人脸检测与识别技术的发展及应用

新邵县第八中学 徐冬阳

一、引言

随着科学技术的不断发展，人脸识别广泛应用于生产和生活的各种场景，人脸识别也已经对我们的日常生活产生了重大影响。人脸识别就是计算机通过图像或视频提取人的主要轮廓，并根据脸部的一些特征加以识别。如表1所示，相比其他生物识别方式，人脸识别技术具有易用程度高、接受程度高、准确度高的优越性，且成本较低，稳定性好[1]。

表1 生物识别方式的对比

人脸识别广泛应用于互联网，现在人人都在使用的面对面聊天就要应用到人脸识别，在安全方面应用更为广泛，以前人们为了保密可能会设置一串又一串数字密码来保护自己的隐私，可这样容易忘记，也容易被盗，可随着人脸识别技术的应用，人们的隐私得到保护，安全性更高，操作性更便利。在某些极端情况如光线较暗时，人脸识别技术的效率和准确性尚有有待提高，也是当前本领域的研究热点[2,3]。

二、人脸检测技术的分类

人脸检测技术分为传统人脸检测识别检测和现代人脸识别检测，传统人脸检测主要是利用简单的固定模板进行匹配或者基于人脸的检测方法，这类方法能够对人脸对象前景突出，背景色单一以及人脸正向的情况进行简单的人脸识别，可缺点也很明显，不适用于非理想的环境[4]。当前人脸识别检测技术主要有三类：基于模板匹配的人脸检测技术，基于特征的人脸检测技术和基于统计的人脸检测技术[5]。

（1）基于模板匹配的方法

首先需要建立一个比对的模版，然后定位到目标人脸位置，将提取到的图像与数据库中的标准模板相比较，进而判别两者的相似度。基于模板匹配的方法在目标姿势标准、图片清晰度高时，效率和准确性均较高，但图片比较模糊时检测效果比较差。

（2）基于特征的人脸检测技术

根据使用特殊类型和特征个数的不同，主要分为单特征分析方法和组合特征分析方法。所谓的单特征分析就是采取单个特征组成的特征向量来表现人脸特征，颜色和纹理等单个特征，并根据一定的规则来描述这些单个特征对于的特征值与人之间的映射关系。基于特征的人脸检测技术实际上是用表征人脸特征的向量描述，利用人脸在某个特征空间上的分布规律，并且基于特征的统计方法相对以前的各种方法更加优越，并且发展潜力较大。

（3）基于统计的人脸检测技术

本方法根据统计原理，需要事先搜集大量图片组成样本库，这些图片中包含了人脸信息和其他信息，系统对样本库中的人脸图片和非人脸图片进行统计学分析，根据算法对人脸图片的筛选和分类，即获得人脸正、负图片的分类器。利用此分类器，便可对新输入图像进行人脸检测判别。

三、人脸识别技术的分类

人脸识别技术的发展较为迅速，发展大致可以分为三个阶段。第一个阶段主要通过研究分析人脸的面部特征来进行识别，该阶段的主要特点是无法实现自动化识别，完全需要人员完成。第二个阶段是人机交互式识别阶段，主要用几何特征来表达人脸正面图像的特征，可是此阶段仍然需要操作人员的经验知识，仍能达到完全自动化的识别目标为目的。第三阶段已经属于机器识别阶段，相对于前两阶段有了质的飞跃。随着高效图像算法的出现和计算机性能的进步，自动人脸识别技术已经取得了快速发展[6,7]。当前，人脸识别的方法主要可以分为以下三类：

（1）基于模板的方法

基于模板方法应用比较常见，其主要原理为弹性图匹配的方法，其操作过程：首先记录人脸的主要信息，然后利用弹性匹配法将所数据库中的图像与识别人脸进行对比，判别二者的匹配程度，从数据库中筛选出匹配程度最高的图像，完成识别任务。

（2）基于特征的方法

基于特征的方法又可以分为基于表象的方法和基于结构的方法。基于表象方法的输入对象不是人脸的某一特征，而是将人脸整体作为输入对象，作为一个整体的人脸与已知人脸数据库进行匹配，另一种就是基于结构的方法，基于结构方法的结构匹配方法是根据人脸图中的局部特征在人脸图像中的位置和各自自身的结构确定对人脸图像进行识别。

（3）基于神经网络的方法

目前基于神经网络的人脸识别方法应用比较广泛，其中基本原理是将神经网络作为一个分类器，首先输入人脸的若干特征，神经网络进而根据这些特征完成模式分类。神经网络可以来模拟人的多种行为，可以从复杂的数据中形成一个完整的辨识系统，发现同一人脸多幅图像中存在的共性特征。神经网络的最大优势是具有学习功能，这也是最有潜力的一种识别方式。

人脸识别往往需要采用现有的两种或更多种方法相结合，其中不同技术的组合方式，提高识别率和识别速度，减少计算量，都是值得人们去探讨的[8]。

四、应用前景

因为人脸识别技术在技术上准确性高、接受程度高、易于配合、安全性高、具有长期性、并且检测成本低，所以应用范围广，必定会应用于多种行业领域。比如动态检测的应用，其主要应用场景为火车站、机场和海关等人流密集区域，系统与公安或边防部门的内部数据库连接，通过自动人脸检测与识别系统可以迅速排查犯罪分子，这样可以大大提高筛查效率，减少了工作人员的工作量，有效震慑犯罪[9]。

目前人脸识别已经广泛用于各种行业如：金融、司法、军事、公安、海关、政府、航天、教育、医疗、网络等多行业，对数码相机、娱乐、企业、住宅安全、信息安全、自助服务等领域有重要意义。近年来第二代身份证的成功使用为我国人脸识别技术奠基了基础，人脸识别技术已成功应用于大型国际赛事，如在北京奥运会开闭幕式典礼便成功应用人脸识别技术。人脸识别日益受到重视，国家在此项技术上必将在人力、财力、科研上加大投入，将人脸识别技术在更多的行业领域应用。

五、总结展望

相对于其他生物识别方式，人脸识别技术具有操作简单、非接触性、非强制性的优势，人脸识别的安全性和准确性也更高。近年来，人脸检测和识别技术获得了极大的发展，在诸多领域获得了应用。反过来，应用场景的需求也推动了人脸检测和识别技术的发展。随着技术的发展，人脸检测和识别技术将会应用在更多领域中，如智能无人驾驶车领域。

[1]李武军,王崇骏,张炜,陈世福.人脸识别研究综述[J].模式识别与人工智能,2006,19(01):58-66.

[2]陈绵书,陈贺新,桑爱军.计算机人脸识别技术综述[J].吉林大学学报(信息科学版),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,王晓华.融合全局和局部特征的人脸识别[J].电子测量与仪器学报,2013,27(09):817-822.

[5]邹国锋,傅桂霞,李海涛,高明亮,王科俊.多姿态人脸识别综述[J].模式识别与人工智能,2015,28(07):613-625.

[6]王辉麟,安然,史宏.铁路车站安检人脸识别系统的应用研究[J].中国铁路,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]师文喜,王德勇,敖乃翔,连礼泉,赵学义.三维人脸识别技术在安防领域的应用研究[J].中国公共安全(学术版),2016,(02):127-131.

[9]李海跃,谭郁松,伍复慧.海量视频人脸提取与识别并行框架设计及优化[J/OL].计算机应用研究,2017,(12):1-8.