人臉識別技術在疫情防控中的應用研究

楊斌

武警工程大學 信息工程學院 陜西 西安 710086

引言

隨著人工智能、大數據、云計算等技術的不斷發展，人臉識別技術的應用越來越廣泛，也在很大程度上改變了人們的生活、出行等方式。將人臉識別技術應用于疫情防控中，是當前疫情防控有效且可靠的一種手段。不僅提高了疫情防控中的檢測效率，也為疫情防控提供了可靠的技術手段。人臉識別技術也存在一些問題，還需要不斷研究和創新，這也是未來研究和發展的方向[1-2]。

1 人臉識別技術在疫情防控中的重要性

根據衛生防疫專家的研究，目前“新冠肺炎”的傳播途徑包括直接傳播、氣溶膠傳播和接觸傳播[3]。這種傳播特性為疫情防控帶來極大的困難。如何減少檢測過程中人員接觸、降低檢測人員感染“新冠肺炎”風險，成為疫情防控中的重要難題。通過采用人臉識別技術，在醫院、學校、商場、超市、飯店等公共場所進行自動檢測和識別，不僅有效避免管理人員感染的風險，還提高了人員出入效率，最大程度上降低了病毒的傳播。

2 人臉識別技術

人臉識別技術是一種通過提取人的臉部特征信息，并對其身份進行識別的技術[4]。人臉識別技術是通過將當前計算機圖像處理技術與生物統計學相結合，通過計算機技術對人臉特征進行識別和提取，包括人臉的大小、各個主要面部器官的位置信息等，然后利用生物統計學原理，將人臉信息與已錄入的身份信息進行模式匹配，從而識別人臉的身份信息。

人臉識別的方法分為以下幾點，分別是人臉圖像的獲取、人臉的檢測、人臉的識別。其中，最主要的是人臉圖像的檢測和識別技術[5]。

2.1 人臉檢測技術

人臉檢測技術是對采集到的人臉圖像進行特征分析、計算、提取，將這些信息融合，生成人臉的特征矩陣。在人臉識別過程中，人臉檢測技術起到關鍵作用。人臉檢測技術可以檢測人臉在特定場景下的臉部特征，包括側臉、正臉以及微笑等臉部表情特征。檢測到人臉的基本特征后，就可以對人臉特征進行識別。

2.2 人臉特征提取與識別技術

隨著人臉識別技術的不斷發展，常用的人臉識別技術包括人臉外觀識別、基于深度學習的人臉識別等。人臉外觀識別主要通過對面部結構特征，如人臉的五官形狀、特征等，生成圖像，并計算各個面部特征之間的距離、大小、面積等關系。該方法操作簡單，具有較強的光照變化、魯棒性強等特點，在實際使用中，容易受檢測環境、檢測人臉表情等影響，檢測精準度不高。基于深度學習的人臉識別是借助LBP算法、Gabor小波等實現人臉圖像的獲取，將多個包含人臉信息的特征進行線性組合等方式，提取人臉圖像的特征[6]。該技術借助神經網絡算法進行特征提取和識別，常用的算法包括BP神經網絡算法、卷積神經網絡算法等。BP神經網絡算法包括前向傳播和誤差的反向傳播兩個過程，正向傳播時，輸入模式從輸入層經隱單元層逐層處理，并轉向輸出層，每層神經元的狀態只影響下一層神經元的狀態，如果輸出層得不到期望的輸出，轉入反向傳播，將誤差信號沿原路返回，通過修改神經元的權值，使誤差信號最小。卷積神經網絡算法是通過訓練人臉特征庫的方式進行學習生成，對變形、放大或縮小的不同形式人臉圖像識別有很強的優勢。

3 人臉識別技術在疫情防控中的應用

在疫情防控中，最重要的是通過非接觸的方式對人員信息進行采集，包括人員身份信息、體溫特征、位置信息，因此，人臉識別技術對疫情防控至關重要。采用人臉識別技術可以對人員身份信息進行自動識別，只需提前錄入人臉信息或通過人臉大數據進行深度學習，即可獲取人臉特征模型，通過與人臉預檢測到的人臉進行特征匹配，即可識別人員身份信息。除此之外，本研究還提出在人臉識別裝置中增加體溫測量裝置和定位裝置，實時獲取測量人員的體溫和位置信息。人臉識別系統組成如圖1所示（見文末）。

4 存在的問題

人臉識別技術在給疫情防控帶來了很大技術支撐的同時，也存在以下問題：①識別準確度：人臉識別存在多種不確定性，如人臉的表情變化、整容、毀容、化妝等因素的影響，因此，只有對關鍵技術不斷改進才能提高人臉識別的準確度。②安全問題：隨著移動支付的不斷發展，人臉支付也非常普遍，人臉信息安全問題是當前人臉識別中人們往往擔憂的問題，提高信息安全防護對人臉識別也至關重要。③環境因素影響：外界環境的改變對人臉識別可能存在不同程度的影響，如外界光線的明暗、天氣因素、網電供應、設備穩定性等，這些都會在一定程度上影響人臉的識別。

圖1 人臉識別系統組成