人臉識(shí)別技術(shù)幾個(gè)方面的內(nèi)容

手機(jī)的安全功能進(jìn)入了人臉識(shí)別技術(shù)時(shí)代，其實(shí)在我們生活中涉及安全范疇的領(lǐng)域，人臉識(shí)別技術(shù)已經(jīng)被廣泛使用了。

人臉識(shí)別是近年來(lái)模式識(shí)別、圖像處理、機(jī)器視覺、神經(jīng)網(wǎng)絡(luò)以及認(rèn)知科學(xué)等領(lǐng)域研究的熱點(diǎn)課題之一，被廣泛應(yīng)用于公共安全（罪犯識(shí)別等）、安全驗(yàn)證系統(tǒng)、信用卡驗(yàn)證、醫(yī)學(xué)、檔案管理、視頻會(huì)議、人機(jī)交互系統(tǒng)等各個(gè)方面。

人臉識(shí)別技術(shù)

計(jì)算機(jī)人臉識(shí)別技術(shù)也就是利用計(jì)算機(jī)分析人臉圖象, 進(jìn)而從中提取出有效的識(shí)別信息, 用來(lái)“辨認(rèn)”身份的一門技術(shù).雖然人類的人臉識(shí)別能力很強(qiáng), 能夠記住并辨別上千個(gè)不同人臉, 可是計(jì)算機(jī)則困難多了. 其表現(xiàn)在:人臉表情豐富;人臉隨年齡增長(zhǎng)而變化;人臉?biāo)蓤D象受光照、成象角度及成象距離等影響;人臉識(shí)別還涉及到圖象處理、計(jì)算機(jī)視覺、模式識(shí)別以及神經(jīng)網(wǎng)絡(luò)等學(xué)科, 也和人腦的認(rèn)識(shí)程度緊密相關(guān)。

所謂“人臉識(shí)別 (Face Recognition)”的研究范圍十分寬泛，大致可以被分為以下幾個(gè)方面的內(nèi)容：

1、人臉檢測(cè)(Face Detection)：

即從各種不同的場(chǎng)景中檢測(cè)出人臉的存在并確定其位置。在大多數(shù)的場(chǎng)合中由于場(chǎng)景較復(fù)雜，人臉的位置是預(yù)先不知道的，因而首先必須確定場(chǎng)景中是否存在人臉，如果存在人臉，再確定圖像中人臉的位置。臉部毛發(fā)、化妝品、光照、噪聲、面部?jī)A斜和人臉大小變化以及各種各樣遮擋等因素都會(huì)使人臉檢測(cè)問題變得更為復(fù)雜。人臉檢測(cè)的主要目的是在輸入的整幅圖像上尋找人臉區(qū)域，把圖像分割成兩個(gè)部分-人臉區(qū)域和非人臉區(qū)域，從而為后續(xù)的應(yīng)用作準(zhǔn)備。

2、人臉表征(Face Representation)：

即采取某種表示方式表示檢測(cè)出的人臉和數(shù)據(jù)庫(kù)中的已知人臉。通常的表示法包括幾何特征(如歐氏距離、曲率、角度)、代數(shù)特征(如矩陣特征矢量)、固定特征模板、特征臉、云紋圖等。

3、人臉識(shí)別(Face Identification)：

即將已檢測(cè)到的待識(shí)別的人臉與數(shù)據(jù)庫(kù)中的已知人臉進(jìn)行比較匹配，得出相關(guān)信息，這一過程的核心是選擇適當(dāng)?shù)娜四樀谋碚鞣绞脚c匹配策略，系統(tǒng)的構(gòu)造與人臉的表征方式密切相關(guān)。通?；蚴沁x擇全局的方法或是選擇基于特征的方法進(jìn)行匹配。顯然，基于側(cè)面像所選擇的特征和基于正面像的特征是有很大的區(qū)別的。

4、表情分析(Expression Analysis)：

即對(duì)待識(shí)別人臉的表情信息(快樂、悲傷、恐懼、驚奇等)進(jìn)行分析，并對(duì)其加以歸類。

5、生理分類(Physical Classification)：

即對(duì)待識(shí)別人臉的生理特征進(jìn)行分析，得出其種族、年齡、性別、職業(yè)等相關(guān)信息。顯然，完成這一操作需要大量的知識(shí)并且通常是非常困難和復(fù)雜的。

人臉識(shí)別技術(shù)的發(fā)展歷程

人臉識(shí)別的工程應(yīng)用始于20世紀(jì)60年代，經(jīng)過50多年的研究，大致可以分為以下三個(gè)階段：

第一階段是主要解決了人臉識(shí)別所需要的面部特征。

這一階段的研究以Bertillon、Allen和Parke為代表。在 Bertillon的系統(tǒng)中，用一個(gè)簡(jiǎn)單的語(yǔ)句與數(shù)據(jù)庫(kù)中某一張臉相聯(lián)系，同時(shí)與指紋分析相結(jié)合，提供了一個(gè)較強(qiáng)的識(shí)別系統(tǒng)。而Allen則設(shè)計(jì)了一種有效的摹寫手段，并在其后由Parke用計(jì)算機(jī)實(shí)現(xiàn)。然而無(wú)論是哪種方式，該階段的識(shí)別過程仍然全部依賴于操作人員，需要許多人為干預(yù)，無(wú)法實(shí)現(xiàn)自動(dòng)人臉識(shí)別。

第二階段是人機(jī)交互式識(shí)別階段。

研究人員用數(shù)學(xué)模型描述人臉圖像中的五官長(zhǎng)度等主要幾何特征，并通過歐氏距離進(jìn)行相似性度量。Harmon和Lesk利用多維特征矢量表示人臉面部特征，并設(shè)計(jì)了基于這一特征表示法的識(shí)別系統(tǒng)。其后，Kaya、Kobayashi和T. Kanad也分別采用了各種不同的方式，對(duì)幾何特征計(jì)算進(jìn)行了研究[5][6]。但是，該方法依賴于操作員的知識(shí)，仍無(wú)法擺脫人的干預(yù)。

第三階段是真正的機(jī)器自動(dòng)識(shí)別階段。

該階段人臉識(shí)別技術(shù)有了重大突破，很多經(jīng)典算法相繼出現(xiàn)，如特征臉、子空間方法、彈性圖匹配法、基于統(tǒng)計(jì)外觀模型和神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別等。同時(shí)，也出現(xiàn)很多用于算法性能測(cè)試的公開人臉庫(kù)，如ORL人臉庫(kù)、YaleB人臉庫(kù)、FERET人臉庫(kù)等。

常用的人臉識(shí)別方法

一個(gè)全自動(dòng)人臉識(shí)別系統(tǒng)一般包括三個(gè)關(guān)鍵技術(shù)：人臉檢測(cè)、特征提取和人臉識(shí)別。

根據(jù)方式的不同，人臉識(shí)別方法分為基于幾何特征的方法、基于模型的方法、基于統(tǒng)計(jì)的方法、基于神經(jīng)網(wǎng)絡(luò)的方法和多分類器集成方法。其中，基于幾何特征、模型和統(tǒng)計(jì)的方法最為常見。

(1) 基于幾何特征的方法

記載最早的人臉識(shí)別方法就是 Bledsoe提出的基于幾何特征的方法，該方法以面部特征點(diǎn)之間的距離和比率作為特征，通過最近鄰方法來(lái)識(shí)別人臉?；趲缀翁卣鞯姆椒ǚ浅Ｖ庇^，識(shí)別速度快，內(nèi)存要求較少，提取的特征在一定程度上對(duì)光照變化不太敏感。但是，當(dāng)人臉具有一定的表情或者姿態(tài)變化時(shí)，特征提取不精確，而且由于忽略了整個(gè)圖像的很多細(xì)節(jié)信息，識(shí)別率較低，所以近年來(lái)已經(jīng)很少有新的發(fā)展。

(2) 基于模型的方法

基于模型的方法也是人臉識(shí)別的重要形式，其中最廣為使用的是隱馬爾可夫模型。它是一種基于整體的或然率統(tǒng)計(jì)方法。對(duì)于一幅正面的人臉來(lái)說(shuō)，馬爾可夫的“狀態(tài)”包括前額、眼睛、鼻子、嘴巴和下巴，這些狀態(tài)以相同的順序從上到下出現(xiàn)。這樣，可以把人臉圖像和隱馬爾可夫模型結(jié)合起來(lái)，這些臉上的特征區(qū)域被指定為狀態(tài)。其他模型還包括主動(dòng)形狀模型和主動(dòng)表象模型等。

(3) 基于統(tǒng)計(jì)的方法

基于統(tǒng)計(jì)的三種人臉識(shí)別方法包括特征臉、Fisher臉和奇異值分解。使用特征臉進(jìn)行人臉識(shí)別的方法首先由Sirovichand Kirby提出，并由Matthew Turk和Alex Pentland用于人臉分類。這些特征向量是從高維矢量空間的人臉圖像的協(xié)方差矩陣計(jì)算而來(lái)，而該方法被認(rèn)為是第一種有效的人臉識(shí)別方法。Fisher臉法由Ronald Fisher發(fā)明，其所基于的LDA理論和特征臉里用到的PCA有相似之處，都是對(duì)原有數(shù)據(jù)進(jìn)行整體降維映射到低維空間的方法。而奇異值分解法，就是通過取奇異值分解中前面較大的奇異值對(duì)應(yīng)的特征向量，提取出圖像中由光照、表情、姿勢(shì)等噪聲對(duì)應(yīng)的高頻信息，來(lái)重構(gòu)圖像。

人臉識(shí)別技術(shù)優(yōu)勢(shì)

人臉識(shí)別作為一種新興的生物特征識(shí)別技術(shù)(Biometrics)，與虹膜識(shí)別、指紋掃描、掌形掃描等技術(shù)相比，人臉識(shí)別技術(shù)在應(yīng)用方面具有獨(dú)到的優(yōu)勢(shì)：

1、使用方便，用戶接受度高。

人臉識(shí)別技術(shù)使用通用的攝像機(jī)作為識(shí)別信息獲取裝置，以非接觸的方式在識(shí)別對(duì)象未察覺的情況下完成識(shí)別過程。

2、直觀性突出。

人臉識(shí)別技術(shù)所使用的依據(jù)是人的面部圖像，而人臉無(wú)疑是肉眼能夠判別的最直觀的信息源，方便人工確認(rèn)、審計(jì)，“以貌取人”符合人的認(rèn)知規(guī)律。

3、識(shí)別精確度高，速度快。

與其它生物識(shí)別技術(shù)相比，人臉識(shí)別技術(shù)的識(shí)別精度處于較高的水平，誤識(shí)率、拒認(rèn)率較低。

4、不易仿冒。

在安全性要求高的應(yīng)用場(chǎng)合，人臉識(shí)別技術(shù)要求識(shí)別對(duì)象必須親臨識(shí)別現(xiàn)場(chǎng)，他人難以仿冒。人臉識(shí)別技術(shù)所獨(dú)具的活性判別能力保證了他人無(wú)法以非活性的照片、木偶、蠟像來(lái)欺騙識(shí)別系統(tǒng)。這是指紋等生物特征識(shí)別技術(shù)所很難做到的。舉例來(lái)說(shuō)，用合法用戶的斷指即可仿冒合法用戶的身份而使識(shí)別系統(tǒng)無(wú)從覺察。

5、使用通用性設(shè)備。

人臉識(shí)別技術(shù)所使用的設(shè)備為一般的PC、攝像機(jī)等常規(guī)設(shè)備，由于目前計(jì)算機(jī)、閉路電視監(jiān)控系統(tǒng)等已經(jīng)得到了廣泛的應(yīng)用，因此對(duì)于多數(shù)用戶而言使用人臉識(shí)別技術(shù)無(wú)需添置大量專用設(shè)備，從而既保護(hù)了用戶的原有投資又?jǐn)U展了用戶已有設(shè)備的功能，滿足了用戶安全防范的需求。

6、基礎(chǔ)資料易于獲得。

人臉識(shí)別技術(shù)所采用的依據(jù)是人臉照片或?qū)崟r(shí)攝取的人臉圖像，因而無(wú)疑是最容易獲得的。

7、成本較低，易于推廣使用。

由于人臉識(shí)別技術(shù)所使用的是常規(guī)通用設(shè)備，價(jià)格均在一般用戶可接受的范圍之內(nèi)，與其它生物識(shí)別技術(shù)相比，人臉識(shí)別產(chǎn)品具有很高的性能價(jià)格比。

概括地說(shuō)，人臉識(shí)別技術(shù)是一種高精度、易于使用、穩(wěn)定性高、難仿冒、性價(jià)比高的生物特征識(shí)別技術(shù)，具有極其廣闊的市場(chǎng)應(yīng)用前景。

人臉識(shí)別技術(shù)的應(yīng)用

隨著社會(huì)的不斷進(jìn)步以及各方面對(duì)于快速有效的自動(dòng)身份驗(yàn)證的迫切要求，生物特征識(shí)別技術(shù)在近幾十年中得到了飛速的發(fā)展。當(dāng)前的生物特征識(shí)別技術(shù)主要包括有：指紋識(shí)別，視網(wǎng)膜識(shí)別，虹膜識(shí)別，步態(tài)識(shí)別，靜脈識(shí)別，人臉識(shí)別等。

與其他識(shí)別方法相比，人臉識(shí)別由于具有直接，友好，方便的特點(diǎn)，使用者無(wú)任何心理障礙，易于為用戶所接受，從而得到了廣泛的研究與應(yīng)用。當(dāng)前的人臉識(shí)別技術(shù)主要被應(yīng)用到了以下幾個(gè)方面：

（1）刑偵破案公安部門在檔案系統(tǒng)里存儲(chǔ)有嫌疑犯的照片，當(dāng)作案現(xiàn)場(chǎng)或通過其他途徑獲得某一嫌疑犯的照片或其面部特征的描述之后，可以從數(shù)據(jù)庫(kù)中迅速查找確認(rèn)，大大提高了刑偵破案的準(zhǔn)確性和效率。

（2）證件驗(yàn)證在許多場(chǎng)合（如海關(guān)，機(jī)場(chǎng)，機(jī)密部門等）證件驗(yàn)證是檢驗(yàn)?zāi)橙松矸莸囊环N常用手段，而身份證，駕駛證等很多其他證件上都有照片，使用人臉識(shí)別技術(shù)，就可以由機(jī)器完成驗(yàn)證識(shí)別工作，從而實(shí)現(xiàn)自動(dòng)化智能管理。

（3）視頻監(jiān)控在許多銀行，公司，公共場(chǎng)所等處都設(shè)有24小時(shí)的視頻監(jiān)控。當(dāng)有異常情況或有陌生人闖入時(shí)，需要實(shí)時(shí)跟蹤，監(jiān)控，識(shí)別和報(bào)警等。這需要對(duì)采集到的圖像進(jìn)行具體分析，且要用到人臉的檢測(cè)，跟蹤和識(shí)別技術(shù)。

（4）入口控制入口控制的范圍很廣，既包括了在樓宇，住宅等入口處的安全檢查，也包括了在進(jìn)入計(jì)算機(jī)系統(tǒng)或情報(bào)系統(tǒng)前的身份驗(yàn)證。

（5）表情分析根據(jù)人臉圖像中的面部變化特征，識(shí)別和分析人的情感狀態(tài)，如高興，生氣等。此外，人臉識(shí)別技術(shù)還在醫(yī)學(xué)，檔案管理，人臉動(dòng)畫，人臉建模，視頻會(huì)議等方面也有著巨大的應(yīng)用前景。

雖然人臉識(shí)別技術(shù)已經(jīng)取得了長(zhǎng)足的進(jìn)步，但不容否認(rèn)的是，現(xiàn)在的人臉識(shí)別技術(shù)還有著巨大的發(fā)展空間。探索如何解決在不同光線、不同角度條件下的人臉識(shí)別，如何提高識(shí)別的速度和準(zhǔn)確率，將成為未來(lái)人臉識(shí)別技術(shù)的發(fā)展方向。