視頻圖像中人臉識別技術的發展與應用研究

李慧穎

（中國石油化工股份有限公司勝利油田分公司技術檢測中心，山東 東營 257000）

1 人臉識別技術的難點分析

人臉識別技術是一項利用計算機對人臉數據進行分析、識別，以實現身份識別和身份認證的技術，該技術的基本原理是在對人臉圖像進行預處理后，提取出有代表性的特征，之后將其與數據庫中已有的人臉圖像進行比對，并進行相似度的精準匹配與精確計算，從而判斷其屬于哪一個人，或是否與數據庫中的人臉圖像相匹配，最后完成身份的識別[1]。但是，這項技術也有一定的制約性，要先確定畫面是否有人臉，再對其進行識別判斷。同時，人臉的面部毛發和化妝品以及外界環境等也會對面部檢測造成較大的影響。人臉識別技術中包含人臉辨別，這就需要將人臉數據和指定的數據庫中的已知數據進行比對，從而獲得更詳細的信息。另外，人臉識別技術在應用期間還需要對面部表情進行信息分析，對不同的情緒和細微表情進行歸納整理。由于人臉的表情過于豐富，數據庫中含有的數據并不能包含人臉的所有表情，因此在識別期間也會出現一定的誤差。同時，網絡病毒的干擾會導致視頻圖像人臉識別在應用期間出現黑屏或者卡頓現象，影響整體使用時效性。為了將這種影響度降到最低，就需要工作人員提高視頻監控系統的安全等級，實現防護一體化[2]。

2 視頻圖像中人臉識別預處理技術

2.1 直方圖均衡化技術

在視頻圖像中，采用直方圖均衡化技術的人臉識別預處理是一個比較常用的圖像質量增強方法，也叫作灰度均衡。圖像增強方法是圖像視頻人臉識別預處理方法的前期處理方法，主要是通過一定的技術手段提高圖片的視覺效果，從而提高人臉識別技術對圖像的提取精準度。直方圖均衡化技術的基本原理是將最初圖像的直方圖變換為均勻分布的形式，使得圖像的整體對比度得到一定程度的改善，在一定程度上提高像素灰度值的動態范圍。利用直方圖均衡化技術對視頻圖像進行前期預處理，能夠增強特征降維之前的圖像均衡化效果。通常情況下，視頻圖像的對比度較小，其直方圖分布一般也會集中在比較小的范圍內。進行直方圖均勻化處理，能夠使視頻圖像的灰度級出現的概率相等或高度相似，進一步提高視頻圖像的對比度和清晰度，使得視頻圖像的信息量大大增加。

2.2 圖像平滑技術

圖像平滑是一種有效減少或者抑制噪聲的圖像處理技術，在一定程度上能夠提高人臉識別的精準度，提升并促進人臉識別技術的應用。圖像平滑技術在應用期間基本不會影響圖像本身的線條和輪廓的清晰程度，通過采用圖像平滑技術的頻域法和空域法，還能夠有效地提升圖像平滑度，進而推動人臉識別技術的發展。此外，對視頻圖像中的人臉進行平滑處理，可以采用鄰域平均法對圖片視頻中的細小噪聲進行抑制，使得圖像視頻整體的人臉辨別度更高，更加便于與數據庫中的已錄入數據進行高精度匹配比對。但是鄰域若是超過一定范圍，圖像的細節就會逐漸消失，圖像整體就會變得非常模糊，會影響人臉識別的效果。此時就只能采用取閾值的鄰域平均法來計算，按照鄰域平均值將得到的總像素數乘以各點像素的原數值，若是所得到的結果絕對值比預設的閾值大，則使用平均值替代；若是沒有超過，整個圖像的原數值也不會發生改變。通過圖像的平滑技術能夠提升視頻圖像中人臉的清晰度，進而推動人臉識別技術的創新發展。

2.3 圖像放縮技術

利用圖像放縮技術能對人臉信息進行宏觀調控，從而對人臉進行有效識別。在視頻圖像中人臉與攝像頭的距離會不斷變化，因此截取到的人臉大小不同，能提取的人臉范圍也不盡相同。為了更好地解決人臉圖像大小不一的問題，滿足后續特征降維和識別的要求，可通過圖像放縮技術對人臉圖像進行放縮，進而獲得統一的人臉圖像。視頻圖像放縮技術在操作期間可以通過一對互相制約的要素進行處理，即圖像的處理精度和圖像的處理速度。在通常情形下，為了獲得更高速度甚至實時的圖像傳輸，可以使用比較簡單的計算或者運算量較小的計算。想要得到精度更高的處理結果，則需要使用復雜的算法，但是這種更高精度級別的算法會影響系統的運行速度和反應速率，所以并不推薦這種算法[3]。目前視頻圖像中人臉識別技術利用最近鄰插值算法，能夠有效地提高圖像的放縮速度和放縮效率，輸出像素灰度值等于距離該點映射到的位置最近像素點的灰度值，最終促使人臉識別技術不斷地精簡算法，提高自身的識別速率，加快系統的運算速度。

2.4 光照補償技術

視頻圖像中人臉識別技術的光照補償技術能夠較好地對人臉進行光照補償，在一定程度上使得人臉色彩鮮明，進而更好地幫助進行人臉識別驗證。大多數的視頻圖像，很容易受到室內或者室外光源的影響。當光照不均勻時，截取圖像中的人物面部亮度也會不均勻，產生的陰影容易給人臉圖像識別造成不同程度的影響。因此，利用光照補償技術，可以對視頻圖像中的人臉進行良好的光照均衡補償，從而讓人臉識別的過程變得更順利，減少不必要的誤判。

3 視頻圖像中的人臉識別技術應用分析

3.1 人臉檢測算法技術

對視頻圖像中的人臉識別能夠利用動態檢測技術和靜態檢測技術進行分析處理。動態監測技術一般稱為差分檢測，利用兩幀進行差分來檢測出位移變化的人臉區域，這種方法較為簡單，但是對于光照捕捉不夠明顯，并且對人臉的運動速度有較高的限制，一旦人臉移動的速度過快或者過慢，圖像容易產生“洋蔥皮”效應，就會影響檢測的結果。而靜態人臉測試技術則是先提取視頻圖片中的一幀作為待測試圖片，然后再利用人臉的共同性以及周圍環境的相似性進行分類，再對人臉圖像做鑒別處理。由于靜態測量方式在使用期間不需要考慮人臉的動態位移速率，因此能夠有較強的適用性。在靜態圖像的人臉識別檢測技術中可以基于幾何形狀進行分析、基于面部曲線變形模板進行分析、基于馬賽克技術進行分析、基于模板匹配進行分析、基于神經網絡進行分析和基于級聯分類器進行分析[4]。基于幾何形狀的檢測算法在使用期間主要利用人臉的輪廓形狀或者對稱性檢測人臉，運用灰度信息和邊界信息來進行分析，這種算法使得人臉識別技術更加的精準；而基于面部曲線變形模板則主要根據人臉以及面部器官結構分布的特點來進行分析，然后進行曲線建模，提取曲線，最終通過模型匹配的方式檢測人臉；基于馬賽克技術則利用多分辨率的圖像馬賽克技術進行多層次的匹配來檢測人臉，通過此方法能夠迅速地實現圖像分布模式匹配，使得人臉識別功能更為的有效；基于模板匹配進行分析則主要研究人臉數據的圖像分布原理，利用人臉的模板進行數據匹配。但是此方法在運用期間對光照的要求較高，所以運用期間要非常注重光照和角度條件；基于神經網絡技術的方法也是采用了機器學習的方法，可以通過對某一區域的人臉圖像進行分類器輸入，進而確定此區域是否屬于人臉區。不過因為在測試時對圖像的尺寸還不能確定，因此，必須對不同尺寸的圖像進行分別檢查，否則會影響系統的檢測速度；在基于級聯分類器技術進行人臉檢測識別期間可以先構造一個分類器，接著在待檢測的圖像上設置子窗口，最后再進行信息變換，通過這種方式，可以對視頻圖像中的人臉識別技術進行更深入的分析與探討，從而使得人臉識別的檢測過程變得更快、更有效。

3.2 幀間差分的人臉識別檢測技術

視頻圖像中人臉識別是動態的，所以在識別分析過程中要同時對正反兩視頻幀進行差分測量，以便識別移動的人臉位置。使用幀間差分的人臉識別檢測技術方法可以簡單高效地對人臉進行識別檢測，并且還可以一定限度上忽略光線的干擾。幀間差分的人臉識別檢測技術的適用性較高，整體實用性也比較高，但此技術在使用期間對人臉的運動速度也有一定限制，若是人臉運動得過快或者過慢，人臉識別結果就容易出現誤判；若是檢測出的區域過大，同時包含很多非人臉區域，也會影響人臉識別的最終結果。通常在使用幀間差分的人臉識別檢測技術時必須先在視覺圖像上獲得視頻幀一和幀二，然后再對二者進行差分，并取差的絕對值進行二值化，這樣有利于后期圖像處理的水平和垂直投影操作，最后再對經過二值化后的圖像做水平和垂直投影求邊。通過幀間差分的人臉識別檢測技術能夠較好地檢測出人臉的各條邊界，在所求人面的左右邊緣之間，再分別依次從兩邊向中間做閾值測量，所設定的閾值為人臉的邊界，同理在進行人臉上下邊界識別期間也可以按照同樣的方式進行分析。

3.3 膚色模型的人臉識別檢測技術

由于視頻圖像中人臉面部的顏色分布依賴于所選取的顏色空間，因此顏色空間的選取非常重要，在人臉識別檢測期間要選擇顏色空間受亮度變化影響最小的空間，不僅能較好地限制膚色區域，還能使得人臉識別操作在檢測期間更加的順利[5]。根據分析可知，雖然人的皮膚顏色有較大的差異，但是其在色度上的差異比亮度上的差異要小，所以通過對色度進行分析，能夠建立相同的二維高斯模型。膚色模型的人臉識別檢測技術能夠對視頻圖像中的人臉進行分析處理，使其色度能夠集中在同一個區域中，具體的工作流程是先建立膚色模型，將視頻圖像變為二值圖像進行處理，再選取適當的門限值，把人臉皮膚與非膚色區別開來，找到可能是人臉皮膚的部位，然后再對不同特征的臉區和非臉區進行檢測。現階段膚色模型的人臉識別檢測技術雖然能夠有效地測出人臉區域，但是因為光照的原因無法檢測人耳朵的具體區域，所以，一定程度上講，這種膚色模型的人臉識別檢測技術仍然受到很大的制約，加之在識別時還容易受到光照的影響，所以這項技術還需要不斷地改進完善。

4 視頻圖像中人臉識別技術的發展前景

現階段視頻圖像中人臉識別技術的發展已經取得了一定的成果，并且能夠運用在較多的領域中。視頻圖像中人臉識別技術最常用的方向就是安保系統，隨著國家的不斷發展，運用人臉識別技術對安保進行加強成了現今的潮流趨勢。同時運用視頻圖像中的人臉識別技術還能夠進行人員跟蹤、車輛識別等，可以有效保障民眾安全。在安保、監獄管理等領域，視頻圖像中的人臉識別技術也將擁有更大的發展空間，而人臉識別技術又以其高效的便捷性以及精準度可以用作遠程面部鑒定或者用于電子支付等多個領域。雖然此技術現在已經發展到了一定程度，識別精度也相對較高，但是應用時還會受到來自各方面的影響，比如前文所提及的光線等因素，所以還需要做持續性的創新，以開拓更大更廣的應用范圍。

5 結束語

根據分析可知，人臉識別技術是一項應用適用性較高的技術，因此在創新發展期間要不斷地對其進行算法創新，從計算機技術和光學等不同領域對此進行完善處理，進而推動視頻圖像中人臉識別技術的應用發展。隨著我國經濟社會的高速發展，視頻圖像中的人臉識別技術將迎來更廣闊的應用前景。