張廣才 何繼榮 高文朋

摘 ? 要：基于深度學(xué)習(xí)的人臉識(shí)別技術(shù)是目前人工智能和圖像領(lǐng)域研究的熱點(diǎn)之一，尤其隨著近年來(lái)深度神經(jīng)網(wǎng)絡(luò)的發(fā)展，人臉識(shí)別的準(zhǔn)確性和有效性得到了極大的提高。文章首先簡(jiǎn)要闡述了人臉識(shí)別技術(shù)的研究和發(fā)展歷史，接著敘述了人臉識(shí)別的技術(shù)流程，隨后詳細(xì)介紹了在人臉識(shí)別中常用到的卷積神經(jīng)網(wǎng)絡(luò)。由于各大企業(yè)在人臉識(shí)別領(lǐng)域取得豐碩的研究成果，因此，也對(duì)人臉識(shí)別的產(chǎn)品和公司進(jìn)行了簡(jiǎn)單介紹。最后，對(duì)人臉識(shí)別技術(shù)存在的不足和發(fā)展前景進(jìn)行了總結(jié)和展望。

關(guān)鍵詞：人臉識(shí)別;深度學(xué)習(xí);卷積神經(jīng)網(wǎng)絡(luò)

人臉識(shí)別的研究歷史較為久遠(yuǎn)，最早可以追溯到20世紀(jì)50年代，布萊索（Bledsoe）等利用人臉的幾何結(jié)構(gòu)特征提取出特征向量[1]，并進(jìn)行分析匹配。20世紀(jì)末期，人臉識(shí)別技術(shù)的發(fā)展出現(xiàn)了一次小高潮，線(xiàn)性子空間判別分析[2]、統(tǒng)計(jì)模式識(shí)別方法[3-4]和隱馬爾可夫模型[5]等技術(shù)不斷涌現(xiàn)，將人臉識(shí)別技術(shù)的發(fā)展推向了一個(gè)新的階段。

進(jìn)入21世紀(jì)，人臉識(shí)別的研究不斷深入，其研究方向更加趨于真實(shí)條件和場(chǎng)景下的人臉，新的特征表示和數(shù)據(jù)源促進(jìn)了技術(shù)的發(fā)展[6]，尤其是深度學(xué)習(xí)的出現(xiàn)，大大提高了特征模型的精確度。同時(shí)，隨著GPU高性能計(jì)算的飛速發(fā)展以及訓(xùn)練數(shù)據(jù)的不斷增加，深度學(xué)習(xí)在人臉識(shí)別領(lǐng)域的時(shí)間效率和準(zhǔn)確度也不斷提高[7]。

1 ? ?人臉識(shí)別技術(shù)

1.1 ?人臉識(shí)別流程

所謂人臉識(shí)別，就是指使用攝像機(jī)或攝像頭采集包含人臉的圖像或視頻流，并自動(dòng)檢測(cè)、跟蹤圖像中的人臉，進(jìn)而對(duì)檢測(cè)到的人臉圖像進(jìn)行一系列的相關(guān)應(yīng)用操作[8]。從技術(shù)上來(lái)講，它包括圖像采集、特征定位、身份的確認(rèn)和搜索等。簡(jiǎn)而言之，人臉識(shí)別是從人臉圖像中提取面部特征，如嘴角、眉毛的高度等，并通過(guò)特征比較來(lái)輸出結(jié)果。

人臉識(shí)別技術(shù)的流程如圖1所示。輸入一張待驗(yàn)證的人臉圖像，首先，提取圖像的人臉特征，包括全局特征、局部特征等;其次，與對(duì)比庫(kù)中的多個(gè)人臉圖像特征分別進(jìn)行比對(duì)，從中找出最相似的特征;再次，與預(yù)算的閾值進(jìn)行比較;最后，輸出特征對(duì)應(yīng)的身份信息[9]。

傳統(tǒng)的人臉識(shí)別方法包括：支持向量機(jī)、線(xiàn)性判別分析等，但準(zhǔn)確率不高。目前，廣泛使用深度學(xué)習(xí)的框架，運(yùn)用大量圖像人臉數(shù)據(jù)來(lái)進(jìn)行模型訓(xùn)練，獲取到人臉特征或關(guān)鍵點(diǎn)。其中，關(guān)鍵點(diǎn)定位是核心技術(shù)，增加用于定位的關(guān)鍵點(diǎn)數(shù)量，識(shí)別的準(zhǔn)確度就相應(yīng)提高。比如商湯科技產(chǎn)品采用眼、口、鼻輪廓等人臉21，106，240 3個(gè)不同量級(jí)的定位關(guān)鍵點(diǎn)，可以適用于不同的應(yīng)用場(chǎng)景，且能夠應(yīng)對(duì)各種實(shí)際問(wèn)題，比如大表情變化、大角度側(cè)臉、面部遮擋、模糊以及明暗變化等。

1.2 ?基于深度學(xué)習(xí)的人臉識(shí)別框架

目前，在眾多深度學(xué)習(xí)模型中，卷積神經(jīng)網(wǎng)絡(luò)（Convolution Neural Network，CNN）模型是研究熱門(mén)，且發(fā)展較為成熟。尤其在計(jì)算機(jī)視覺(jué)領(lǐng)域，卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用十分廣泛且效果顯著，因此，卷積神經(jīng)網(wǎng)絡(luò)成為圖像識(shí)別和檢測(cè)等有關(guān)問(wèn)題的首選技術(shù)，各大IT巨頭也競(jìng)相研究。相比于傳統(tǒng)的人臉識(shí)別算法，它可以直接輸入原始圖像，不需要對(duì)圖像進(jìn)行復(fù)雜的前期預(yù)處理，并能自動(dòng)提取高維特征。同時(shí)，卷積神經(jīng)網(wǎng)絡(luò)的權(quán)重共享機(jī)制簡(jiǎn)化了神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)[10]，能提取高層特征，提高特征的表達(dá)能力[11]。

一個(gè)典型的卷積神經(jīng)網(wǎng)絡(luò)包含5個(gè)部分，分別是：原始輸入層、卷積層、池化層、全連接層和分類(lèi)層[11]，如圖2所示。（1）輸入層，是整個(gè)神經(jīng)網(wǎng)絡(luò)的輸入，一般表示為一張圖片的像素矩陣。（2）卷積層，是卷積神經(jīng)網(wǎng)絡(luò)最為核心的概念，逐個(gè)分析圖像中的每一批像素塊，提取局部特征。（3）池化層，不改變?nèi)S矩陣的深度，但可以縮小矩陣尺寸。池化操作可以被看作是降低了圖片的分辨率，該操作可以將無(wú)用信息過(guò)濾掉，減輕整個(gè)神經(jīng)網(wǎng)絡(luò)的計(jì)算負(fù)擔(dān)，同時(shí)將有用信息篩選出來(lái)，傳遞給下一層。（4）全連接層，經(jīng)過(guò)多次卷積和池化操作之后，全連接層給出最后的分類(lèi)結(jié)果，可以認(rèn)為此時(shí)圖像中的信息已被抽象成信息含量更高的特征。卷積層和池化層可以被視為自動(dòng)圖像特征提取的過(guò)程。（5）分類(lèi)層，特征提取完成后，分類(lèi)任務(wù)仍然需要由全連接層來(lái)完成。Softmax層主要用于分類(lèi)問(wèn)題，經(jīng)過(guò)Softmax層，可以獲得當(dāng)前樣本中不同種類(lèi)的概率分布。

2 ? ?基于深度學(xué)習(xí)的主流產(chǎn)品比較

近年來(lái)，計(jì)算機(jī)視覺(jué)和深度學(xué)習(xí)的發(fā)展迅猛，僅2011—2016年成立的人臉識(shí)別公司就超過(guò)30家。國(guó)內(nèi)的主流公司及產(chǎn)品都是基于深度學(xué)習(xí)技術(shù)研究開(kāi)發(fā)的，如表1所示，其中，依圖科技的算法在國(guó)內(nèi)排名第一。

2018年11月16日公布的最新報(bào)告顯示，全球范圍內(nèi)最高水平的人臉識(shí)別算法可在千萬(wàn)分之一誤報(bào)率的前提下，實(shí)現(xiàn)漏報(bào)率降低至0.4%，這表示在千萬(wàn)分位誤報(bào)率時(shí)，識(shí)別準(zhǔn)確率已超99%。相比于2017年同期相同誤報(bào)率下3.3%的漏報(bào)率，其性能提升了80%。

許多全球知名的IT公司，諸如Facebook，Google，Microsoft等，爭(zhēng)相推出了各自的深度學(xué)習(xí)技術(shù)平臺(tái)，不僅減少了其他企業(yè)在人工智能領(lǐng)域的研發(fā)投入，而且激勵(lì)了人臉識(shí)別技術(shù)的創(chuàng)新和發(fā)展。

當(dāng)然，現(xiàn)階段的技術(shù)水平仍然有限，比如基于人臉識(shí)別的智能門(mén)禁系統(tǒng)的目的是只允許授權(quán)人員進(jìn)入特定區(qū)域，需要人臉識(shí)別技術(shù)提供高水平、長(zhǎng)時(shí)間的準(zhǔn)確性保障，且能抵抗技術(shù)手段欺騙。但就目前的實(shí)際效果而言，錯(cuò)誤還不能完全避免。

所謂動(dòng)態(tài)活體檢測(cè)技術(shù)，就是讓用戶(hù)根據(jù)隨機(jī)指令做出相應(yīng)的動(dòng)作，來(lái)大幅減小人臉“造假”的可能性。如果用乳膠或硅膠材質(zhì)做成的，或者3D打印而成的立體面具來(lái)攻擊人臉識(shí)別系統(tǒng)，識(shí)別失誤還是會(huì)存在的。

據(jù)報(bào)道，2018年Bose開(kāi)發(fā)了基于神經(jīng)網(wǎng)絡(luò)的約束運(yùn)算對(duì)人臉探測(cè)器的對(duì)抗攻擊算法[12]，通過(guò)動(dòng)態(tài)方法破壞人臉識(shí)別系統(tǒng)的檢測(cè)管道，使得識(shí)別成功率降低至0.5%，將嚴(yán)重威脅人臉識(shí)別的安全。

3 ? ?人臉自動(dòng)識(shí)別技術(shù)所存隱患及改進(jìn)措施

科技發(fā)展日新月異，人臉自動(dòng)識(shí)別技術(shù)發(fā)展勢(shì)頭迅猛，成就非凡，但在實(shí)際場(chǎng)景應(yīng)用中仍存在困難和部分安全隱患。人臉識(shí)別主要由兩種方法構(gòu)成：（1）人臉比對(duì)，即判斷待驗(yàn)證的人臉是否為本人。人臉比對(duì)非常簡(jiǎn)單，有一張本人的照片即可輕松破解。（2）活體檢測(cè)，即判斷待驗(yàn)證的人臉是否真實(shí)、有效。活體檢測(cè)環(huán)節(jié)原本是人臉識(shí)別的一大保障，但是破除方法也非常簡(jiǎn)單，只需一個(gè)人帶上另一個(gè)人的頭像照片制成的立體面具便能通過(guò)[13]，整個(gè)人臉識(shí)別也就名不副實(shí)，一個(gè)高科技支持的智能手段，變成了一個(gè)不安全的陷阱。人臉識(shí)別商業(yè)化程度越來(lái)越高，在金融、安防、社交等領(lǐng)域的應(yīng)用日益廣泛，各大廠(chǎng)商現(xiàn)階段仍需對(duì)人臉識(shí)別有所提防，防止人工智能發(fā)展過(guò)快帶來(lái)安全隱患。因此，在應(yīng)對(duì)隱私、支付等安全性需求較高的實(shí)際場(chǎng)景時(shí)，注意將多種生物識(shí)別技術(shù)相融合，這樣安全系數(shù)就會(huì)大幅提升[14]。

人臉自動(dòng)識(shí)別技術(shù)不僅要準(zhǔn)確、高效地完成人臉識(shí)別，還要能持續(xù)、穩(wěn)定地工作，以滿(mǎn)足安全性需求，需要對(duì)以下幾個(gè)方面進(jìn)行改進(jìn)：

（1）進(jìn)一步深入研究卷積神經(jīng)網(wǎng)絡(luò)與基于稀疏表示的分類(lèi)方法[15]等其他算法的融合，更加全面地描述人臉特征，尤其是更加復(fù)雜、不敏感的特征，最終提高人臉識(shí)別的安全性與準(zhǔn)確性。

（2）發(fā)展多特征融合和多分類(lèi)器融合方法，以改善人臉識(shí)別性能[16]。

（3）由于人臉具有非剛體性，不同人臉間存在著不同程度的相似，受各種變化因素的影響，準(zhǔn)確識(shí)別人臉仍存在一定的困難，進(jìn)一步確保信息安全是人臉識(shí)別技術(shù)的發(fā)展趨勢(shì)。多種生物識(shí)別相融合是很好的手段，比如可以考慮人臉識(shí)別與虹膜識(shí)別、指紋識(shí)別、聲紋識(shí)別等技術(shù)相融合。

（4）三維形變模型可以應(yīng)對(duì)多種變化因素，具有很好的應(yīng)用前景。研究表明，采用模擬或補(bǔ)償?shù)姆椒☉?yīng)對(duì)各種變化因素效果良好，但如何高效提取三維人臉特征還處于探索階段，需要在深入研究傳統(tǒng)識(shí)別算法和分析大量人臉數(shù)據(jù)基礎(chǔ)上進(jìn)行改進(jìn)和創(chuàng)新。

4 ? ?結(jié)語(yǔ)

綜上所述，人臉識(shí)別至今仍是一個(gè)極具挑戰(zhàn)性的領(lǐng)域，如果僅用現(xiàn)有的一種辦法，識(shí)別效果實(shí)在不盡如人意。因此，如何提高人臉識(shí)別的準(zhǔn)確率和識(shí)別速度、加強(qiáng)人臉識(shí)別產(chǎn)品的性能穩(wěn)定性、制定行業(yè)標(biāo)準(zhǔn)、進(jìn)行技術(shù)創(chuàng)新或改進(jìn)以及保障數(shù)據(jù)安全和用戶(hù)隱私等，都是值得研究的課題。

[參考文獻(xiàn)]

[1]張翠平，蘇光大.人臉識(shí)別技術(shù)綜述[J].中國(guó)圖象圖形學(xué)報(bào)，2000（11）：885-894.

[2]劉青山，盧漢清，馬頌德.綜述人臉識(shí)別中的子空間方法[J].自動(dòng)化學(xué)報(bào)，2003（6）：900-911.

[3]YANG M H，AHUJA N，KRIEGMAN D.Face recognition using kernel eigenfaces[C].Florida ：International Conference on Image Processing IEEE，2000.

[4]BARTLETT M S，MOVELLAN J R，SEJNOWSKI T J.Face recognition by independent component analysis[J].IEEE Transactions on Neural Networks，2002（6）：1450-1464.

[5]SAMARIA F S.Face recognition using hidden markov models[J].Phd Thesis Univ of Cambridge，1995（6）：70-81.

[6]ZHAO W，CHELLAPPA R，PHILLIPS P J，et al.Face recognition：a literature survey[J].Association for Computing Machinery Computing Surveys，2003（4）：399-458.

[7]HUANG T，XIONG Z，ZHANG Z.Face recognition applications[M].London：Handbook of Face Recognition，2011.

[8]暢健.人臉識(shí)別在地鐵公安通信系統(tǒng)中的需求分析及實(shí)施建議[J].智能建筑與城市信息，2015（1）：79-81.

[9]JAIN A K，ROSS A，PRABHAKAR S.An introduction to biometric recognition[J].IEEE Transactions on Circuits and Systems for Video Technology，2004（1）：4-20.

[10]DONG C，LOY C C，HE K，et al.Learning a deep convolutional network for image super-resolution[J].IEEE Transactions on Circuits and Systems for Video Technology，2014（5）：44-47.

[11]ZEILER M D，F(xiàn)ERGUS R.Visualizing and understanding convolutional networks[J].IEEE Transactions on Circuits and Systems for Video Technology，2013（6）：88-90.

[12]BOSE A J，AARABI P.Adversarial attacks on face detectors using neural net based constrained optimization[J].IEEE Transactions on Circuits and Systems for Video Technology，2018（22）：60-66.

[13]許曉.基于深度學(xué)習(xí)的活體人臉檢測(cè)算法研究[D].北京：北京工業(yè)大學(xué)，2016.

[14]趙秀萍.生物特征識(shí)別技術(shù)發(fā)展綜述[J].刑事技術(shù)，2011（6）：44-48.

[15]馬曉，張番棟，封舉富.基于深度學(xué)習(xí)特征的稀疏表示的人臉識(shí)別方法[J].智能系統(tǒng)學(xué)報(bào)，2016（3）：279-286.

[16]孫勁光，孟凡宇.基于深度神經(jīng)網(wǎng)絡(luò)的特征加權(quán)融合人臉識(shí)別方法[J].計(jì)算機(jī)應(yīng)用，2016（2）：437-443.

Abstract：Face recognition technology based on deep learning has been one of the focuses in the field of artificial intelligence and image research. Especially with the development of deep neural network in recent years， the accuracy and effect of face recognition have been greatly improved. In this paper， firstly， the history of face recognition is briefly introduced， and then describe the technological process of face recognition and the convolutional neural network commonly used in face recognition. Because of the fruitful research results of face recognition in major enterprises， the products and companies of face recognition are introduced briefly. Finally， the shortcomings and development prospects of face recognition are summarized.

Key words：face recognition; deep learning; convolutional neural network