人臉識別技術(shù)綜述

簡訊

摘要：人臉識別已經(jīng)成為計算機視覺最熱門的研究方向之一并且在工業(yè)界得到了廣泛的應(yīng)用。文章圍繞人臉識別技術(shù)，首先介紹人臉識別技術(shù)的定義并回顧其發(fā)展歷程，其次概括人臉識別技術(shù)國內(nèi)外主流的方法及現(xiàn)在面臨的困難和挑戰(zhàn)，最后根據(jù)當前人臉識別技術(shù)現(xiàn)狀展望了其發(fā)展的方向和趨勢。

關(guān)鍵詞： 人臉識別;計算機視覺;人臉識別技術(shù)

中圖分類號：TP391? ? ? 文獻標識碼：A? ? ? 文章編號：1009-3044（2019）02-0171-02

1? 概述

近年來，隨著互聯(lián)網(wǎng)的發(fā)展，人們已經(jīng)處于大數(shù)據(jù)的時代當中，由此帶來信息量的爆炸式的增長，而利用傳統(tǒng)的動態(tài)密碼和手機認證個人身份認證方式會帶來信息泄露、盜用、丟失等問題，而生物特征識別技術(shù)具有不易仿冒性和唯一性等特點，被認為是“下一代信息技術(shù)安全的核心”，而人臉識別技術(shù)是生物特征識別技術(shù)中的技術(shù)之一，主要是利用對人臉的光學(xué)成像來感知人、識別人[1-2]，目前該技術(shù)主要應(yīng)用到刑事偵查、監(jiān)控系統(tǒng)、安全支付等領(lǐng)域。

人臉識別技術(shù)（Face Recognition）主要包括在線匹配和離線學(xué)習(xí)兩個部分，自動人臉識別的經(jīng)典流程分為三個步驟：人臉檢測、面部特征點定位、特征提取與分類器設(shè)計，需要綜合考慮特征選取、特征提取和分類器的性能。人臉識別技術(shù)流程圖如圖1所示。輸入一張待測人臉圖像，首先提取圖像的人臉特征，包括全局特征、人臉特征等，通過和對比庫中的N個人臉圖像特征進行比對，找到相似度最高的特征，然后與預(yù)算的閾值進行比較，輸出特征對應(yīng)身份信息[3-5]。

人臉識別技術(shù)根據(jù)其研究歷史可以分為以下四個階段。

在第一階段（1950-1960），該階段的人臉識別技術(shù)主要是從感知和心理學(xué)角度探索人類識別人臉機理[6]。

在第二階段（1970-1980），該階段的人臉識別技術(shù)主要研究人臉的面部特征實現(xiàn)人臉灰度圖模型，但是并不能夠完成自動識別的系統(tǒng)[7]。

在第三階段（1990），該階段的人臉識別技術(shù)主要研究采用多維特征矢量表示人臉面部特征，但是需要利用先驗知識進行判斷[8]。

在第四階段（1990s末-現(xiàn)在），該階段的人臉識別技術(shù)主要研究面向真實條件的人臉識別問題[9-10]。

2 人臉識別技術(shù)

隨著人臉識別研究的不斷發(fā)展，現(xiàn)有的人臉識別研究主要關(guān)注面向真實條件和真實應(yīng)用場景下的人臉識別問題，主要包括以下四個方面研究：

1）人臉空間模型的構(gòu)建，包括線性判別分析線性建模方法[11]，非線性建模方法和3D人臉識別方法[12]。

2）考慮影響人臉識別的外部因素，包括光照不變?nèi)四樧R別、表情不變?nèi)四樧R別等。人臉識別的常用算法有以下8種：①基于幾何特征的人臉識別;②基于特征臉的人臉識別[13] ;③基于模板匹配的人臉識別;④基于神經(jīng)網(wǎng)絡(luò)的人臉識別;⑤基于隱馬爾可夫模型（HMM）的人臉識別[14] ;⑥基于彈性匹配方法的人臉識別[15] ;⑦基于貝葉斯決策的人臉識別[16] ;⑧基于支持向量機的人臉識別[17]。

3）新的特征表示，包括局部描述子和深度學(xué)習(xí)方法。包括局部描述子和深度學(xué)習(xí)方法[18]。

4）新的數(shù)據(jù)源，包括基于視頻的人臉識別和基于素描、近紅外圖像的人臉識別。

雖然人臉識別技術(shù)在技術(shù)和應(yīng)用上已經(jīng)有了極大的發(fā)展，但仍會存在一些因素的限制，使得人臉識別系統(tǒng)在安全性和實用性等方面沒有完全達到人們的期望，以下總結(jié)了當前人臉識別技術(shù)存在的問題：

1）算法的準確率離并未達到完美。在基于100萬張面孔的公開基準測試，準確率大幅下降，表明在現(xiàn)實的環(huán)境中，人臉識別算法不可避免地會出現(xiàn)準確率下降的挑戰(zhàn)。

2）人臉識別存在安全漏洞。在人臉識別的人臉比對和活體檢測過程中，無法避免出現(xiàn)誤判的情況。

3）目前尚無一套包括所有技術(shù)模塊的、完全開源的基準人臉識別系統(tǒng)。不管是國內(nèi)還是國外的研究團隊開發(fā)的人臉識別引擎都不支持第三方的庫函數(shù)，關(guān)鍵技術(shù)還需要進行優(yōu)化和完善。

3 總結(jié)與展望

人臉識別是極富挑戰(zhàn)性的課題，雖然人臉識別技術(shù)已取得了巨大的成就，但是在實際應(yīng)用中仍然面臨困難，主要是現(xiàn)實場景中不僅需要達到快速檢索同時要求達到很高的分類準確率，可以考慮在人臉的局部和整體信息結(jié)合起來，多人臉特征融合，多分類器融合、人臉之間的相似性、3D人臉模型等方向上進行研究，提高人臉識別的識別率和識別速度、減少計算量、提高魯棒性，在嵌入式及硬件實現(xiàn)并實用化是將來值得研究的。

參考文獻：

[1] 劉衛(wèi)凱， 郝雅倩， 鄭晗，等. 人臉識別綜述[J]. 信息記錄材料， 2018（7）.

[2] 夏志強. 人臉識別綜述[J]. 電子世界， 2017（23）：74.

[3] 徐曉艷. 人臉識別技術(shù)綜述[J]. 電子測試， 2015（10）：885-894.

[4] 左騰. 人臉識別技術(shù)綜述[J]. 軟件導(dǎo)刊， 2017， 16（2）：182-185.

[5] 何春. 人臉識別技術(shù)綜述[J]. 智能計算機與應(yīng)用， 2016， 6（5）：112-114.

[6] 張敏， 張海艷， 劉亭，等. 人臉識別系統(tǒng)綜述[J]. 電子世界， 2014（15）：107-108.

[7] 楊巨成， 劉娜， 房珊珊， 等. 基于深度學(xué)習(xí)的人臉識別方法研究綜述[J]. 天津科技大學(xué)學(xué)報， 2016， 31（6）：1-10.

[8] 盧文峰. 人臉識別研究技術(shù)發(fā)展綜述[J]. 電子世界， 2017（17）：97.

[9] 景晨凱， 宋濤， 莊雷， 等. 基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉識別技術(shù)綜述[J]. 計算機應(yīng)用與軟件， 2018（1）：223-231.

[10] 黨永成.人臉識別技術(shù)綜述及分析[J]. 電子技術(shù)與軟件工程， 2018（3）.

[11] 潘玉進， 曹立人. 人臉識別及其視角效應(yīng)的研究綜述[J]. 溫州大學(xué)學(xué)報：社會科學(xué)版， 2016， 29（3）：111-116.

[12] 任卷芳， 高巖. 人臉識別技術(shù)在機場中的應(yīng)用研究綜述[J]. 中國新通信， 2017（20）.

[13] 鮑睿棟， 趙敏. 基于卷積神經(jīng)網(wǎng)絡(luò)的人臉識別研究綜述[J]. 軟件導(dǎo)刊， 2018（4）.

[14] 王姣. 基于身份證的人臉識別技術(shù)綜述[J]. 中國新通信， 2016， 18（4）：25.

[15] 王健， 王新中， 楊文霞， 等. 主成分分析在人臉識別中的應(yīng)用[J]. 科技視界， 2015（28）：34-34.

[16] 曹青媚. 人臉識別技術(shù)的研究[J]. 科技傳播， 2014（12）.

[17] 單建華， 張曉飛. 稀疏表示人臉識別的關(guān)鍵問題分析[J]. 安徽工業(yè)大學(xué)學(xué)報：自科版， 2014， 31（2）：188-194.

[18] 鄭青碧. 基于圖像的人臉檢測方法綜述[J]. 電子設(shè)計工程， 2014， 22（8）：108-110.