人脸识别关键技术综述

纪·

摘要:随着社会的发展，如何通过人像快速、准确、高效地进行身份识别是目前的研究热点。以人脸识别技术为主题，从人脸检测、特征提取、数据库构建、特征比对等方面分析了人脸识别技术及其应用。

关键词:人脸识别；人脸检测；特征提取；底层数据库的构建；特征比较

1导言

随着社会的发展和科技的进步，人们越来越重视信息的安全性和隐蔽性，身份识别和认证技术发展迅速。在各种身份识别方法中，人脸识别因其唯一性、唯一性和直接友好性而脱颖而出。目前，人脸识别技术已经成为人工智能领域的一个重要发展方向。近年来，随着人脸识别技术在手机等日常场景中的广泛应用，对其安全性提出了更高的要求。只有在保证用户信息不被泄露的基础上，才能更好的发挥作用。在此背景下，本文详细介绍了人脸识别技术。

人脸识别技术是基于人的面部特征信息的生物识别技术。如图1所示，其过程包括人脸图像采集、人脸检测、人脸特征提取、人脸特征对比识别等[1][2]。人脸识别的过程可以概括为:对采集的图像进行扫描检测，确定是否有人脸，如果有，获取人脸的位置、大小、面部器官等信息，基于这些信息提取相关的功能特征，与人脸数据库中的信息进行比对，从而达到分类识别的目的。虽然人脸识别技术在图像采集过程中会因为光照、姿态、表情、遮挡以及人脸随时间变化的影响而增加识别的技术难度，但随着对其研究的不断深入，人脸识别技术已经日臻成熟，其自然性、非强制性、非接触性、并发性等优势越来越突出，在使用和判别便利性方面具有明显的优势[3]。随着手机的日益普及，人脸识别技术在移动终端的应用具有信息获取方便、隐蔽性强、识别准确、识别效率高的优点。

2人脸检测

人脸检测是人脸识别中非常重要的一环，直接影响后续特征提取和识别的成功与否[6]。首先对图像信息进行扫描检测，确定人脸在图像中的位置和质量，从而在大范围的图像中准确找到人脸区域，减少背景信息对识别性能的影响。目前人脸检测方法主要有两类，即基于“特征”的人脸检测方法和基于图像的人脸检测方法。

目前，人脸识别算法有很多种，包括AdaBoost算法、特征提取算法和支持向量机。AdaBoost算法是目前最有效的人脸检测算法，它是一种自适应Boosting迭代算法。通过级联几个弱分类器形成一个强分类器，不断训练学习弱分类器，可以达到很低的误检率和误接受率。

3特征提取

人脸检测后，需要对检测到的人像进行特征提取。特征提取是指提取图像中的人脸特征，如眼睛、鼻子、眉毛、嘴巴和面部轮廓的具体位置、大小、形状，以及它们相关位置的差异，从而获得能够代表人脸图像的数据量。

目前人脸特征提取的方法有特征脸法、神经网络法、欧氏距离判别法、尹马尔可夫法等。其中，特征人脸法利用PCA算法计算特征向量(即特征人脸)，将待提取的人脸图像信息映射到各个向量中，用相应的向量系数表示人脸特征，从而达到人脸特征提取的目的。PCA算法是在最小均方误差下寻找一组基向量，用它的矩阵构造一个投影sub 空，使高维空的表象投影到这个sub 空上，既保留了数据的主要特征成分，又达到了降维的效果。因此，我们可以用低维空来描述人脸图像，获得图像压缩中的最优正交变换，并保存所需的识别信息。PCA算法基于K-L变换:

Y=A(X-mX)

其中:X=(X1，X2，…，XN)为n维随机向量，mX=E(X)为其平均向量，A为变换矩阵，其行为为CX的特征值，CX=E{(X-mX)(X-mX)T}为X的协方差矩阵

4基地库建设

因为人脸识别需要将提取的信息与特征信息库进行匹配，所以需要建立特征信息库。

在这个过程中，首先我们需要将分散的原始数据收集到云平台中，并进行分类存储，使数据逻辑上存储在同一个位置，包括结构化数据抽取、非结构化数据抽取和数据格式转换。其次，进行数据清洗，去除原始数据中的重复数据和无效数据，保证数据的准确性和可用性；然后对已有的非结构化数据进行数据整合、特征提取、关联匹配和数据融合，从而获得所需的信息资源。图2是数据处理的框图。

数据资源整合后，基于PCA算法构建特征信息库，将人脸图像视为高维向量，经过K-L变换后降维为低维向量。低维向量可以形成一个特征面空，将训练样本集中的人像投影到低维空中，得到代表低维空中人像的坐标系数。在每次人脸识别过程中，特征数据库会保存识别出的人像信息，以便更新特征数据库。图3是特征信息库的构建过程示意图。

5功能比较

人脸特征比较是将提取的人脸特征信息与特征信息库中的信息进行比较，判断相似性的识别过程。

在人脸识别中，基于PCA的特征脸算法只需要将测试样本的人像投影到低维空得到的坐标系数和训练系数与训练样本中所有人脸的坐标系数进行比较，就可以实现分类识别。

6结束语

综上所述，虽然人脸识别技术在处理尺度变化大、光照和姿态变化剧烈、遮挡等人脸图像时存在一些不足，但它已经成为一种成熟完整的识别技术。人脸识别技术在手机解锁、刑侦、证件验证、视频监控、门禁等方面具有突出的优势。随着软硬件的更新和发展，必将给人类社会带来更大的便利。

参考

[1]肖俊。人脸识别技术在公安领域的应用研究[J].计算机科学，2016，43 (11a): 127-132。

[2]陈慧红，刘世明，胡.人脸识别技术及系统架构分析[J].新型工业化，2017，7 (2): 26-32，36。

[3]何欢，肖强，王春丽，赵坤，。人脸识别技术的发展现状及趋势分析[J].信息探索，2016 (229): 41-47。

[4]王楠，韩·。公安大数据应用研究[J]，警务科技，2016 (5): 4-7。

[5]万根勋，，，童星，俞，王芸，侯建军.公安大数据背景下人脸识别技术的进展[J]。警务技术，2014 (5): 16-18。

[6]张道华。人脸识别技术研究。甘肃民族出版社，2008年6月。

编辑/李曼