人臉識別研究及在通信行業的應用前景分析

張千鑫

[摘? ? 要]近幾年，國內的科技技術飛速發展，人機交互成為了人們生活中的重要技術之一，機器人的出現，方便人們生活。機器人對人們情感的理解就決定了智能機器人能否被大幅度普及推廣和應用。隨著當前計算機硬件快速的發展，科學家對情感的研究已經取得了一定的成績。人臉識別就作為新型的生物智能科技技術，被廣泛地應用到支付領域。在人臉識別技術研發中，要建立人們的表情庫，并對表情庫做出詳細的說明來，分別通信行業選擇。

[關鍵詞]人臉識別;表情庫;表情識別流程

[中圖分類號]TP391.41 [文獻標志碼]A [文章編號]2095–6487（2021）01–0–02

About Face Recognition Research and Application Prospect

Analysis in Communication Industry

Zhang Qian-xin

[Abstract]In recent years， domestic science and technology have developed rapidly. Human-computer interaction has become one of the important technologies in people's lives. People communicate with robots to facilitate people's lives. The robot's understanding of people's emotions determines whether intelligent robots can be widely popularized and applied. With the current rapid development of computer hardware， scientists have made certain achievements in the study of emotions. As a new type of bio-intelligence technology， face recognition is widely used in the payment field. In the research and development of face recognition technology， it is necessary to establish a library of people's expressions， and make a detailed description of the expression database， and choose the communication industry separately.

[Keywords]face recognition; expression library; expression recognition process

隨著人們物質生活水平的提升，人們對科技技術也提出了新要求。科技企業通過研制智能機器人來服務于社會公眾，機器人可以幫助人們改善生活品質，替代人們的部分勞動工作。因而，社會公眾對機器人的數量也要求日益增多，以服務機器人為代表，成為了當前個人計算機的一個新應用領域。智能機器人會采集人們的命令而去執行，人們與機器設備實現信息交互，機器可以了解人們的想法，機器人通過了解人們想法，去執行各類操作工作任務。

1 情感類別和表情數據庫

在上個世紀90年代，就有很多的專家學者、科研機構和高校對人臉的表情識別做出了很多的研究。近年，國內也有很多的學者對表情的研究種類作出了清晰的劃分，在研究表情和識別表情時，可以選擇用表情庫。軟銀公司研制的機器人是世界上最具有想象力的機器人，它也是世界上第1款可以讀取人類感情的機器人，其會考慮外界的環境而做出快速的反應，機器人可以識別人們的生氣、驚訝、悲傷、幸福等各類情感，而且做出不同的應對。國內高校也在人臉識別方面做出了大量的研究，合肥的物質科研院通過使用高端制造技術，研制出了服務于老年人的機器人，該機器人可以為老年人提供基本的照看監護，還可以照看小孩。中科院的機器人佳佳的出現也吸引了社會公眾的關注，具有更逼真細膩的外表，能夠對目標用戶進行跟蹤，而且也可以回答人們提出的問題，這種技術創新有效地改善了人交互的效果，進一步增強了人機交互的針對性。移動機器人相比過去傳統工業機器人具有更強的人性化、智能化，它在人們的日常生活中發揮著穩定的作用，需要人們進行大量的研究。北京航天大學也制作了人臉的表情庫，在這些表情庫中，增加了驚訝、喜悅、悲傷、生氣等多種混合類型的表情，以及用手遮擋臉時的微笑，用手遮擋臉、生氣談話等多種面部表情。在表情庫內部圖像，并不是采集人臉，而是采集人的上半身，因此人臉背景環境就比較復雜。人機交互主要是研究給機器使用人員提供更便捷安全的交互方式，服務機器人能夠在某一種程度上理解人們的行為，并與外界環境進行知識的交換。近期，國內科技企業通過使用可見光圖像來辨別人臉，并基于多種技術來實現人臉識別。在當前技術快速發展下，也出現了三維圖像、人類識別和熱成像人識別技術，彌補了傳統人臉識別中技術不足之處。

2 面部表情的識別技術

當前面部表情的識別是使用機器人學習模式的識別方法，來體現人們面部的表情特征信息。面部表情識別在第1階段，計算機要識別和采集設置圖像區域內部的面部表情信息，提取出關鍵的面目表情數據點。并通過應用圖像縮放、擴大、平滑、濾波的各類算法降低噪聲;在第2階段就可以提取面部的各類信息，以及提取面部表情和局部的變化信息;在第3階段就需要將面部表情的信息進行特征向量的輸入，輸入到計算機系統里。

2.1 特征的提取

在基于人臉外部特征的信息體系方法，來獲得人臉圖像內各部位之間的梯度相關性和識別信息，比較常用的外貌特征提取方法就是KNN法，該方法是通過不同類型的面部和高階局部的自相關及局部的二元模式來識別表情信息。面部表情信息也是非語言交流的重要方式，主要是觀察人員的情緒狀態，就可以通過面部表情來傳遞給觀察者。因此在臉部選取關鍵點的物質信息作為幾何特征，來識別面部表情，判斷人們的情緒。FACS就是結合這樣的設計思想理念來研制出來的新型面部表情的識別技術，FACS系統可以對不同表情及人們臉部各肌肉變化運動作出了定義。面部表情系統就可以在行為科學中，測量臉部密度的表現，并將多種方法結合，該方法也比較簡潔明了地表現出人臉特征信息。外部特征就能夠反映出肌肉的細微變化，不同的特征提取的方法更優勢更明顯一些，研究人員對其進行多種融合，并形成融合的特征，該融合的方法就是將人臉的整體特征和局部特征相融合，幾何特征與外貌特征相融合。如有關研究學者就將人臉、眼睛、鼻子、臉頰、嘴巴等多個部分進行組合，來獲取面部表情信息，通過整體臉部與局部臉部的特征進行深精度的識別。

2.2 特征選擇

特征選擇是從眾多的特征中尋找最具有代表性，最容易正確辨別的特征。選擇結果會應用特征集的子集或者臉部特征信息采集的變化，這也就實現了特征的降維，這也是當前人臉模式識別的最大難點之一。

2.3 分類器

提取臉部表情通要使用向量數據，將這些銷量數據信息輸入到預先設置好分類器內，用分類器對這些表情作出識別，測試提取的各類特征向量。典型的分類器有多種，KAN的分類器也是最常用、最基本的分類器之一，它可以實現計算樣本間的相似性，也可以結合各面部表情樣本采集數據點，再進行樣本數據的分析和圖畫相似性的度量方法。往往是以計算樣本之間的距離，在距離空間上，如果一個樣本最相鄰的K點大多數屬于某一類，那樣就可以判斷出該樣本是否屬于該類，主要方法有距離度量方法、歐式距離法、馬氏距離，也可以用神經網絡。神經網絡是來源于生物的神經模擬形成方法，神經網絡要通過使用計算機軟件來模擬訓練，在訓練之后，對一些數據作出調整，這樣才能夠逐步而去降低數據輸入和期望目標之間所產生的差值。以網絡類結構，也有許多的簡單或者相互連接的神經元組成，每個神經元上都會對上一層輸入進行加權求和，如果數值大于閥值，就輸出結果。

3 人臉識別的技術流程

3.1 人臉圖像的采集和檢測

通過使用攝像鏡頭來采集人臉在靜態動態的圖像，及在不同位置、不同表情的信息。在采集用戶臉部表情信息時，要使用戶能夠處于拍攝的范圍內，而且采集設備會自動進行搜索，并拍攝用戶的臉部表情，之后再進行人臉數據的檢測。在檢測人臉時，要實現對人臉部分數據合理處理，確定好人臉部分眼睛、鼻子、嘴巴等位置及大小，在熱量圖像中，信息較多有直方圖的特征信息、顏色特征信息和模板特征信息。人臉檢測技術就是將那些關鍵有用的技術挑選出來，并實現對關鍵信息的獲取。比較主流的人臉檢測技術就是應用adaboost的學習方法，該算法是將一些比較弱的識別方法整合起來，而形成新型的人臉識別的識別方法。在人臉識別時，該方法就能夠挑選出只能夠代表人類臉部特征信息，使用加權投票方式，來將若干分類器，構造成一個強的分類器，這樣才能夠通過訓練整合各個分類器，并實現分類器的串聯組合，有效地提高分類器的檢測速度。

3.2 人臉圖像的預處理技術

對于人臉圖像預處理主要是基于人臉檢測的結果，對圖片進行處理，提取人臉特征信息的過程。在系統內獲取原始的圖像，會受到各類條件的干擾和限制，直接使用人臉信息，要在前期，對圖像作出早期的預處理，對圖像的灰度矯正、過濾。預處理要給人臉圖像光線的補償、灰度的變化，以及人臉內直方圖數據的均衡，幾何糾正、濾波等各類處理。

3.3 人臉圖像特征的提取

人臉圖像的數據提取通常包含了人臉視覺特征信息提取，像素統計特征信息提取，人臉圖像變化的系數特征信息提取，人臉圖像代數特征提取等。對于人臉內部特征信息的提取，主要是對于局部臉部表情肌肉變化的信息提取，對人臉主要特征的建模。知識的特征方法主要是根據人臉類器官形狀描述，及人臉臉部器官之間的距離特征來進行特性的數據獲取，才能夠有助于人類不表情的分類。人臉特征向量也包含了各個特征點之間的歐式距離、曲率，在人的臉部有眼睛、鼻子、嘴巴、下巴等多個部位，這些部位之間的關聯連接的關系可以用幾何數據來表述，并形成每個人臉部的獨特面部特征，這個特征也被稱為幾何的特征，是基于知識人臉特征來表達出來。

4 人臉識別在通信行業的應用前景研究

近年，隨著國內計算機光學成像技術飛速的發展，人臉識別在各行各業也有更大的應用，而且市場規模也持續上升。通過對人臉統計數據分析發現，在我國近三年人臉識別的產業規模較大，有千億市場。目前人臉技術應用比較廣泛，集中金融和政府部門，在通信行業該技術也得到了進一步的發展推廣。

4.1 人臉識別有助于手機實現實名制

廣東省移動公司為了響應國家電話號碼實名制登記的要求，在原有的業務辦理中加入了人臉識別，這項技術在實名登記業務辦理過程中，規避了各類主觀客觀因素帶來的風險。電話實名登記的業務推進提供了更多的新方法、新思路。移動通信通過推動人臉識別技術的應用可以輔助手機實名制登記，而且人臉技術也是人工智能技術的一個重要體現。如將人臉信息輸入到身份證中，進行判斷用戶上傳的圖像和實際生活中的人臉以及證件中的信息是否屬于同一個人。人臉識別技術也是一個新技術，在基礎的電信運營行業，要做出大量的推廣和普及，隨著人臉技術逐步成熟，會加快推動手機號的實名制管理。

4.2 人臉識別通過硬件配套和加速通信領域的應用

在手機上會類似3D的傳感器組件，而且手機還有用戶的面部識別、虹膜識別。當前人臉識別技術已經在手機行業得到大范圍的普及推廣應用，手機制造商物分別將人類識別作為手機加密的基礎數據技術之一，而且通過面部識別來設計手機內的安全系統。通過面部識別來驗證、登錄手機，使用各類軟件，手機在短短幾毫秒那就可以解鎖。通信行業的終端公司通過加快推動人臉識別技術的研究，來提高自身的競爭優勢，提高人臉識別技術水平獲得更大的競爭市場。通信行業的終端公司大量地使用人臉識別技術，來普及技術并獲得更大競爭優勢。

5 結語

人臉識別是目前研究比較廣泛的技術之一，人臉識別可以用計算機來分析人臉圖像，通過檢測對比人臉識別庫中已形成的原有人臉圖像，來達到別人身份的目的。隨著當前科技技術飛速的發展，使用云計算云存儲。在通訊行業中，為人臉識別提供的技術應用場景，也而提供技術支持。隨著人臉技術的成熟，在城市的交通、金融、電信、智慧城市等領域，都有更大范圍的普及應用和推廣，也帶來了通信行業變革發展。

參考文獻

[1] 劉洋.非配合.非受控環境下的人臉識別技術及應用研究[J].中國新通信，2019（8）：152-153.

[2] 陳晨，胡鈺軒，凌家豪.人臉識別技術前瞻性研究與實際應用[J].中國戰略新興產業（理論版），2019（23）：1-2.