人臉檢測與識別技術的發展及應用

新邵縣第八中學 徐冬陽

一、引言

隨著科學技術的不斷發展，人臉識別廣泛應用于生產和生活的各種場景，人臉識別也已經對我們的日常生活產生了重大影響。人臉識別就是計算機通過圖像或視頻提取人的主要輪廓，并根據臉部的一些特征加以識別。如表1所示，相比其他生物識別方式，人臉識別技術具有易用程度高、接受程度高、準確度高的優越性，且成本較低，穩定性好[1]。

表1 生物識別方式的對比

人臉識別廣泛應用于互聯網，現在人人都在使用的面對面聊天就要應用到人臉識別，在安全方面應用更為廣泛，以前人們為了保密可能會設置一串又一串數字密碼來保護自己的隱私，可這樣容易忘記，也容易被盜，可隨著人臉識別技術的應用，人們的隱私得到保護，安全性更高，操作性更便利。在某些極端情況如光線較暗時，人臉識別技術的效率和準確性尚有有待提高，也是當前本領域的研究熱點[2,3]。

二、人臉檢測技術的分類

人臉檢測技術分為傳統人臉檢測識別檢測和現代人臉識別檢測，傳統人臉檢測主要是利用簡單的固定模板進行匹配或者基于人臉的檢測方法，這類方法能夠對人臉對象前景突出，背景色單一以及人臉正向的情況進行簡單的人臉識別，可缺點也很明顯，不適用于非理想的環境[4]。當前人臉識別檢測技術主要有三類：基于模板匹配的人臉檢測技術，基于特征的人臉檢測技術和基于統計的人臉檢測技術[5]。

（1）基于模板匹配的方法

首先需要建立一個比對的模版，然后定位到目標人臉位置，將提取到的圖像與數據庫中的標準模板相比較，進而判別兩者的相似度。基于模板匹配的方法在目標姿勢標準、圖片清晰度高時，效率和準確性均較高，但圖片比較模糊時檢測效果比較差。

（2）基于特征的人臉檢測技術

根據使用特殊類型和特征個數的不同，主要分為單特征分析方法和組合特征分析方法。所謂的單特征分析就是采取單個特征組成的特征向量來表現人臉特征，顏色和紋理等單個特征，并根據一定的規則來描述這些單個特征對于的特征值與人之間的映射關系。基于特征的人臉檢測技術實際上是用表征人臉特征的向量描述，利用人臉在某個特征空間上的分布規律，并且基于特征的統計方法相對以前的各種方法更加優越，并且發展潛力較大。

（3）基于統計的人臉檢測技術

本方法根據統計原理，需要事先搜集大量圖片組成樣本庫，這些圖片中包含了人臉信息和其他信息，系統對樣本庫中的人臉圖片和非人臉圖片進行統計學分析，根據算法對人臉圖片的篩選和分類，即獲得人臉正、負圖片的分類器。利用此分類器，便可對新輸入圖像進行人臉檢測判別。

三、人臉識別技術的分類

人臉識別技術的發展較為迅速，發展大致可以分為三個階段。第一個階段主要通過研究分析人臉的面部特征來進行識別，該階段的主要特點是無法實現自動化識別，完全需要人員完成。第二個階段是人機交互式識別階段，主要用幾何特征來表達人臉正面圖像的特征，可是此階段仍然需要操作人員的經驗知識，仍能達到完全自動化的識別目標為目的。第三階段已經屬于機器識別階段，相對于前兩階段有了質的飛躍。隨著高效圖像算法的出現和計算機性能的進步，自動人臉識別技術已經取得了快速發展[6,7]。當前，人臉識別的方法主要可以分為以下三類：

（1）基于模板的方法

基于模板方法應用比較常見，其主要原理為彈性圖匹配的方法，其操作過程：首先記錄人臉的主要信息，然后利用彈性匹配法將所數據庫中的圖像與識別人臉進行對比，判別二者的匹配程度，從數據庫中篩選出匹配程度最高的圖像，完成識別任務。

（2）基于特征的方法

基于特征的方法又可以分為基于表象的方法和基于結構的方法。基于表象方法的輸入對象不是人臉的某一特征，而是將人臉整體作為輸入對象，作為一個整體的人臉與已知人臉數據庫進行匹配，另一種就是基于結構的方法，基于結構方法的結構匹配方法是根據人臉圖中的局部特征在人臉圖像中的位置和各自自身的結構確定對人臉圖像進行識別。

（3）基于神經網絡的方法

目前基于神經網絡的人臉識別方法應用比較廣泛，其中基本原理是將神經網絡作為一個分類器，首先輸入人臉的若干特征，神經網絡進而根據這些特征完成模式分類。神經網絡可以來模擬人的多種行為，可以從復雜的數據中形成一個完整的辨識系統，發現同一人臉多幅圖像中存在的共性特征。神經網絡的最大優勢是具有學習功能，這也是最有潛力的一種識別方式。

人臉識別往往需要采用現有的兩種或更多種方法相結合，其中不同技術的組合方式，提高識別率和識別速度，減少計算量，都是值得人們去探討的[8]。

四、應用前景

因為人臉識別技術在技術上準確性高、接受程度高、易于配合、安全性高、具有長期性、并且檢測成本低，所以應用范圍廣，必定會應用于多種行業領域。比如動態檢測的應用，其主要應用場景為火車站、機場和海關等人流密集區域，系統與公安或邊防部門的內部數據庫連接，通過自動人臉檢測與識別系統可以迅速排查犯罪分子，這樣可以大大提高篩查效率，減少了工作人員的工作量，有效震懾犯罪[9]。

目前人臉識別已經廣泛用于各種行業如：金融、司法、軍事、公安、海關、政府、航天、教育、醫療、網絡等多行業，對數碼相機、娛樂、企業、住宅安全、信息安全、自助服務等領域有重要意義。近年來第二代身份證的成功使用為我國人臉識別技術奠基了基礎，人臉識別技術已成功應用于大型國際賽事，如在北京奧運會開閉幕式典禮便成功應用人臉識別技術。人臉識別日益受到重視，國家在此項技術上必將在人力、財力、科研上加大投入，將人臉識別技術在更多的行業領域應用。

五、總結展望

相對于其他生物識別方式，人臉識別技術具有操作簡單、非接觸性、非強制性的優勢，人臉識別的安全性和準確性也更高。近年來，人臉檢測和識別技術獲得了極大的發展，在諸多領域獲得了應用。反過來，應用場景的需求也推動了人臉檢測和識別技術的發展。隨著技術的發展，人臉檢測和識別技術將會應用在更多領域中，如智能無人駕駛車領域。

[1]李武軍,王崇駿,張煒,陳世福.人臉識別研究綜述[J].模式識別與人工智能,2006,19(01):58-66.

[2]陳綿書,陳賀新,桑愛軍.計算機人臉識別技術綜述[J].吉林大學學報(信息科學版),2003,(S1):101-109.

[3]Haddadnia J, Ahmadi M, Faez K. An Efficient Feature Extraction Method with Pseudo-Zernike Moment in RBF Neural Network-Based Human Face Recognition System[J]. Eurasip Journal on Advances in Signal Processing,2003(9):1-12.

[4]胡敏,程天梅,王曉華.融合全局和局部特征的人臉識別[J].電子測量與儀器學報,2013,27(09):817-822.

[5]鄒國鋒,傅桂霞,李海濤,高明亮,王科俊.多姿態人臉識別綜述[J].模式識別與人工智能,2015,28(07):613-625.

[6]王輝麟,安然,史宏.鐵路車站安檢人臉識別系統的應用研究[J].中國鐵路,2012,(03):82-85.

[7]Wang X,Ruan Q,Jin Y,et al.Three-dimensional face recognition under expression variation[J].Eurasip Journal on Image & Video Processing,2014(1):1-11.

[8]師文喜,王德勇,敖乃翔,連禮泉,趙學義.三維人臉識別技術在安防領域的應用研究[J].中國公共安全(學術版),2016,(02):127-131.

[9]李海躍,譚郁松,伍復慧.海量視頻人臉提取與識別并行框架設計及優化[J/OL].計算機應用研究,2017,(12):1-8.