浙江深大智能科技有限公司
摘要：人脸识别，是基于人的脸部特征，检测图像或视频流中是否存在人脸，若存在人脸，就进一步检测出其位置、大小以及面部各个器官的位置等信息，并可自动跟踪和进行身份识别的一种技术。人脸识别技术包括有人脸特征提取、人脸检测识别和人脸验证等方面，将待识别的图像与数据库的储备图像进行匹配，从而识别人的身份，本文对一些主要的人脸识别技术进行介绍并探究其发展。
关键词：人脸识别；面部轮廓；特征提取；匹配
一、人脸识别系统
人脸识别系统研究的内容包括人脸检测、人脸表征、人脸识别、面部表情和生理分类这五个方面。人脸检测这部分主要就是在不同情形中找出人脸所在坐标和人脸占有的面积区域，这种方法遇到的问题就是需要考虑光照强度、图像噪点、脸部大小、情绪、图片质量等对人脸检测的影响。人脸表征是提取人的面部特征，确定检测的人脸和数据库中已存在的人脸描述方式，通过几何特征、代数特征或机器学习理论等方法进行提取。人脸识别就是将人的面部特征与人脸特征库进行匹配发出结果，核心是匹配的算法。面部表情就是需要分析其情绪代表的含义。最后生理分类是需要通过分析得出人的性别、年龄、种族等信息。
二、人脸识别技术的特点
1、非强制性
人脸识别技术首要的特点就是具有非强制性。掌纹掌脉识别、虹膜识别、视网膜识别等识别技术，都需要被测人有意识的配合仪器设备采集相关的特征信息，这些特殊的采集方式被被测人察觉后，别有用心的人就会有针对性的利用对应方法进行伪装和欺骗。然而人脸识别则不同，人脸识别系统可以在识别对象无意识状态下自动采集人脸图像并加以分析，非强制性的特点对于一种识别方法非常重要，这会使该识别方法不令人反感，并且因为不容易引起人的注意而不容易被防范和破解。这在一定程度上使得人脸识别相较于指纹识别等其他强制性识别更易实现。
2、并发性
人脸识别技术的另一大特点是具有并发性。通过摄像头等图像或视频采集设备，可以快速且同时采集、识别一个图像或视频的一帧中含有的多个人脸，这对于指纹、掌纹等识别技术具有无法比拟的优势。例如许多火车站、球场、机场的出入口等人流密集的场所，通过监控系统对采集画面中的多个人脸图像进行识别并处理，在不影响人员出入的效率和速度的情况下，及时识别和确认被测人的身份，具有很强的实用性。
3、非接触性
人脸识别技术还具有非接触性的特点。目前广泛应用的指纹识别是利用电子压力传感器采集指纹进行识别比对，对于医院等卫生环境敏感的场所，接触性识别系统也不利于防止疾病的传播。掌纹、视网膜等识别方式虽然也不用实质性的接触被测者，但是采集距离较近，也需要被测者配合采集。人脸识别系统从采集人脸信息到完成身份识别全程不需要与识别对象产生任何接触，甚至在相距较远的情况下也可以正常工作。
三、人脸识别技术的功能
人脸识别技术首先要完成人脸捕获，人脸捕获是指在一幅图像或视频的一帧中检测出人脸。随后再将人脸从背景中分离出来，并自动保存。成功捕获人脸后，接下来人脸识别系统进一步确定识别对象的身份，完成人脸识别。人脸识别按应用方式又可分为人脸跟踪、人脸验证和人脸检索。
1、人脸跟踪。人脸跟踪是指利用人脸捕获技术确定人脸后，当指定的人在摄像头拍摄的范围内移动时动态地对其进行跟踪。
2、人脸验证。通过对两张人脸图像提取的特征进行对比，该技术将根据两张人脸的相似程度决定“一致”或者“不一致”，从而得出两张人脸是否属于同一个人。
3、人脸检索。在人脸数据库中找出与需要检索的人脸相似度最高的一个或多个人脸，此应用需要事先建立目标人群的图像数据库。在一个数据库中检索某个人是不是属于数据库中的人，是人脸识别技术最主要的应用之一。
四、人脸识别方法分类
1、以几何特征为基础的研究
Bledsoe是最早以几何特征为基础进行研究的学者，这种研究识别出人脸图像的面部特征点，通过测量的欧氏距离得出人面部特征矢量，找出匹配的人脸。这种方法的基本原理非常容易理解，只需要找出人面部的特征矢量就可以实现匹配，不占内存，对光照的敏感度也较低。这种方法的缺陷是提出稳定的特征矢量比较难，同时识别率也比较低。
2、以代数特点为依据的研究
这种方法是基于代数特征图像的像素变换投影空间，采用基本图像对人脸图像进行线性编码，最典型的理论工具就是主成分分析法。将主成分分析法引入人脸识别领域，通过对数据进行分析，使用线性编码来进行人脸识别过程的匹配。这种方法的优点就是降低了特征空间维数的样本。
3、以机器学习理论为原理的研究
以机器学习理论为原理的人脸识别研究是通过使用统计分析和机器学习技术来获取信息的。获得的信息存在于确定的分布之中，并通过算法、模型和判别函数来进行人脸图像的识别，这种分类器涵盖了SVM、HiddenMarkov等多种综合开发系统技术。
五、人脸识别技术的发展现状
1、国内的发展情况
我国对人脸识别技术的研究始于20世纪80年代，由于国家政策对科技产业的支持，我国人脸识别技术近几年专利数量和成果转化迅速增长。中国专利公开量从2011年的270件增加至2015年的1398件，增长了5倍多，超过美国位居第一。我国在人脸识别技术研究方面也占据了一席之地。2006年，清华大学电子工程系的苏光大教授将人脸识别技术在公安等领域进行了尝试。李子青率领团队研发出高性能的人脸识别系统，并将其和RFID射频卡技术有机结合，为奥运会量身定制了人脸识别快速身份验证系统。2008年，我国在奥运会开闭幕式上成功应用了人脸识别系统，这是人脸识别技术首次应用于奥运会。2014年3月，汤晓鸥团队发表了GaussianFace人脸识别算法，此算法判断随机抽取的两张照片是否为同一个人的准确率达98.52%，超过了Facebook同期发布的DeepFace算法（准确率97.35%）。随后，该团队又先后发表了更先进的DeepID2和DeepID3算法，将人脸识别的准确率提升至99.55%，这也使得汤晓鸥团队实验室于2016年成为NVIDIA评选的全球人工智能十大先锋实验室之一。可见，因为最近几年我国在人脸识别技术上投入较大，研发能力和创新水平已经有了很大提高，达到了世界先进水平。
2、国外的发展历程
早在20世纪80年代后期，人脸识别技术的雏形就已经形成了，而真正将人脸识别技术加以应用则是在20世纪90年代后期，并且以美国、欧洲国家和日本为主。美国作为人脸识别技术最先起步的国家，亦是最先应用该技术的国家，掌握着此项技术的核心专利。2001年美国发生“911”事件，为了加强对出入境人员的监管，华盛顿州在机场使用生物识别技术强化对出入境人员的身份认证和管理，这是生物识别技术首次应用在机场。日本虽然接触人脸识别技术略晚，但始终保持着较快的发展速度。日前，日本NEC公司在其安防展会上展示了最尖端的人脸识别技术，能识破戴上高仿真人脸面具或用他人照片挡住摄像头的手段，NEC对外声称该公司人脸识别技术的准确度被美国政府评为世界第一。
结语：目前人脸识别技术还有很多的发展空间，未来人脸识别技术将有望解决更多现实中的问题，为更多的领域提供实际性的帮助。人脸识别技术在很多方面还有诸多疑问未能得到解决，如在复杂条件下人脸的检测和关键点定位问题、光照变化问题、面部遮挡问题等。
参考文献：
[1]徐晓艳.人脸识别技术综述[J].电子测试，2015（5X）
[2]何欢，肖强，王春莉，等，人脸识别技术发展现在及趋势分析[J].情报检索，2016（11）
[3]左腾.人脸识别技术综述[J].软件导刊，2017，16（2）