人脸识别技术的研究与应用

邹金花

摘要：随着现代社会科学技术的高速发展，很多智能化技术和手段得以应用和发展，而且应用比较广泛，比如身份识别、刷脸支付、安保支付、光学和产业行业等等，在实际工作和生活中都有著非常广泛的应用。文章首先概述了人脸识别，然后列举了集中重要的人脸识别算法的原理、核心、实现的介绍，第三是对人脸识别算法应用和不足之处。最后，人脸识别的总结，人脸识别是人工智能在计算机视觉领域的一项重要有价值的应用，对其展开深入的研究就有重要的积极意义。

关键词：人脸识别;算法;智慧校园

中图分类号：TP18        文献标识码：A

文章编号：1009-3044（2019）28-0199-02

Abstract： With the rapid development of modern social science and technology， many intelligent technologies and means have been applied and developed. They are widely used， such as identity recognition， face brushing payment， security payment， optical and industrial industries， etc. They have a very wide range of applications in real work and life. This paper first outlines the face recognition， then lists the principle， core and implementation of the centralized important face recognition algorithm. The third is the application and shortcomings of the face recognition algorithm. Finally， the summary of face recognition shows that face recognition is an important and valuable application of artificial intelligence in the field of computer vision， and it is of great positive significance to conduct in-depth research on it.

Key words： Face Recognition; Algorithms; Smart Campus

1 人脸识别概述

人脸识别技术是一种基于提取人体脸部特征信息，对身份进行识别的计算机生物识别技术，以信息来源来划分可以分为静态图像信息和动态视频信息两种。它将计算机图像处理技术与生物统计学原理融合起来，通过计算机图像处理技术，再从视频中提取人像的一些特征，通过分析生物统计学的原理，建立数学模型，存储在电脑中，来达到身份识别的目的。人脸识别技术是人工智能发展的产物，它在计算机的辅助下提取人脸信息，通过相关技术识别，这种技术能用作人像身份识别的工具，所以我们把它称之为人像识别。人脸识别对我们平时的工作生活产生了重大影响。特别是云计算、大数据、互联网等服务方面的逐步提升，大大推动着人脸识别技术渐渐趋向成熟，发展领域不断扩大。人脸识别技术的优势就在于通过扫描人脸，自动提取相关特征，并系统检测和比对，从而快速完成图像处理与鉴定识别，通过这样来达到验证身份的目的，整个过程很快，几秒之内即可完成。以前，人脸识别技术主要应用于安防金融一些领域。而现在，随着生活的丰富，只要你稍加留心一点，就会发现，刷脸设备处处存在。刷脸检票、刷脸支付、刷脸门禁等等处处皆有。特别是在北上广等一线城市，用手机即可享受吃穿住用行。现在的这种智能化身份认证方式越来越普及，人脸识别技术将的前景不可估量。人脸识别现在应用已经融入了人们生活中的方方面面。

2 人脸识别的算法实现

1）Adaboost算法

Adaboost算法的原理，此算法来源于机器学习，原理相对简单，通过学习，找到相互间的不同特征。训练子集，得到弱分类器后，将它们的集合，重新分配权重，才组成强分类器。[1]

算法的简单介绍，Adaboost算法是由“Adaptive Boosting” （自适应增强）而来的，对于一个样本集，通过它们的特征值，并且特征值规定了相等的概率，训练后，得到弱分类器，反复训练，每次训练后得到的最优弱分类器，集合成强分类器，然后排列，得到级联分类器，最后通过级联分类器对非人脸和人脸排除，来达到想要的分类效果。

Adaboost的核心思想就是将弱分类器得到强分类器。通过级联分类器来检测得到的样本是不是正例（脸部这块区域），如果检测到的是正例，送到下一个强分类器继续检测，如果不是，即负例（非人脸区域）立即抛弃，这样人脸检测的速度将大大提高。

2）LBP算法

人脸 LBP 特征提取，局部二值模式（ LBP） 是一种图像的纹理特征。将图像领域内的像素值跟中心像素值进行比较，大于中心点像素值我们可以记作 1，否则记作 0，这样将构成一组 0，1 组成的二进制编码，这就是局部二值模式。当邻域为 3×3模式的时候，8 个像素点构成的 8 位的二进制编码正好转化为十进制。圆形 LBP 算子将局部二值模式 3×3 邻域进行扩展，并用圆形邻域取代了正方形邻域，圆形LBP 算子可以在半径为 R 的圆形邻域取 N 个像素点，用尺度（ N，R） 表示[2]。

LBP算法可以经过改良，是一种比较有效的纹理描述算子，跟以往的传统算法相比，有了很大的提高，大大提高了机器的实时性，处理人像速度也有很大提高。

3）PCA算法

PCA算法是一种基于统计学观点，即主成分分析人脸识别算法，属于人脸识别范畴。

我们可以通过PCA算法，提取到标准的人脸特征向量，将这些向量加权起来，可以表示人脸图像。人脸识别算法有很多，PCA算法比较适用于高校智慧校园的应用。比如高校图书馆的用户数量不是很多，故数据库容量不大，因此要求的精度也不是很高，所以在精度和识别速度上，PCA算法可以满足需求。PCA算法成本低，容易实现。其中PCA算法的核心思想是找出最具有代表性的人脸特征。PCA算法分为测试和学习两部分，学习部分通过机器学习算法，建立人脸特征数据库;测试部分主要是测试算法的精确程度。

3 人脸识别在智慧校园中的应用

目前，人脸识别在基础业务、消费支付、安全类应用、个性化服务等领域都有广泛的应用，而人脸识别在智慧校园的应用也越来越广泛。用人脸识别作为身份识别的关键技术，通过采集“智慧校园”中真实有效的访客和师生的身份数据，提前将师生的身份信息和人脸信息录入，通过人脸识别系统来实现智能化管理。相比较传统的身份证或者校园一卡通身份识别，比如图书借还，充值缴费，考试审核等等情况，传统的方式容易出现使用他人证件顶替冒用的情况发生，或者是非法进入限制人员出入的范围。人脸识别过程中，对于人脸识别信息库中没有的信息，或者是一些非法人员的信息，人脸识别系统会自动识别，或者报警，通过各种方式将信息传达给相关部门，进行处理。

目前，有些高校已经开始逐步推进人臉识别在校园中的应用，例如，武汉大学，中山大学，浙江大学等，相继开通了人脸识别系统，通过人脸识别，绑定校园一卡通，实行无感支付，大大提升了校园的安全级别，实现智慧校园平安校园。人脸识别在教学中起到了很好的管理作用，预防了代签到，代课，代考试等情况的发生。为教学质量的提高，预防教学事故的发生起到了很好的作用。

人脸识别系统，大数据分析等，提高了学生、教职工在校内工作、科研、学习的效率，最终实现了智能化个性化的应用服务。

4 人脸识别技术在智慧校园的不足

1）人脸的表情：人的面部表情会有多种变化，跟外界因素也有顶一顶的关系，因此，很难通过精确的模型来测量。不管国内还是国外，现在也没有一套非常完善的人脸识别系统，关键的技术有待进一步的完善和优化。

2）人脸识别的安全漏洞：人脸识别中，人脸识别的对比，还是通过算法，不可避免会有一些误判的情况。

3）不同个体的特征区别：在不同个体之间，机器对于大部分相似、外观也接近的人脸结构，不太容易区分。

4）采集信息的环境：对于采集信息的环境，包括外部环境、设备、光线亮暗敏感度和强度等要求比较高，这些因素都会影响识别的精确程度。

5）人脸部等的变化：比如整容，毁容，变老等等，都会对识别造成一定的影响。

虽然人脸识别技术在应用和技术上有了很大的发展，但是还是存在一些因素的制约，使得人脸识别系统在实用性和安全性等方面没有达到人们预期的一些效果，有待完善和提高。

5 总结

人脸识别作为人工智能时代信息发展的产物，在智慧校园中的应用也是比较广泛的。不管从效率上还是实施的效果上，都优于传统方法。取得了一定的进步。人脸识别的算法也有多种，文中很好地阐述了几种算法的原理，核心等。人脸识别在智慧校园中应用，身份的识别，一卡通的应用等，通过合理应用人脸识别技术，结合校园安全考虑，大大提高了校园的安保安防等。打造更好的校园学习、生活环境。人脸识别是一个具有挑战性的课题，虽然取得了一定的成绩，但是还是面临一些不足和困难，比如对人脸识别的环境要求高，识别的安全漏洞，表情，以及整容等，就不太容易识别。因此，对人脸识别的进一步分析和研究，可能是人脸识别后面一步的发展方向，希望借助科技的力量和研究，得到很好的发展和应用。

参考文献：

[1] 司凤玲.基于嵌入式技术的人脸识别门禁系统设计与实现[D]. 武汉纺织大，2018：27.

[2] 李昌湘，白创.嵌入式人脸识别系统设计与实现[D].长沙理工大学，2018：116.

【通联编辑：唐一东】