人臉識別的發展綜述

人臉識別的發展綜述

文/彭酉乾，河北科技大學信息科學與工程學院

人臉識別技術是現在非常火的一種生物識別技術。本文主要介紹了人臉識別發展過程，同時介紹了一下人臉識別技術常用的幾種算法。

人臉識別；幾何特征；特征臉；神經網絡

1 引言

人臉識別技術是一種生物識別技術，該技術通過電腦來提取圖像中的人臉信息，根據這些人臉信息來對人的身份進行驗證[1]。人臉識別技術相對于其它生物識別技術，如指紋，虹膜等，具有非接觸，快速簡便，直觀可靠，自主學習等優點，從而被人們廣泛的應用。人臉識別技術的主要應用范圍有：人員管理系統，如通過人臉考勤機來進行打卡；刑事案件的偵破；關鍵地點的安全監控；人機交互；金融支付等。

2 人臉識別技術的發展歷程

早在1965年，Chan和Bledsoe就發表了一篇關于人臉識別的文章，在那個時候就已經開始有人對人臉識別技術進行研究。從那開始越來越多的人開始研究人臉識別技術，人臉識別技術已經有了半個多世紀的研究歷史。隨著，人臉識別技術的不斷發展，人臉的識別率和匹配率得到了大大提升。

人臉識別技術主要經歷了以下3個階段。

（1）從1964年到1990年，這個階段是人臉識別的初期階段，主要研究的是人臉的面部幾何結構，主要工作就是提取人臉的幾何特征并對其進行分析。該階段沒有太多的成果問世，因此人臉識別的實際應用也沒有誕生。這個階段主要人物有Harmon，Kanade，Bled soe等。

（2）從1991年到1997年，越來越多的科學家投入到人臉識別的研究中。在這一階段，一個非常重要的算法被提出，即“特征臉”（Eigenface），該算法是由麻省理工的Turk和Pentland提出的。這一時期的主要貢獻人物有Turk，Prentland、Bruneli等。

（3）從1998年到現在，人們開始考慮在各種各樣的情況下對圖像進行人臉識別，如人臉的角度，光照的強弱等這些問題慢慢變成研究的熱點問題。同時，越來越多的人臉識別的技術被應用到了實際生活中，如人臉考勤機，人臉支付等。在這之后，三維人臉建模的方法被人提了出來，并逐漸成為一種新的發展方向。

3 人臉識別技術的常用算法

3.1 基于幾何特征

這是人臉識別的早期算法，通過計算人臉面部特征點之間的相對距離，如眼睛之間的距離眼睛到鼻子的垂直距離等，從而得到人臉的特征向量。我們可以比較這些特征向量，來找到最佳的人臉匹配對象。該算法的優點有：原理容易理解；只存儲特征向量，占用資源少；對光照的不敏感，強光或弱光下都能實現。但是這種算法也有一些缺點：很難得到穩點的特征向量；沒有考慮圖像中的細節信息；識別率比較低。

3.2 基于特征臉

特征臉主要依據的是主要成分分析法而提出的一種人臉識別技術。主要成分分析法主要依賴于KL正交變換（Karhunen-Loevetr ansform）的一種方法，通過這種技術來對提取人臉圖像的統計特征，從而在其子空間模型下進行人臉識別。該方法具有簡單，快速，實用的優點。缺點是：局限性大，對訓練圖像和測試圖像的相關性要求很高；人臉的角度，光照的強度，人臉的表情都會影響識別率，使得識別率變低。

3.3 基于神經網路

神經網絡是現在比較火的人臉識別的研究算法，主要依賴的是BP神經網絡學習[2]。人工神經網絡是由大量處理單元互聯組成的非線性、自適應信息處理系統。它信息處理的方式模擬的是人腦神經網絡的信息處理方式。它由處理單元和單元之間的連接構成。主要過程是，建立一個神經網絡模型，將得測圖像中的像素和神經網絡的神經元建立對應關系。該算法的優點是特征提取比較簡單，適應性強；處理的過程速度非常快。缺點是當神經元較多時，訓練時間會加長。

4 小結

目前，人臉識別技術依舊處于發展階段，還有許多的問題需要解決，如人年齡的變化，大規模的人臉識別，人臉遮擋和表情變化，人臉的角度等諸多問題。需要更多的研究者不斷的投入精力和時間，探索問題的解決辦法和人臉識別的發展方向。隨之人臉識別技術的不斷發展，未來將會有更多的方面用到人臉識別，從而使我們的生活變得的更加方便便捷，安全可靠。

[1]梁文莉.基于獨立成分分析的人臉識別算法研究[D].西安：西安科技大學,2012.

[2]雷明.基于小波變換與奇異值分解的人臉識別技術研究[D].沈陽：沈陽工業大學,2007.