人臉識別綜述

（河北農業(yè)大學，理工學院 河北 滄州 061100）

劉衛(wèi)凱，郝雅倩，鄭 晗，齊立萍（通訊作者）

1 引言

人臉識別技術是圖像處理方面的一次大膽嘗試，也是計算機圖像采集處理方面的一大突破。主要是利用計算機的機器分析，提取出個人特征信息，并從數據庫中查找具有此類特征的人，從而達到識別的目的。目前該技術已經融入到了我們的日常生活中，例如刑事偵查、身份核實、密碼設置等[1]。

伴隨著人們的需求，人臉識別技術也一再發(fā)展，并且得到相關學者的大力支持。其發(fā)展大概分為三個階段[1]：

（1）階段一

人臉識別的初步階段大致為1960年到1970年之間，Bledose是人臉識別的啟蒙人，他首次利用人臉各部分比例特征為參數，建立一個人臉識別系統(tǒng)的雛形[2]。

（2）階段二

隨著計算機技術的飛速發(fā)展，信息采集與分析也變得容易起來，20世紀90年代初人臉整體識別成為了圖像處理的重點發(fā)展方向。于是提出了彈性圖匹配方法[3]、灰度處理[4]、形狀分離[4]以及人臉模型可變等方法。

（3）階段三

隨著商業(yè)市場需求不斷擴大，20世紀90年代末期人臉識別技術已經成為了世界關注的焦點。世界各國都爭相發(fā)展人臉識別技術，但基于技術的不成熟，人臉識別技術也存在著相當大的缺陷。直至今日人臉識別技術仍然被世界所關注，不斷發(fā)展進步。

2 人臉識別技術

人臉識別技術是基于人的面部五官輪廓分布位置來對人進行識別。因為無關輪廓分布特征是因人而異，與生俱來的。通過采集設備采集圖像并運用計算機進行分析從而得到不同數據，再通過數據庫的比對來確定人的身份。這項技術也常常被人稱作人像識別、臉部識別等。

2.1 基于幾何識別方法

幾何識別方法是利用人臉器官特征輪廓的分布比例進行數據分析，構建模型的[5]。主要將人臉建立成矢量的幾何模型。Crow曾提出人臉橢圓特征檢測[6]，是將人臉分為三個部分進行檢測，根據曲線進行模擬人臉。后又由DR.Gpvindaraju等人進行方法改進，提高了精確度[7]。該方法簡單易實現，且在光照不足的情況下仍能識別，但是缺點也相當明顯，如表情不同，體態(tài)不同等都會有很大影響。

2.2 基于神經網絡識別方法

神經網絡識別方法，主要是通過對生物神經網絡的模擬，將生物神經網絡上的神經元轉化為機器所能理解的碼制。就如同當有神經刺激的時候我們表示為1，沒有神經刺激的時候我們表示為0。這樣一來我們就得到了初步的小像素塊，再通過像素塊的拼接構造成模擬圖像[8]。神經網絡方法可以有效的避開復雜特征的數據提取，但是構成模擬圖像的神經元數量過于龐大，形成所需神經元的時間過于長、速度慢、參數確定無法統(tǒng)一等問題[8]。

2.3 基于3D的人臉識別方法

從傳統(tǒng)意義上的3D人臉識別技術主要是將人臉掃描建立在一個三維的坐標系中，從而將人臉的特征數據轉化為模型結構[9]，就目前而言2D人臉識別技術是相對成熟的，所以3D人臉識別技術是基于2D技術的基礎上的，主要還是采集2D數據并通過整合疊加從而達到3D的效果特征向量，以達到人臉識別的目的。3D人臉識別技術的優(yōu)勢就在于當人處于不同的光照、面部表情以及觀察視角情況下仍然可以保證識別的準確度。但是也存在一定的缺點，如設備相對比較貴、采集系統(tǒng)過于龐大、傳輸數據過慢和識別速度較慢等。

2.4 多分類方法

多分類器方法主要是運用數據庫內數據的整合拼湊來獲取目標圖像數據的，首先需要人臉不同變化數據分別存儲于多個分類器中[10]，每種分類器中只對應這一種狀態(tài)。采集數據時，將數據劃分成不同的種類，再根據種類的不同從數據庫中提取所需的數據。當數據提取完成后，將特征數據進行拼湊疊加，當遇到光照，表情，姿態(tài)有較大差異時，將分類器中的信息整合互補加以擬合，從而提高準確率。多分類技術雖然可以相對準確的識別人臉，但是也存在著采集系統(tǒng)過于龐大和數據傳輸過于緩慢的缺點。

3 人臉識別未來發(fā)展

人臉識別是一個具有發(fā)展?jié)撡|的領域，也是一個具有極大挑戰(zhàn)力的領域[11]。就現在的發(fā)展階段而言，人臉識別技術還面臨著多方面的困難，如被識別的人需要正臉面對圖像采集器，并且被識別的人要保持合適的距離才能采集到比較準確的數據。在我們正常應用時這些問題可能就是我們無法識別的難題。目前而言還沒有一種能適應不同環(huán)境和干擾的識別方法。對于未來而言我們仍然需要提高識別的精準度擴大識別的范圍，從而使人臉識別技術可以使用于任何復雜環(huán)境。所以未來人臉識別將向著多方面發(fā)展如：免干擾人臉特征數據采集、遠距離人臉識別技術、3D細節(jié)模型構建等等。

[1] 蘇楠，吳冰，等.人臉識別綜合技術的發(fā)展，信息安全研究，2016，1.

[2] 吳迪，胡慧，等.基于顯著性局部定向模式和深度學習的人臉識別，光電子激光，2016，6.

[3] 丁嶸，蘇光大.使用關鍵點信息改進彈性匹配人臉識別算法，電子學報，2002，9.

[4] 孫勁光，張文斌，朱世安.圖像的處理方法，遼寧工程技術大學學報，2002，6.

[5] 李江.紅外圖像人臉識別方法研究，北京：國防科學技術大學，2005.

[6] 肖冰，等.人臉識別綜述[J].計算機學報，2016，8

[7] 梁路宏，艾海舟.人臉檢測研究綜述[J].計算機學報，2002，5.

[8] 梁路宏，艾海舟.基于多模板匹配的單人臉檢測[J].軟件學報，2001，12.

[9] 張寧，徐磊，三維人臉圖像數據采集與預處理，刑事技術，2015，4.

[10] 李武軍，王崇駿，張瑋，陳世福.人臉識別研究，南京大學，2006，2.

[11] 宋嘉程.人臉識別技術的現狀和發(fā)展，電子技術與軟件工程，2017，09.