人臉識別技術發展現狀與未來趨勢分析

何燕琴 吳戀 郭清粉 曾桂南

摘 要：人臉識別技術指基于人的臉部特征，對輸入的人臉圖像或視頻流進行判斷，依據臉的位置、大小和主要器官提取出人臉中所蘊含的身份特征，并與已知的人臉進行對比，從而識別人臉身份的一種技術，并且廣泛應用于各領域。基于此背景，文章對幾類常見人臉識別技術進行介紹，并對人臉識別的應用現狀進行研究，探究當前人臉識別技術在各個領域的應用狀況，同時對現狀進行分析，提出未來人臉識別技術的發展趨勢。

關鍵詞：人臉識別;現狀;發展

0? ? 引言

當今，隨著大數據時代的來臨以及人工智能和物聯網技術的更新發展，智能時代已經悄然到來。許多技術迎來了史上重大的發展機遇，其中人臉識別技術更是脫穎而出，成為智能時代下的“寵兒”，并被廣泛地應用到各個領域。由于計算機的不斷完善，人臉識別技術的功能也更加豐富，并且安全性能也在逐漸提高，因此被應用在安全驗證、身份識別、公安照片搜索系統、門禁系統等方面。此外，人臉識別技術的應用很廣泛，被應用到經濟、教育以及醫療等行業。就目前人臉識別的發展狀況來看，未來幾年仍維持一個高速發展的趨勢。對于我國而言，人臉識別技術在未來幾年將處于良好的發展階段，其范圍將不斷擴大[1-3]。

1? ? 人臉識別在國內外發展的現狀

1.1? 人臉識別的發展歷程

人臉識別技術是一門20世紀70年代才出現的技術，其發展較為迅速。近年來，由于人工智能、大數據、云計算等技術的創新，人臉識別技術作為人工智能的一個重要應用領域得到了迅速發展。而且在2006年，深度學習更是作為機器學習的一個分支，成為一個新的研究方向。深度學習與傳統的計算方法相比，程序的執行速度更快，足以滿足工業場景中的各類算力要求。基于此現狀，人臉識別技術煥發出來的光芒更加耀眼[4-6]。根據研究領域的數據分析，可以將人臉識別技術的發展分為3個階段，具體如下。

1.1.1? 半機械識別階段

此階段的主要內容是將簡單的命令與數據庫中的臉譜進行比對，結合指紋識別的技術，經由測驗分析最后獲得比較可靠的識別結果。但是，人臉識別的全過程需要融入操作人員的所有操作，因此嚴重缺乏自動化。

1.1.2? 人機交互識別

在該階段，人臉識別技術得到了質的發展，因為研究人員已經可以成功地使用該算法完成人臉的高級識別。例如，Kaya等人采用統計方法對人臉識別進行了基礎研究，采用歐氏距離作為人臉表示。但在這一階段，仍然需要操作者的參與，即“全自動”的人臉識別方法無法實現。

1.1.3? 全自動人臉識別

長期以來，半自動的人臉識別技術一直伴隨著人類。直到1990年以后，高性能計算機的出現和人臉識別技術的創新發展，人臉識別技術才真正由半自動識別進入全自動識別階段。

1.2? 國內研究現狀

國內關于面部識別的研究可以追溯到20世紀80年代初，研究站點比較多。從20世紀80年代，清華大學、中國科學院、復旦大學等頂尖大學開始了對人臉識別技術研究并且有了一定的研究成果。自2001年起，國家支持一些專門部門利用人臉識別技術預防和打擊犯罪分子。該項技術的使用表明中國已進入大規模使用階段。而且在人工智能的浪潮下，人臉識別技術更是迎來了空前的發展機遇，在各個領域獲得了驕人的成果。根據SooPat數據顯示，2018年，中國人臉識別行業專利申請量為3 487項，略高于2017年，公開專利5 200件，同比增長93%。

1.3? 國外研究現狀

與國內相比，國外的人臉識別技術發展相對比較早，如美國、日本、德國等發達國家從很早就開始從事該項技術的研究。且有研究表明，20世紀90年代初，日本已經成功研制出的人體圖像識別系統能在一秒內從3 500人中識別出這個人，以下將取其中兩個國家作為例子。

1.3.1? 美國

美國是第一個研究人臉識別的國家，也是最早使用該技術的國家之一，其人臉識別技術一直走在世界前沿。據已有資料，美國國防部于20世紀90年代啟動了FEET項目，這為將來生物特征識別奠定了基礎，并加速了人臉識別技術的發展。目前，公共場所門禁系統的使用、機要部門核心設備通過指紋解鎖，利用街頭攝像頭識別抓獲犯罪嫌疑人等技術在實際生活中已經被廣泛使用。因此，美國的安全部門為了確保公共場所的安全，增加了對人臉識別技術的資金和人力資源的投入。

1.3.2? 日本

盡管日本使用面部識別技術的時間相對較晚，但其技術發展卻日新月異。在2014年，由日本主持研發的一種基于視頻的面部識別技術在日本的大阪進行了測試。它的功能是在危險來臨時，通過實時監控面部表情和人流動態，判斷每個出口是否可用。近年來，日本已經意識到人臉識別技術帶來的益處，因此加快了對該技術的研究。2020年疫情期間日本的Glory公司研發出了一套可識別佩戴口罩人臉的人臉識別系統，即使口罩把大半個臉遮住仍然可以被識別出來。

2? ? 人臉識別的算法框架及識別方法

2.1? 算法框架

面部識別技術是屬于模式識別的問題，主要包括在線配對和離線學習兩個部分，如圖1所示。

2.2? 常見的人臉識別方法

隨著智能時代的到來以及計算機技術的高速發展，人臉識別技術呈現出百家爭鳴的態勢，識別方法更是層出不窮。而且在靜態圖像識別的領域中，也出現了百花齊放的趨勢。下面將以兩種常用方法為例。

2.2.1? 基于幾何特征的人臉識別方法

幾何特征的識別技術也稱為結構匹配技術，是早期使用的人臉檢測方法之一[7-10]。該方法通過面部拓撲結構的幾何關聯經驗，將人體面部器官視為公共幾何，采用基于結構的方法得到面部主要器官的特征。該方法是采集人臉的重要特征及其相對距離、特征分布等參數，形成一個能代表人臉的特征向量，如角度、曲率等。這種識別方法的優點是抗干擾能力強，存儲容量小，對光照變化的敏感度低，并且可以實現有效的人臉描述。然而，該算法只關注器官的基本形狀和位置結構，而不關注細節，因此存在一些問題：（1）從圖像中提取典型特點相對困難;（2）表情和神態的劇烈變化穩定性較差;（3）容易造成信息部分丟失 。

2.2.2? 基于模板匹配的人臉識別方法

模板匹配主要包括靜態匹配法和彈性匹配法，其中彈性匹配法又可分為動態匹配法、特征面法、線性判別法等。靜態匹配方法需要對圖像進行適當的標準化，然后利用整個圖像的灰度、生理特征區域的灰度和變換后的人臉圖像進行模板匹配。由于靜態匹配模板的靈活性較差，當人臉表情過于復雜時，無法使用該模板，因此，產生了動態模板匹配。該方法基于人臉形狀可變部分的特征參數模型。該方法的獨特之處在于它的活動性大大提高，更適合于多種情況下的人臉檢測。但是由于該方法的計算速度很慢，計算周期較長，所以容易陷入局部極小值的缺陷。

3? ? 人臉識別技術發展趨勢

經過多年的研究實踐，面部識別技術已經取得了許多成果，但是就目前的發展而言，人臉識別技術在各個領域的應用仍然面臨著許多的難題。

（1）局部特征和全局特征的統一結合可以有效地描述人臉特征。因此，如何有效地獲得并結合局部表征和全局表征是值得進一步探討的問題。

（2）在面部識別過程中，我們必須面對相機，并且圖片中的面部必須具有一定的像素寬度才能提供可靠的面部識別。但是，在具體的應用期間，不能夠完全地滿足這些條件，這種不確定性對人臉識別技術的使用造成一定難度。因此，未來的識別技術需要不斷提高算法的精準度。

（3）3D算法能夠處理多種變化因素，并且該方法對處理傳統的人臉旋轉、遮擋、相似等問題有很好的效果，但因為三維人臉識別算法的應用還處于探索階段，因此該方法擁有很好的發展前景。

（4）人臉識別技術面臨的信息安全。大數據時代，人臉識別技術展現巨大的發展潛力，但是弊端也隨之體現出來，那就是個人信息泄露問題。首先，人臉識別技術是近年來才興起的技術，因此很多應用仍處于探索實踐階段，所以判斷錯誤帶來的風險難以避免。其次，由于網絡安全的防護能力不足，存在數據泄露的隱患。怎樣保護信息不會泄露將成為一個研究的方向。

4? ? 結語

面部識別技術是一門難度高且內容復雜的技術，掌握該技術需要了解很多專業知識并且要熟練的運用。但是隨著大數據時代的來臨，人臉識別技術的益處已經在各個領域得到完美的體現，因此掌握和運用該項技術已經變成不可或缺的部分。但是由于該技術屬于近年來才興起的技術，所以存在很多的缺陷，例如，準確性不夠精準、速度不夠快等。 但是隨著越來越多的研究者和研究機構的加入，這些問題的解決只是時間問題。相信在不久的將來，人臉識別技術將會繼續不斷地完善和更新，并且能夠更好地為人類服務。

[參考文獻]

[1]張翠萍，蘇光大.人臉識別技術綜述[J].中國圖像圖形學報，2000（11）：885-894.

[2]姜賀.基于幾何特征的人臉識別算法[D].大連：大連理工大學，2008.

[3]吳巾一.人臉識別方法綜述[J].計算機應用研究，2009（9）：3205-3209.

[4]余龍華.基于隱馬爾科夫模型的人臉識別[J].計算機技術與發展，2012（2）：25-28.

[5]]白冬輝.人臉識別技術的研究與應用[D].北京：北方工業大學，2006.

[6]梁路宏，艾海舟，何克忠.基于多模板匹配的單人臉檢測[J].中國圖像圖形學報，1999（10）：825-830.

[7]本刊編輯部.北京銀行上線人臉識別技術[J].金融科技時代，2017（3）：34.

[8]潘周嫻，陳適，潘慧，等.人臉識別技術的醫學診斷應用的發展與現狀[J].基礎醫學與臨床，2016（12）：1747-1750.

[9]吳維嘉.智能人臉識別技術在安防行業的應用與發展變化[J].中國安防，2016（6）：21-22.

[10]嚴超，蘇光大.人臉特征的定位與提取[J].中國圖象圖形學報，1998（5）：375-379.

（編輯 王雪芬）