人工智能中人脸识别技术的应用分析

李环

（郑州工业应用技术学院，河南郑州，451100）

1 人脸识别技术概述

1.1 人脸识别技术概念

人脸识别技术是通过机器自动化的对批定图像或视频中的人脸进行定位、身份识别，具有鲜明的自动化特征。其应用主要以相机或摄像机为基本接入工具，采集与人脸识别需求相关的数据信息，然后实施检测、跟踪、识别，因而一般也将其叫做人像识别技术或者面部识别技术。

1.2 人脸识别技术的发展历程

从人脸识别技术的发展历程看，人脸识别经历了主要的三大发展阶段，1964年到1990年属于其发展的早期阶段，主要以人脸面部几何特征为主要识别方法；自1990年到1998年则进入到了其研发高潮的过渡阶段，研究者与研究论文数量均获得了爆发式增长，其重点集中在多维特征矢量层面的人脸面部特征方面，尤其是麻省理工学院提出的“特征脸”（Eigen-face）在同行业内受到了高度评价。以此为分界点，自1998年到今天，人脸识别技术进入到了研发与应用的同步发展阶段，尤其是人工智能中人脸识别技术的应用范围涉及到了社会生产与日常生活的各个方面，加上各大科技公司加快了对3D模型人脸建模与识别方法的研究，人脸识别技术的应用正处于全面智能化的关键发展阶段。

1.3 人工智能中人脸识别技术

与早期阶段与过渡阶段的传统人脸识别技术相比，人工智能增加了机器智能行为，以深度学习方法为基本研究路径，通过主要的五大步骤实施人脸识别技术的应用。首先，搭建人脸识别系统，如获取图像与视频信息等。其次，通过检测定位与输入图像对人脸进行大小、姿态、位置的定位。第三，在建立的系统上根据定位获取的数据信息进行预处理，表现出图像具有的特征。第四，对预处理后的常规人类图像实施算法提取，并运用特征矢量进行识别，同时，把原始人脸空间数据以映射方式上传至特征空间。第五，通过分类器设计、决策，分类识别信息，并确定识别结果。

2 人脸识别技术的具体应用分析

以智慧生活中最常用的人脸识别门禁系统应用为例：

首先，该系统采用相对简单的轻型差别自归一化神经网络，简称ANN，以生物大脑神经元为原型，根据神经元自身包含输出值与神经元之间的在连接权值连接的特征，将其引入到了机器学习之中，提出了ANN神经元模型，以信号处理（内部强度默认）——树突P（强度权重）——传递函数之间的关联搭建了完整结构，通过卷积层（BN层）、池化层、全连接层（展平层）的三部分组合，能够训练图像、转化图像格式数据。该技术的非接触性延伸出了非侵犯性，大众易于接受。该技术的应用采用远距离数据采集方案，减少了生理伤害几率，也适用于隐蔽式监控与实时动态化追踪。具体可以参考图1。

图1 基于ANN神经元模型的分层架构系统

其次，当人脸以图像输入后，卷积层（BN层）就能够对输入图像进行生物特征提升，并在池化层进行采样，实施降维操作，并于全连接层（展平层）完成映射，映射到计算机空间，以概率分布的一维向量形式存在，达到分类效果。系统设计方面，首先设置人脸训练集获取模块，通过机器学习建立模型，具体操作中要求调用摄像头采集相对清晰的图像，一般要求正脸与侧脸及点头动作各两次即可。在训练集预处理模块，则将获取的照片进行地区裁剪，使其成为正方形，脸部在其中的占比要求达到82%以上，在人类识别习惯方面，本案例中应用的人脸识别技术适应性强，这种交互属性明显符合人类需求，如日常工作与生活中，透过人脸识别方式极易实现交互式协作，提升系统安全性与可用性，而且体现了个体化的独有属性，极易张显个体特征；因而只需在MATLAB图像三维矩阵进行统一处理，通过翻转、转向扩充训练。

第三，通过搭建加载AlexNet网络、调节参数、运行代码建立机器学习模块，并通过它获得学习结果，最后，只需要根据学习结果验证模块对每一个进门的人脸进行识别验证即可，而不在训练集中的人脸则会马上以异常信号进行显示并提出预警，尤其是该技术在识别方面的精准性高、识别速度快、图像采集成本低，应用推广十分便利。但是，应该人脸识别组件本身进行配套的型号、规格与系统设置选择；并在采集人脸图片、影像、实体时，对面部遮挡物、配饰、整容、蓄须与剃须、面部表情变化等进行综合采集；将人体面部的表情与身体部位的姿态进行对应规范。

3 人工智能中人脸识别技术的应用

3.1 教育领域的应用

教育是国家发展的基石，人工智能中人脸识别技术的应用将在教育领域发挥重大作用。

比如，教育公平中最为根本的考试与选拔环节，就能够通过对人脸识别技术的应用，克服以无线设备进行作弊的行为，并在整个考核期间实时动态化跟踪式监察，以起到预防作用。至于以相似人脸为基础的替代考试行为，则能够在人工智能的深度学习方式下，透过对相关脸部的多重要素组成加以识别。尤其是在线教育快速发展后，在跨地域教育、远程教育中，传统教育模式中的实时监管很难实现有效管理，比如，在新冠疫情期间，很多教育机构实施了在线教育，但是，透过手机学员在出勤率、学习状态方面相对松散，具有明显的懈怠行为，但采用视频记录与远程文件发送，以及在线听课签到与问答敲击数字的实证经验并不能证明学生的出勤率与学习状态是否处于真实状态，所以，证伪机制也难于建立。应用人工智能中人脸识别技术，可以使签到系统、学习状态均受到实时监控，确保学员在规定时间内按照教育教学要求完成自身的学习任务，因此，由此途径增加了在线教育缺乏的交互管理属性，能够帮助教育机构促进教师与学员之间的主动交互与客观约束，进而为教育领域的转型升级提供技术路径下的支持功能，并对一些关键环节实施监管与收集可证明相关行为的数据信息等。

3.2 安防领域的应用

与教育在国家发展中的基石作用相比，安防领域牵涉到国家的生死存亡，也关系到日常生活中民众的生命财产安全等。

比如，在我国全面实现现代化转型的新时期，社会化的活动范围与公共场所的人员流动频率均明显增加，尤其是不法分子混迹人群或非法行为较为隐性的发生等，在此类场合均无法进行精准判断。在评估此类风险后，可以在安防领域应用人工智能中的人脸识别技术，对不法非子实施预设性识别与警示，则可以有效化解其中的风险，并及时的运用安防资源配置震慑、逮捕犯罪分子。另一方面，公共服务质量提升，使公共场所的使用空间正在逐渐扩大，而人工检查识别往往会耗费较多资源，造成社会资源的浪费，也不利于工作效率的提升。此时，根据实际需求将人工智能中的人脸识别技术应用于公共安防空间，则能够通过公共摄像头、计算机处理中心的中心化控制方案，对其中的所有人员实施人脸自动化识别与监控。而且，能够对一些隐藏性较大的违法行为进行证据采集，比如，以地铁乘车为例，若发生偷窃、猥亵等非法行为时，就能够以人工智能中人脸识别技术采集数据信息，当违法者否认其非法行为时，就可以根据证据对其进行证伪，并保护其他公民的合法权益不受损害。另外，新时期的人脸识别技术在安防领域的智能化、高效化、精准性应用，可以借助信息获取动态视频监控系统与静态图像，并对其实施系统内的对比分析。比如，动态化视频监控系统中的人脸识别技术应用多以大型公共场所居多，包括视频照片采集、人脸检测、特征提取、目标数据库比对识别、布控等。而静态图像对比系统则是以身份信息验证为主要应用方式，如重大会议现场、银行系统等之类的场景活动中，就能够运用系统数据库对收集到的人员图像实施比对分析，搜索识别出相关人员的身份信息等。

3.3 社会化应用

就当前现实情况而言，人工智能人脸识别技术的应用已经成为社会生活领域中的常见事物，如搭乘地铁、消费支付、家庭管理、社区安保、快递取件等方面，已经开始成功应用人脸识别技术，并且获得了社会民众的积极参与和支持。以此路径能够进一步推动“社会生活的智能化”并产生真正意义上的“智慧生活”。比如，在现代城市生活中，社区管理中的安保十分关键，它关系到群体性的财产与生命安全，也牵涉到个体的法律权益保护等。而运用人脸识别技术，则可以在门禁制度、楼层进入关上设置、电梯监控、流动租户管理等各个层面实现全程式无死角的动态化监控。一方面，通过人脸识别技术应用能够减少人工识别检查中的失误率，提高小区管理效率；另一方面，在居民统计数据信息与人脸信息验证方面提供双重保险，并根据实际居民信息的变化而进行即时状态的更新，完成全天候的出行、生活化安全防护。另外，在社会公共与私人领域对人脸识别技术的应用，也可以对违法行为形成一种强大的无人职守式震慑，并对已经参与违法犯罪活动的非法分子进行实时动态的搜索与识别，以及跟踪、监控和布控。这在很大程度上促进了智慧生活环境中的生存安全性与生活智慧化，也是现代社会生活的一种形式变化的典型表现。

4 结束语

随着信息技术的发展与推广应用，社会领域的各个生产环节均实现了信息化、智能化、网络化；以此为基础，在人工智能与工业改革资源整合的工业4.0升级方案实践下，主要发达国家也相即推出了与自己国家工业发展情况相适用的人脸识别应用技术。结合以上分析，建议在新时期增强“人脸识别+物联网”的新应用模式研究，逐渐推进人工智能中人脸识别技术方面的多种生物识别模式向融合方向发展，为其后续的活体检测与虹膜识别应用提供技术支持。另外，在新时期也应该强化3D人脸库的建设工作，通过配套化的数据信息积累，提升人工智能中人脸识别技术研发效率，扩增其在应用层面的效用生产效率。