于传 唐毅 傅晓 徐华
摘 要：生物体征识别技术运用了人体本身固有的生物体征，相比较于传统的身份识别方式而言，生物特征技术由于它的可靠性以及安全的特点深受人们的重视。在近几年的时间里，人脸识别技术陆续运用到人类的生活中，本文针对于人脸识别技术做了简要的研究和讨论。
关键词：人脸识别;人脸检测;研究分析
中图分类号：TP391.4 文献标识码：A 文章编号：1007-9416（2020）10-0000-00
1 研究的背景和意义
人脸识别是模式识别和机器视觉中一个非常活跃的研究热点。不论是国内还是国内，在研究所以及大型公司都对人脸识别技术投入了大量的人力物力进行研究，因为人脸识别技术在理论研究中具有巨大的应用价值，因此人们非常重视对于它的研究。
与传统的身份验证技术相比，它利用人自身具有的特点，可靠性高，安全性好，实用性强，多年来一直受到许多研究者的关注[1]。并且社会热潮的推动下，迅速的占领了大量的应用市场。
（1）在银行金融系统中的应用。人脸识别系统能够更好更加直接的实现银行安全防范要求，更加直观准确的跟踪性能，面对于盗窃、冒领事件起到的防范作用。
（2）在司法系统中的应用。在司法机关遇到要抓捕罪犯的情况下，就可以使用人脸识别技术，在照片库存中自动识别并且找出嫌疑犯，将破案的时间缩短。
（3）公共安全。用于公共场所的监控，利用人脸识别技术来辅助对恐怖分子和违法犯罪嫌疑人的监控。
（4）视频监视：在许多公司、银行都设有24 h的视频监视。
（5）证件验证：在当代社会，每个人身上都会有不同类别的证件，利用人脸识别技术，实现自动化的管理和智能化的验证。
（6）信息安全：利用人脸识别技术实现计算机登录、权限控制和电子交易中的身份认证，等等。
2 国内外研究概况
当前很多国家展开了有关人脸识别的研究，主要有美国，欧洲国家，日本等，著名的研究机构有美国MIT的Media lab， AI lab。在人类各项研究中，存在最早的就是人脸识别技术，国内关于人脸识别的研究始于二十世纪80年代，在NSFC、863计划等资助下，我国的大部分研究機构也开始对人脸识别系统进行分析和研究，其中的研究机关也有很多，除了相关的研究所，一些知名大学也参与了其中[2]。
3 人脸识别存在的问题
人脸识别涉及人脸检测，人脸特征定位，特征提取和分类器设计几个方面，人脸识别面临的主要问题是：（1）光照问题。光照问题是机器视觉的老问题，尽管研究人员提出了一些解决方案，但是在实际应用中效果远没有达到理想程度。（2）大规模人脸识别问题。因为人脸数据库的资源很多，因此想要在如此庞大的数据库中提高识别率也是人脸识别需要注意到的问题。（3）样本缺乏问题。在目前的情况下，人脸识别系统的主流算法仍然是统计学方法，但在这个过程中，由于人的脸部是高度空间中的不规则分布，因此这也是目前必须得要解决的问题[3]。
从问题产生的根源上讲，人脸识别问题集中在三新个层面：（1）信号层面：表现为数据获取不稳定;（2）特征层面：采集条件变化时特征描述的鲁棒性问题;（3）决策层面：表现为核心识别算法的泛化能力问题，海量样本学习的可行性，统计学习方法的鲁棒性等。
4 研究的目的和内容
4.1 研究的目的
人脸识别技术具有广泛的应用价值。各大公司、研究机构都对其进行了深入的研究，提出了许多的识别方法，使其识别精度越来越高[4]。但在实际应用中，环境较为复杂。在人脸检测和人脸特征定位后，对图像进行归一化，识别算法在环境和人脸本身变化的情况下仍然有效，向自动化识别目标迈进，正是基于这个目标，对人脸识别技术进行了研究和探讨。
4.2 研究的内容
针对人脸识别技术涉及的几个方面，对以下内容作了研究和探讨。
（1）在预处理方面，研究对比了多种彩色图像的增强理算法，并在此基础.上提出了新方法。在彩色图像增强方面阶段提出了一种结合偏色纠正和改进的retinex的增强方法，实验结果证明了该方法的有效性。
（2）在人脸检测方面，采用结合肤色检测的Adaboost检测方法。肤色检测去掉大部分背景并提供区域和窗口特征，Adaboost检测判别是否为人脸，
（3）在人脸特征定位方面，提出了一种基于各向异性滤波的人眼定位方法，对彩色图像的定位采用各分量差分的方法，实验结果证明效果较好。
（4）在特征提取方面，提出了多尺度的局部二进制模式特征提取方法。等价的局部二进制模式有效地减少了数据的维数，不同尺度分析能够表征人脸的局部和整体特征，两者的结合，更能有效的表征人脸特征。识别结果证明所提取特征的有效性。
（5）识别算法设计方面，采用流形学习算法，在传统的保局投影基础.上，加入类别的监督信息，并使向量正交化，改进正交拉普拉斯特征脸算法对特征数据进行降维。最后采用最小近邻法识别人脸。实验结果表明识别率相对提高。
5 人脸识别概述
5.1 生物特征识别技术
生物特征识别技术具体指的是什么？它是一种对于一个人身份识别和鉴定并且是通过计算机进行这个工作。其中有指纹、虹膜、视网膜、声音等类型。早在上个世纪，生物识别技术以及在世界范围内有所研究与开发，但是那个时候人们对于它的研究还是处于初级阶段，虽然当时的指纹识别技术已经崭露头角，但是人们的科技研究水平还是处于初级，研究进程也有待提高[5]。
5.2 人脸识别技术
人脸识别技术具体的含义是将已经采集到的数据进行分类调整，将不同身份体征，不同样貌信息给出具体位置信息，并在采集信息库中进行对比，最后通过互联网技术将每个人的身份信息进行统计比照，从而识别人脸。其研究内容包括以下五个方面：
（1）在人臉检测过程中，可以凭不同的背景确认人脸信息。在这个过程中检测人脸的位置、大小、形状等关键信息。
（2）人脸表征确定表示检测出的人脸和数据库中的已知人脸的描述方式。一般采取的是代数特征、固定特征模板等方式。
（3）人脸鉴别即狭义的人脸识别，就是指把特定的人脸跟我们人脸识别系统中的已有数据进行分析对比，并得到详细的结果。在这个过程中，关键核心就是在人脸识别系统表达方式和匹配方法上面选择适合的，这样以来也可以快速的得出人脸表征方法[6]。
（4）对于采集的人脸捕捉细微的表情姿态变化并且记录，最后做出分类调整。
（5）根据每个人脸部不同的生理信息将数据采集，根据每个物理特征的不同信息。举个例子，可以从这个人的年龄、性别、种族等信息去找出相同点或者差异点。
5.3 人脸识别的难点
在现如今技术研究领域，人脸识别是极其富有挑战性的，因为人脸的布局以及整体都是比较柔韧的物体，从发型的改变以及表情，都会给最终的人脸识别带来挑战和不必要的麻烦，所以当务之急是要解决这些问题。
目前人脸识别的难点主要存在于以下几个方面：
（1）首先就是由于光照而引起的变化，这是在人脸识别性能方面最关键的一个因素，决定着人脸识别技术进程的成功与否，特别是在图像预处理方面，是需要重视并且有所改变的。
（2）在丞相时保持的角度以及距离都会大幅度的影响人脸的姿态。因此在人脸识别过程中，一定要注意人脸距离识别区域的距离以及姿态，保持水平高度。
（3）不同年龄的人脸有着较大的差别。打个比方说，现在司法部门要追击一个逃犯，但是逃犯的身份证信息太过久远，还是以前的照片信息，而随着年龄和时间的推移，逃犯现在的面貌都有了一部分的改变，因此在追查过程中，这些年龄外界因素也是有一定难度的[7]。
6 人脸识别的常用算法介绍
6.1 常用方法
基于模型的人脸识别方法包括特征脸法（Eigneafec）、神经网络法（NN）、 隐马尔可夫模型方法（HMM）等方法。
6.2分类器
在人脸识别的操作过程中，提取特征模块已经表示图像向量都尤为重要，每个步骤都不能出现错误，此时需要用到的特征向量予以分类的工具就是分类器了，它在这个步骤中起到了关键的作用，也是它决定了后期是否能够准确的确定人脸的具体信息，而不同分类器对于最终结果的判读也是有所不同，该怎样选择合适的分类器去工作也非常重要，对于结果的影响直接取决于分类器的好坏。日常中使用的分类器类型比较多，有下面几种：
最小距离分类器（NC）;
最小距离分类器它的判别标准是以类中心算起到检测样本之间的距离大小;
最近邻分类器（NN）[8]。
这类分类器的计算过程相对来说比较复杂，它是在分类时需要将所有训练样本都作为代表点，通过计算待识别样本x到所有训练样本的距离，最终得出的结果如果时与x最近的训练样本，那么立马就可以判定此类别为待识别样本x所属类别。
6.3 人脸识别中PCA算法步骤及流程
pca方法人脸识别步骤 具体的识别步骤如下：
（1）读入人脸库;
（2）计算K-L变换的生成矩阵;
（3）利用SVD定理计算特征值和特征向量;
（4）把训练图像和测试图像投影到特征空间;
（5）比较测试图像和训练图像，确定待识样本类别。
7 人脸识别流程
人脸识别技术不是单一的技术，要想完成人脸识别技术的完整体系，必须得完成人脸识别的一系列流程，而俯身于人脸识别技术研究的学者们由于认知和目标点都不同所以步骤也分为以下几点
（1）人脸检测/跟踪。首先在人脸识别流程中第一个步骤就是人脸的检测，它的主要内容包括在输入的大致人脸图像中找到符合条件的数据，然后系统自动生成并且给出图像，它的目的在于检测出图像的存在范围以及存在具体位置，以来给后面的跟踪打好基础。
（2）特征提取。每个人的面部特点都不一样，都有属于自己独特的人脸特质，所以为了找出人和人之间的不同点，就需要从人脸的反射中提取数值。在已知的人脸范围之内，在数据库里面提取标准数值进行人脸判别，通常会使用几何特征，里面分为角度、欧式距离等类别，固定特征模板、特征脸等等。
（3）特征降维。和其他的物体识别不同，我们的人脸是柔软的，因此在人脸识别过程中，要对人脸的图像做出详细的鉴定和提取相关信息与人体特征，在高密度的高维空间中，人脸则会得出不一样的高维空间原始数据（对一幅M×N的图像，空间维数可达M×N）。
8 结论
人脸识别具有重大的理论意义和应用意义，它是一项结合了多学科，多领域知识方法的技术。人们热衷与研究这项技术，它对我们人类带来的现代化技术市场前景是远大的，又因为人脸识别技术存在一定的难点，所以人们一直也在不断的克服并且优化技术的发展，相信在我们的努力下，会在对他的研究和对其中的图像处理和模式识别中取得更大的进步，未来在身份认证技术市场日益庞大的进程中，人脸识别技术将会拥有更广泛的社会需求和市场前景。
参考文献
[1]王映辉.人脸识别一原理方法与技术[M].北京：科学出版社，2010.
[2]姜红德.Face++：专注人脸识别的创业传奇[J].中国信息化，2015（5）：72-73.
[3]孙立明.復杂光照条件下的人脸识别方法研究[D].吉林：东北电力大学，2018.
[4]刘俊.变化光照条件下人脸识别算法的研究[D].成都：电子科技大学，2017.
[5]季丽萍.基于RFID和人脸识别考勤系统的设计与实现[J].佳木斯职业学院学报，2018（4）：425-426.
[6]王国栋.基于MATLAB的人脸识别算法的研究[D].呼和浩特：内蒙古大学，2014.
[7]马博宇，尉寅玮.基于Ada Boost算法的人脸识别系统的研究与实现[J].仪器仪表学报，2016（S1）：165-170.
[8]何志威，李军.基于人脸识别的移动终端考勤系统的设计[J].福建电脑，2018，34（3）：19-20.
收稿日期：2020-07-19
基金项目：2020年国网安徽省电力有限公司培训中心群众创新项目（2020QC04）
作者简介：于传（1983—），男，江苏徐州人，研究生，高级工程师，研究方向：电力培训、科技管理等。
Research and Discussion of Face Recognition System
YU Chuan1，2，Tang Yi1，2，Fu Xiao1，2，Xu Hua1，2
1. Training Center of State Grid Anhui Electric Power Co.， Ltd.， Hefei Anhui 230000;
2. Anhui Vocational College of Electrical Engineering， Hefei Anhui 230000）
Absrtact：Biological sign recognition technology uses the inherent biological signs of human body. Compared with the traditional identification method， biometric technology is paid more attention because of its reliability and security. In recent years， face recognition technology has been applied to human life. This paper makes a brief study and Discussion on face recognition technology.
Key words：face recognition;face detection;research and analysis
猜你喜欢 人脸识别研究分析 文化馆与非物质文化遗产保护分析文艺生活·中旬刊(2020年9期)2020-11-23新政府会计制度对事业单位会计核算的影响时代金融(2020年26期)2020-11-06汽车设计维修中检测诊断技术的运用汽车实用技术(2020年17期)2020-09-26西双版纳国际旅游度假区规划策略研究中国房地产业·上旬(2020年9期)2020-09-14中科视拓开放商业版本人脸识别算法中国计算机报(2020年13期)2020-04-26人脸识别好用但不能滥用作文周刊(中考版)(2020年32期)2020-01-22绿色节能施工技术在现代房屋建筑施工中的应用锦绣·中旬刊(2019年6期)2019-10-21浅析微电子机械系统的力学问题学习周报·教与学(2019年20期)2019-10-15荣耀畅玩7C：人脸识别通信产业报(2018年10期)2018-04-13iPhoneX来了！小康(2017年28期)2017-10-13
