚴(yán)重時，會導(dǎo)致識別率的下降。

活體檢測問題?；铙w檢測是人臉識別技術(shù)邁向更高層次的一項挑戰(zhàn)。相較指紋、虹膜等生物特征，人臉識別特征的易獲得性帶來了偽造合法用戶人臉的攻擊的風(fēng)險。目前人臉識別的攻擊手段主要有三類：①人臉圖片；②人臉視頻；③ 3D 模型或面具頭套。針對這些攻擊手段，目前也提出了一些解決方法，如使用三維面部信息、多模生物認(rèn)證（人臉、指紋、虹膜等組合）、臉部運動、眨眼、人機交互、語音驗證等，但各種方法也會相應(yīng)影響識別效率或只針對單一攻擊或成本較高難以普及。

3 人臉識別技術(shù)的發(fā)展趨勢

應(yīng)用領(lǐng)域更廣，算法門檻降低.目前，人臉識別在考勤/ 門禁、安防、金融領(lǐng)域應(yīng)用較為成熟。2016 年我國人臉識別市場規(guī)模中金融領(lǐng)域、安防領(lǐng)域、考勤門禁市場份額高于90%。雖然，人臉識別技術(shù)偏重場景性，學(xué)術(shù)和實驗室的領(lǐng)先并不能帶來很大的落地優(yōu)勢，實際應(yīng)用中的人臉識別準(zhǔn)確率難以保證，但隨著人臉識別技術(shù)的發(fā)展、人臉識別準(zhǔn)確率的提升、各領(lǐng)域應(yīng)用樣本數(shù)據(jù)的豐富以及防攻擊能力的增強，未來人臉識別的應(yīng)用也將不局限于安全性可靠性要求較低的行業(yè)如社區(qū)監(jiān)控、身份認(rèn)證等，轉(zhuǎn)而上升到金融社保、證券、銀行、互聯(lián)網(wǎng)金融等安全可靠性要求較高的行業(yè)應(yīng)用中。同時，隨著谷歌、騰訊、百度等技術(shù)平臺的開放，開源的人臉?biāo)惴ê烷_源軟件會使得人臉識別算法的門檻降低，更利于其向其他領(lǐng)域遷移，而這些領(lǐng)域的應(yīng)用，將使得人臉識別技術(shù)上升到一個新高度。

3D 人臉識別待成熟.相較2D 人臉信息，3D 人臉信息不易受到人臉姿態(tài)變化、光照的影響，可以減少誤差，提升人臉識別的準(zhǔn)確率。同時，3D 人臉識別的防攻擊能力更強、誤識率更低，安全性更好。目前，關(guān)于3D 人臉識別的還未獲得普遍商用，限制它發(fā)展的因素有：采集設(shè)備成本高，3D 人臉識別是軟件算法和硬件共同實現(xiàn)，需要特定的采集設(shè)備；芯片性能要求高，3D 建模的計算量較大，若芯片性能得不到滿足，則識別速度慢，影響用戶體驗；樣本數(shù)據(jù)庫較少。當(dāng)芯片技術(shù)提升，計算能力得到保障，3D 采集硬件設(shè)備成本降低，3D 人臉識別將迎來發(fā)展高峰。

行業(yè)標(biāo)準(zhǔn)日趨完善。人臉識別的熱潮，雖然給行業(yè)帶來了便利性，但金融領(lǐng)域的安全問題也不容小覷。國家和相關(guān)行業(yè)標(biāo)準(zhǔn)委員會為更好規(guī)范行業(yè)應(yīng)用，已出臺了《安全防范視頻監(jiān)控人臉識別系統(tǒng)技術(shù)要求》、《信息安全技術(shù)網(wǎng)絡(luò)人臉識別認(rèn)證系統(tǒng)安全技術(shù)要求》等標(biāo)準(zhǔn)法規(guī)，這些標(biāo)準(zhǔn)為人臉識別產(chǎn)業(yè)發(fā)展提供了指導(dǎo)，有利于解決人臉識別普及的安全問題。同時，移動終端方面，2018 年4 月由泰爾終端實驗室牽頭的《移動終端基于TEE 的人臉識別安全評估方法》已在電信終端產(chǎn)業(yè)協(xié)會（簡稱TAF）WG4 標(biāo)準(zhǔn)工作組會議上獲得通過。隨著更多算法、傳感器、應(yīng)用廠商等向新興領(lǐng)域聚集，相信未來相應(yīng)領(lǐng)域的規(guī)范標(biāo)準(zhǔn)將更加完善，人臉識別的市場環(huán)境將更加規(guī)范，企業(yè)和用戶在享受新技術(shù)帶來的便利同時也會有更好的安全保障，行業(yè)的發(fā)展會更加健康。

參考文獻(xiàn)

[1]王嘯林，鮑正德，唐婭雯，楊胥安.淺談人工智能中人臉識別及其應(yīng)用[J].飲食科學(xué).2019（06）

[2]黃峻遠(yuǎn).基于安全加密的人臉活體檢測技術(shù)[J].電子制作.2019（10）

（作者單位：廣東天波信息技術(shù)股份有限公司）