您好, 访客   登录/注册

人脸识别技术概述

来源:用户上传      作者:

  摘要:人脸识别技术是一种基于人的面部特征的生物识别技术,现已广泛的应用到我们的生活中。本文首先对深度学习和人脸识别的概念进行了简述,然后对现有领域主要的人脸识别方法进行简单介绍,然后举出人脸识别在现实生活中的应用,最后指出现有人脸识别方法的一些不足,最后对未来作出展望。
  关键词:深度学习;人脸识别;人工智能
  
  1人脸识别简述
  人脸识别(HumanFaceRecognition)是一种基于人的脸部特征信息来进行分析比较得出结果的生物特征识别技术。目前已经较多的应用于人们的生产生活当中,比如警方在海量级的照片数据库中找到被被通缉的嫌犯,超市里把脸对准摄像头便可以实现支付,大学里的课堂中学生们进教室时经过摄像头捕捉的区域便可以实现签到等等。人脸识别技术的出现极大的方便了我们的生活。
  2主要的人脸识别方法
  2.1基于几何特征人脸识别方法
  这种方法首先通过建立人脸特征提取模型把图像中人脸的几何特征精确的提取出来并定位,然后根据提取出来的几何特征点来构造人脸的特征向量,最后把构造出来的特征向量与库中的特征向量进行快速比对,若与某一特征向量的相似度高于阈值则说明比对成功。其中人脸特征模型的质量决定了最后试验的结果的好坏,比较典型的模型有主动外观模型(ActiveAppearanceModel,简称AAM)。
  2.2基于模板的人脸识别方法
  在基于模板匹配的方法中,通常先对原有库中的人脸进行编码,将编好码的人脸图像提前存储起来,当要进行匹配的时候,把要进行比较的图像按照相同的方式进行编码,再与库中已经编好码的图像进行对比,从而得出结果。比较常用的方法有基于局部区域分布的模板匹配方法,即先对原图像做LBP(线性反投影)处理,由经LBP运算后的图像绘制区域直方图,根据直方图之间的比较进行匹配。
  2.3基与神经网络的人脸识别方法
  用神经网络进行人脸识别本质上还是基于人脸特征提取的方法,但是这种方法区别于传统的特征提取方法。这种方法通过多层网络卷积降维来提取主要特征,神经网络在这里的主要作用是通过对样本图片的输入来自动形成特征提取器和分类器,从而形成适合于检测和識别该任务的模型。比较常用的神经网络有卷积神经网络(CNN),递归神经网络(RNN),深度神经网络(DNN)。
  2.4基于概率模型的方法
  在概率模型里比较常见的模型有隐形马尔可夫模型(HiddenMarkovModel,HMM),隐形马尔可夫模型最初作为一种统计分析模型被应用到信号处理方面,现在也被应用到人脸识别的领域之中。其基本原理是基于人脸固定的分布特征,即人脸由上至下依次为头发、额头、眼睛、鼻子、嘴五部分,将这五部分用包含五个状态的HMM来表示,再将这五个部分划分成不同区域的块,然后对这五个不同区域的块进行霍特林(Hotelling)变换,对变换后产生的系数进行观测,最后经过大量样本的训练得到检验模型。
  3人脸识别在实际生活中的应用
  3.1刑侦破案
  人脸识别技术的出现对刑侦破案方面提供了很大的帮助,当公安部门获得嫌疑犯照片后便可以在全国的人脸信息库中利用人脸识别技术进行比对,在很短的时间内便可以分析的出结果。相比于之前的获得嫌犯信息后通过电视,报纸,网络进行发布的方式,这样的分析方式更快速,更准确。
  3.2验证证件
  这里的证件主要是指我们常用的身份证,驾驶证等。现在采取验证的方式大部分还是人工验证的方式,这种方式不仅速度慢,而且还有可能由于工作人员长时间验证带来工作疲劳而引起的误差。在验证证件时利用人脸识别技术检测每张证件上的信息,一是速度快,二是精准。目前这种技术已经应用在部分机场,火车站。
  3.3入口控制
  很多地方的入口都会进行人员的控制,比如高校的宿舍楼,机密办公区域,小区里的单元楼等,这些地方有的不好设置工作人员看守,有的地方设置看守后当人员流动量大时会很容易出现拥堵。引入人脸识别技术后,入口相关人员只需把脸对准摄像区域门边会自动打开,当成功进入后便会自关上,应用人脸识别技术既安全又方便。
  3.4娱乐休闲
  人脸识别技术在我们的娱乐领域也展示出强大的功能,比如现在手机上常用的美颜效果就是基于人脸关键点检测来进行特定区域的美化,眼皮修成双眼皮,鼻梁拢高,下巴削尖等。还有直播间里的特定小功能,如人脸的关键点跟踪,背景分割等,能够让主播直播的效果更加立体和有趣。
  4人脸识别现阶段的一些不足
  通过上文的介绍,人脸识别已经极大的便利了我们的生活,但是现在还未发展完善,在一些方面上存在着不足和应该改进的地方。一方面是人脸识别系统的识别率会受多因素影响,系统对采集条件有一定的要求,比如一定的光线和脸部位置的正确摆放。在阴雨天或晚上由于系统采集的图像较模糊,还有人脸面部做出的细微改变的情况下进行识别,所以这就对系统匹配的准确性提出了更高的要求。另一方面就是隐私问题,对于摄像头采集到的用户照片信息进行网络传输是出现的信息泄露问题。
  5结语
  人脸识别技术经过多年的发展现在已经成为了我们生活的一部分,但是现阶段该技术还面临着一些挑战,比如同一张人脸的不同表情的识别,长相相近的双胞胎之间的识别等等,所以这就需要有关研究人员进行不断的探索。在社会和政府对人脸识别技术的大力支持下,该项技术会逐步趋于完善。
  参考文献:
  [1]张淑军,王高峰,石峰.基于AAM提取几何特征的人脸识别算法[J].系统仿真学报.
  [2]梁路宏,艾海舟,徐光,张钹.人脸检测研究综述[J].
  [3]沈理,刘翼光,熊志勇.人脸识别原理及算法:动态人脸识别系统研究[M].人民邮电出版社.
  作者简介:许佳胜(1999),男,河北保定易县凌云册乡大巨村人,现就读于河北农业大学信息科学与技术学院计算机科学与技术专业。
转载注明来源:https://www.xzbu.com/1/view-15106104.htm