人脸检测与识别技术的研究分析

刘舒天

(长春金融高等专科学校 吉林长春 130000)

身份认证在现代社会各行业、领域都得到了普遍关注，是评估人员属性、认定其是否合法、查询人员行踪的一种重要措施。不同人员受到遗传因素的影响，存在个人特点上的差异，这种差异是组织身份认证的依据之一，如人员面部特征的不同，可作为分析、认定其身份的可靠依据，这也客观催生了人脸检测与识别技术[1]。该技术的出现时间不长，但因优势突出、应用便捷，快速得到关注和运用，就其运用方式、困境和发展方向进行分析，有助于推动技术的进一步发展。

1 人脸检测与识别技术概述

人脸检测技术（Face Detection Technology）和人脸识别技术（Face Recognition Technology）带有一定的递进关系，前者一般作为后者的前置阶段，广义的人脸识别技术也可包括人脸检测，二者在技术和应用方式、目的上带有一定的互通性，可共同使用在人员身份认证等活动中，并称人脸检测与识别技术。该技术通常利用终端设备进行人脸信息的检测，生成待检测信息并做数字转化，再利用分析比较的计算机技术识别人脸。从属性上看，人脸检测与识别技术可纳入生物特征识别技术大范围内，是对生物体（一般特指人）生物特征进行分析，用以区分生物体个体。目前与之相关的技术还包括人脸追踪侦测、自动调整影像放大、夜间红外侦测、自动调整曝光强度等[2]。

2 人脸检测与识别技术的运用

2.1 运用框架

在企业管理工作中，人脸检测与识别技术的运用主要用于人员身份的分析，包括企业考勤、区域独立管理等。部分企业的核心技术区域并不广泛开放进出权限，需要组织独立认证，该模块中人脸检测与识别技术的运用框架如图1所示。

图1 人脸检测与识别技术的运用框架（企业独立认证模块）

对图1 所示的工作框架进行解析，可发现其大致分为4 个部分，即执行终端、管理终端、信息库、辅助结构。

执行终端主要用于人脸检测工作，对待检测人员的面部特征信息进行收集（如图2 所示），并做必要的数字化转化，使其成为能够被计算机读取和使用的信息。此外执行终端也提供反馈服务，系统完成认证后，将认证结果反馈给待检测人员，提示其进行重复认证或认证已经通过。执行终端一般以数字化设备为中心，如数字化摄像机、显示器等。

图2 人脸检测识别技术工作图（面部特征分析）

管理终端即企业的信息化工作系统，主要根据执行终端收集的信息，对人员进行识别。该模块识别可分为两种情况，即“合法—放行” “不合法—拦截、警报和重复认证”。在执行终端提供了待检测人员信息后，管理平台根据已经建成的人脸信息库信息，对待检测人员进行分析，主要以降维分析的方式做重点信息的对照，能够匹配相关特征，满足“合法—放行”要求，可允许人员进入目标工作区域；反之，人员面部特征与已经建成的人脸信息库信息不匹配，需要组织拦截，要求人员重复认证，并将相关信息提供给管理处做备份，作为后续管理工作的开展依据。

信息库是人脸检测与识别技术运用的关键依据，企业需要在系统投入使用前首先进行信息库建设，根据本企业的工作制度要求，将拥有目标区域进出权限的人员单独列出，采集其面部信息，录入信息库中作为后续管理的依据。实际工作中，如果待检测人员拥有进出权限，其信息已经被录入信息库，可通过实时检测并进入目标区域，反之则予以拦截。高质量的信息库还应拥有信息扩展、复用等方面的优势，以服务企业的其他管理工作，改善人脸检测与识别技术的运用效果和技术覆盖效应。

辅助结构包括警报器、通信系统等，这些结构主要发挥辅助功能，作为人脸检测与识别技术系统终端功能的辅助，或作为系统功能实现的辅助，带有一定的共性、应用性特征，能够较为便捷地使用和更换，减少人脸检测与识别技术系统建设的成本，提升其技术适用的普遍性。

2.2 关键技术

人脸检测与识别技术运用的关键技术，以智能技术为代表，以降维计算技术为核心。实际工作中，企业以及其他组织的人脸检测和识别工作一般需要自动化进行，在无人、半无人模式下，智能技术相关工作的开展提供了保障[3]。借助企业管理中心提供工作程序，以计算机程序提供管理逻辑，并组织执行，人脸检测与识别技术应用的重复性，使智能技术的运用有迹可循，也拥有良好的实现空间。只要企业预建设的信息库信息丰富、完善，即可保证人脸检测与识别技术的运用质量。

降维计算则是组织人脸实时识别的中心技术，一方面人脸的特征各有不同，这是进行人脸检测、识别的关键，另一方面，人脸特征可通过多个维度分别独立表达，如果对所有维度进行收集、分析、呈现，计算机在短时间内的工作负荷往往较大，因此，需要以降维计算的方式，使人脸最具特点的特殊信息得到捕捉和呈现，与企业已经建设完成的人脸信息库内信息进行对照，以高效率、较精准地完成识别[4]。降维计算应用的基础是既有的客观信息，其数目越多，智能工作的精准性越高，一般可选取3～4个维度进行信息采集和对照，如眉间距、眉弓位置、嘴唇厚度等。

2.3 基本流程

企业管理中，人脸检测与识别技术的运用一般是流程化的，以企业设定的工作系统要求为基础，也考虑技术的共性特点，可大致分为3个步骤。

2.3.1 信息预处理、信息库建设

在人脸检测与识别技术正式投入前，首先对人员信息进行收集、处理，建设信息库，并保证信息库内信息与人脸检测与识别技术工作系统处于同一个管理框架内。

2.3.2 实时信息采集

当人员尝试进出企业某些工作区域时，由系统对其面部信息进行收集、传输，由企业管理平台进行管理，根据信息库内信息，做检测和识别，以确定人员身份，确定其合法性[5]。

2.3.3 反馈和信息存储

根据检测识别结果，将对应信息反馈给待检测人员以及企业管理处，主要为放行信息、拦截信息，以及对应的数字化工作报告。

2.4 模拟分析

通过计算机建立模拟实验，选取沈阳市TX有限公司（下文简称TX 公司）为例，根据该企业提供的17 份资料建立模拟实验。17 份资料主要为企业内17 个工作人员的面部照片，共计251张（其中标准照片51张），清晰度为720 P（51张）、480 P（144张）和360 P（56张）；按照片内容，可分为无装饰照片146 张，装饰照片105张，其中装饰照片主要对面部特征进行遮掩或部分遮掩。按曝光情况，包括强曝光照片52 张，普通曝光照片199张。将所有人员照片（标准照片51张）录入计算机形成虚拟信息库，开始组织实验。不做实验条件的其他调整，只考虑正常状态下系统对不同照片的识别能力，所获结果如表1所示。

表1 实验信息

清晰度不同的实验照片，基本均可得到识别，总数为199 张，识别率为99.5%，这表明不同清晰度不严重影响人脸检测与识别技术的运用质量。存在装饰的情况下，照片的可识别能力下降，45 张未能得到识别的均为有装饰照片，这表明当面部特征被遮掩、部分遮掩时，人脸检测与识别技术不能有效完成识别，识别率只有77.5%。曝光强度也影响照片的识别效率，19 张未能有效识别的照片均为强曝光照片。

3 人脸检测与识别技术的困境

3.1 无法匹配动态变化

人脸检测与识别技术的运用普遍，但仍存在不足，其典型问题之一是对动态变化无法有效匹配。包括模拟实验中有无装饰的影响，也包括人员年龄变化、表情变化导致的面部特征波动，这些因素在实际工作中比较常见，影响也较突出。在公安部门的管理工作中，如果人员信息（面部特征）在较长时间未能得到更新，其面部特征的变化往往比较明显，很难继续利用此前建立的信息库进行对照分析，以致检测和识别效果失真。

3.2 对工作环境有一定要求

工作环境即人脸检测与识别技术的运用环境，常规的企业管理、办公室管理通常无须考虑环境影响，如果人脸检测与识别技术工作系统处于一些特殊环境下，则需要考虑环境破坏，如模拟实验中，强曝光环境影响照片的识别效率，只有90.5%的照片得到识别。此外，如果工作区域存在电磁干扰问题，虽然不影响照片质量，但会对系统内的通信活动造成影响，导致识别过程延误、识别质量下降等问题。系统软件、硬件配置情况影响人脸检测与识别技术的内部工作环境，原则上需要加强配置管理，质量较差的计算机可能无法在短时间内完成降维计算，也影响人脸检测与识别技术应用效果。

3.3 工作质量仍有待提升

早在2014年，人脸检测与识别技术的工作质量已经满足一般要求，对人脸识别的准确率可达到95%甚至97%以上，超过人工识别效果。然而由于人脸检测与识别技术的运用环境各有不同，其进一步运用往往受到制约，如上文所述的动态信息匹配问题，即便人员面部出现特征波动、佩戴了饰物，人工识别的准确率依然较高，而智能识别尚不具备此方面的能力，出现错误识别的可能性较高。一般认为人脸识别的精确度达到72%，即表示识别成功，而在香港中文大学教授汤晓鸥、王晓刚及其研究团队的研究中，其研发的DeepID人脸识别技术，准确率超过99%，由于其技术实现难度较大，仍不能普遍运用。设法提升人脸检测与识别技术的精度，是未来相关技术的核心进步方向。

3.4 检测方式需要完善

在对人脸进行检测时，目前普遍使用的终端采集模式，如果检测范围内的标的物比较简单，信息采集工作也可以比较顺利地进行。如果检测范围内标的物较多，则可能出现检测对象信息采集上的困扰。如多人进入画面、活动物进行检测范围，信息采集的质量往往因此下降，系统可能错误选择采集对象，将其他人物的面部作为采集的原始对象，或将其他活动物作为人脸进行信息采集，此类问题比较普遍，影响人脸检测与识别技术的运用。

4 人脸检测与识别技术的发展方向

4.1 关注动态分析

人脸检测与识别技术的发展，会更多关注动态因素的分析、研究。如人员面部特征的变化，以时间为参数，人员面部特征的变化并非完全无迹可寻，当前部分研究部门已经通过AI 智能完成了一些人员面部特点变化模拟，但由于尚不能获取被模拟者面部变化特征的真实照片，其模拟结果的可靠性依然有待评价。人员面部饰物、表情等因素带来的影响，也正在得到控制。在一些技术较发达的国家、地区，已经支持全面部特征的综合分析，虽然其分析方式依然不能完全摆脱降维计算的范围，但动态分析能够更有效地获取人员面部特征，使实时信息收集检测、识别的效率和精度得到了一定程度的提升。

4.2 控制环境影响

环境对人脸检测与识别技术的运用存在直接影响，未来除在系统建设方面寻求优化外，还要求对周边工作环境进行分析。系统建设原则上要求选取性能较佳的硬件设备，如果设备内需要进行信息库（即人脸信息库）建设，其磁盘空间理论上不宜低于1 TB，虚拟内存应达到8 GB 以上，以快速组织计算，完成降维分析和识别。系统工作环境应远离大型用电设备、变电室、配电站、架空线路。为保证信息传输的质量，可考虑在系统内放置提纯器，以清除其他通信噪声的干扰，保证人脸检测与识别技术的运用效果和作业精度[6]。

4.3 改进工作质量

工作质量的改进是人脸检测与识别技术发展的基本思路、方向，主要要求根据其当前工作的不足分析原因，根据原因分析可行的优化策略，直接改进相关工作效果。例如：很多企业运用的人脸检测设备在清晰度上存在不足，部分终端设备的分辨率只有240 P，难以对复杂图像、相似的面部特征进行区别，此类设备的优化思路主要强调提升清晰度，使其达到360 P 或480 P以上的水平，保证复杂图像的解析能力，使相似的面部特征能够得到区分，改进识别能力。其他方面的分析、处理也遵循此思路，关注优化的针对性。

4.4 优化检测方式

检测方式的优化，可以直接提升人脸检测与识别技术的运用质量，未来主要强调改善工作的智能化水平，将人脸的基本特征进行提炼，生成一个工作模型，之后编写为固定程序，植入人脸检测与识别技术系统内，使系统在工作过程中能够主动完成核心标的物的锁定，完成对非标的物的顾虑，包括检测范围内其他人员的面部、活动物等，以保证信息实时收集的质量和准确性，提升人脸检测与识别技术应用质量。

5 结语

综上所述，人脸检测与识别技术的优势突出，可广泛提升管理质量，应结合其现有不足、积极寻求改进。结合企业管理工作，可知人脸检测与识别技术的运用需要以稳定的物理、技术框架为基础，重视终端和管理端技术联用，模拟分析则表明技术应用的价值理想。当前人脸检测与识别技术存在一定不足，对动态变化的匹配能力不高，工作质量、检测方式有待优化。未来其发展除强调基础技术的改进外，也关注上述问题应对，以提升动态分析能力、优化检测方式、改进工作质量为目标，进一步扩展技术的运用空间、发挥其积极作用。