第一篇：前沿人臉識別綜述解讀

人臉識別綜述

王軍軍

（西安交通大學(xué)，西安，710086）

摘要：人臉識別已成為多個學(xué)科領(lǐng)域的研究熱點之一，本文對人臉識別的發(fā)展歷史、研究現(xiàn)狀進行了綜述，系統(tǒng)地對目前主流人臉識別方法進行了分類針對人臉識別面臨的挑戰(zhàn)，著重對近幾年來在光照和姿態(tài)變化處理方面的研究進展進行了詳細淪述，并對未來人臉識別的發(fā)展方向進行了展望。

關(guān)鍵詞：人臉識別，人臉檢測，模式識別

一、引言

人臉識別是近年來模式識別、圖像處理、機器視覺、神經(jīng)網(wǎng)絡(luò)以及認知科學(xué)等領(lǐng)域研究的熱點課題之一。所謂人臉識別，是指給定一個場景的靜態(tài)圖像或動態(tài)視頻，利用存儲有若干已知身份的人臉圖像的數(shù)據(jù)庫驗證和鑒別場景中單個或者多個人的身份[1]。人臉識別按照人臉信息的來源可以分為兩類:基于靜態(tài)人臉圖像的識別和基于包含人臉的動態(tài)視頻信息的識別。因為動態(tài)視頻信息并不能明顯提高人臉識別的性能，因此本文只研究基于靜態(tài)人臉圖像的識別[2]。

作為生物特征識別的一個重要方面，人臉識別在檔案管理系統(tǒng)、安全驗證系統(tǒng)、信用卡驗證、公安系統(tǒng)的罪犯身份識別、銀行和海關(guān)的監(jiān)控、人機交互等領(lǐng)域具有廣闊的應(yīng)用前景。與指紋識別、視網(wǎng)膜識別、虹膜識別等[3]技術(shù)相比，人臉識別技術(shù)在數(shù)據(jù)采集方面手續(xù)比較簡單，使用者更容易接受。人臉作為生物特征，雖然唯一性比指紋和虹膜要差[4]，在高安全性要求的系統(tǒng)中只能作為輔助手段。然而，對于一般安全性要求的身份驗證和鑒別系統(tǒng)[5]，人臉識別技術(shù)已經(jīng)足夠應(yīng)用了。

人臉識別研究在二十世紀六七十年代引起了諸多學(xué)科領(lǐng)域研究者的濃厚興趣。進人九十年代后，隨著各行業(yè)對人臉識別系統(tǒng)的迫切需求，人臉識別研究再次成為熱門課題。當前世界各國有許多研究機構(gòu)在從事這方面的研究，這些研究受到軍方、警方以及大公司的高度重視和資助[6]。美國軍方還專門組織了人臉識別競賽以促進人臉識別研究的發(fā)展。經(jīng)過三十多年的研究，人臉識別已經(jīng)成為圖像分析與圖像理解領(lǐng)域最成功的應(yīng)用之一研究人員提出了很多識別方法，建成了一些實驗系統(tǒng)，也有一些成功的人臉識別商業(yè)軟件投人市場。

人臉識別作為模式識別的一種，一般可以分為三個組成部分:從場景中檢測并分割人臉;抽取人臉特征;匹配和識別人臉[7]。由于人臉檢測已經(jīng)發(fā)展成為一個獨立的課題，具有特定的思想和方法，所以本文假定人臉已經(jīng)被正確檢測并從場景中分割出來。

二、人臉識別的方法

目前，人臉識別的方法大致可以分為以下幾類：基于幾何特征的方法、基于模型的方法、基于統(tǒng)計的方法、基于神經(jīng)網(wǎng)絡(luò)的方法和多分類器集成的方法[8]。目前主流的方法有基于幾何特征的方法和基于模型的方法。

2.1基于幾何特征的方法

文獻中記載最早的人臉識別方法就是Bledsoe[9]提出的基于幾何特征的方法。該方法以面部特征點之間的距離和比率作為特征，通過最近鄰方法來識別人臉，以該方法建立的人臉識別系統(tǒng)是一個半自動系統(tǒng)，面部特征點必須由人手工定位。也正是由于人工的參與，該系統(tǒng)對光照變化和姿態(tài)變化不敏感[10]。

側(cè)影[11](Profile)識別也是早期基于幾何特征人臉識別的一個重要方法，其基本原理是從人臉的側(cè)影輪廓線上提取特征點，將側(cè)影轉(zhuǎn)化為輪廓曲線，從中提取基準點，根據(jù)這些點之間的幾何特征來進行識別，由于側(cè)影識別相對較簡單且應(yīng)用面小，對側(cè)影識別的研究較少。

基于幾何特征的方法非常直觀，識別速度快，內(nèi)存要求較少，提取的特征在一定程度上對光照變化不太敏感[12]。但是，當人臉具有一定的表情或者姿態(tài)變化時，特征提取不精確，而且由于忽略了整個圖像的很多細節(jié)信息，識別率較低，所以近年來已經(jīng)很少有新的發(fā)展。

2.2基于模型的方法

隱馬爾可夫模型[13](Hidden Markov Model,HMM)是一種常用的模型，基于HMM的方法首先被用于聲音識別等身份識別上，之后被Nefian和Hayes引人到人臉識別領(lǐng)域。它是用于描述信號統(tǒng)計特性的一組統(tǒng)計模型。HMM用馬爾可夫鏈來模擬信號統(tǒng)計特性的變化，而這種變化又是間接通過觀察序列來描述的，因此馬爾可夫過程是一個雙重的隨機過程。在HMM中結(jié)點表示狀態(tài)，有向邊表示狀態(tài)之間的轉(zhuǎn)移，一個狀態(tài)可以具有特征空間中的任意特征，對同一特征，不同形態(tài)表現(xiàn)出這一特征的概率不同[14]。在人臉識別過程中，Nefian首先采用兩維離散余弦變換(Discrete Cosine Transform,DCT)抽取人臉特征，得到觀察向量，構(gòu)建HMM人臉模型，然后用EM(Expectation Maximization)算法訓(xùn)練，利用該模型就可以算出每個待識別人臉。觀察向量的概率，從而完成識別。HMM方法的魯棒性較好，對表情、姿態(tài)變化不太敏感，識別率高[15]。

主動形狀模型[16](Active Shape Model, ASM)方法由Cootes等人提出，Cootes對形狀和局部灰度表象建模，用建立的ASM在新的圖像中定位易變的物體。后來，Lanitis等將其應(yīng)用于解釋人臉圖像，在使用ASM找出人臉的形狀后，將人臉切割并歸一到統(tǒng)一的框架，對這個與形狀無關(guān)的人臉采用亮度模型來進行解釋和識別，其魯棒性和識別效率均較高，但需要手動標會人臉的特征點，算法的自動化程度有待加強。

主動表象模型[17](Active Appearance Model, AAM)可以看成是對ASM的進一步擴展，是一種通用的非線性圖像編碼模式，通過變形處理將通用人臉模型與輸人圖像進行匹配，并將控制參數(shù)作為分類的特征向量。

2.3 基于統(tǒng)計的方法

基于統(tǒng)計的方法將人臉圖像視為隨機向量，從而用一些統(tǒng)計方法來分析人臉模式，這類方法有著完備的統(tǒng)計學(xué)理論支持;得到了較好地發(fā)展，出現(xiàn)了一些較成功的算法。

特征臉[18](Eigenface)方法由Turk和Pentland提出。對于每一幅人臉圖像，按照從上到下、從左到右的順序?qū)⑺邢袼氐幕叶戎荡梢粋€高維向量，然后通過主成分分析(Principal Component Analysis, PCA)將高維向量降低維數(shù)。用PCA[19]降維主要基于以下三點:(1)壓縮功能，在低維空間內(nèi)比較圖像將提高計算效率;(2)人臉樣本的分布近似正態(tài)分布，方差大的維可能與有用信號相關(guān)，而方差小的維可能對應(yīng)噪聲，因此去掉小方差對應(yīng)的維將有利于提高識別精確率;(3)因為每幅圖像都被減去均值，且被放縮成單位向量，兩幅圖像之間的相關(guān)性與特征空間中投影之間的距離成反比，因此特征空間中的最近鄰匹配是圖像相關(guān)性的有效近似。PCA技術(shù)首先由Kirby[20]和Sirovich引人到人臉識別領(lǐng)域，并且證明了PCA是使原始圖像與重構(gòu)圖像之間的均方誤差極小化的最佳壓縮方式。一幅圖像在各個特征臉上的投影組成了該圖像的權(quán)值向量，將待識別圖像的權(quán)值向量與人臉數(shù)據(jù)庫中各圖像的權(quán)值向量相比較，確定哪一幅圖像與待識別圖像的權(quán)值向量最接近。后來Pentland等人進一步擴展了特征臉方法，將類似的思想運用到面部特征上，分別得到了本征眼、本征鼻、本征嘴，并且將它們結(jié)合起來進行人臉識別。實驗結(jié)果表明，這樣比單獨使用特征臉效果更好。特征臉方法計算量低，使用方便，并且效果良好，目前已經(jīng)成為人臉識別的基準程序(Benchmark)和事實上的工業(yè)標準。但是它對于外界因素所帶來的圖像差異和人臉自身所造成的差異是不加區(qū)分的，因此外界因素(例如光照、姿態(tài))變化會引起識別率的降低。

特征臉方法使用由各個特征臉擴展的空間來表示人臉，雖然可以有效地表示人臉信息，但是并不能有效鑒別和區(qū)分人臉。很多研究者提出了使用其他線性空間來代替特征臉空間以取得更好的識別效果。此中線性判別分析方法[21](也叫Fisher臉方法)，利用了類別歸屬信息，它選擇類內(nèi)散布正交的矢量作為特征臉空間，從而壓制了圖像之間與識別信息無關(guān)的差異，強調(diào)了不同人臉之間的差別，同時弱化了同一人臉由于光照、視角和表情而引起的變化，獲得了比特征臉更好的識別效果。LDA[22]是一種監(jiān)督學(xué)習(xí)方法，而PCA是非監(jiān)督學(xué)習(xí)方法。Belhumeur對16個人的各10幅圖像進行識別實驗，PCA方法的識別率為81%，而Fisher臉方法的識別率為99.4%。

Moghaddam[23]等人提出了貝葉斯人臉識別方法。他們提出了一種基于概率的圖像相似度度量方法，將人臉圖像之間的差異分為類間差異和類內(nèi)差異。其中類間差異表示不同對象之間的本質(zhì)差異。類內(nèi)差異為同一對象的不同圖像之間的差異。而實際人臉圖像之間的差異為兩者之和。如果類內(nèi)差異大于類間差異，則認為兩人臉圖像屬于同一對象的可能性大，他們提出了類間差異和類內(nèi)差異度量的概率模型和計算方法。由于貝葉斯相似度的計算涉及復(fù)雜的非線性計算。Moghaddam等人提出了一種線性的快速計算方法。這種人臉識別方法在1996年美國DAPAR組織的FERET人臉測試中是效果最好的方法之一特別是在克服光照和表情變化對識別的影響方面性能較好。

奇異值分解[24](Singular Valor Decomposition。SVD)是一種有效的代數(shù)特征提取方一法。奇異值特征具有良好的穩(wěn)定性、轉(zhuǎn)置不變性、旋轉(zhuǎn)不變性、位移不變性以及鏡像變換不變性等重要性質(zhì)。因此奇異值分解技術(shù)也被應(yīng)用到人臉識別領(lǐng)域。

獨立成分分析[25](Independent Component Anal-ysis,ICA)，可以看成是對PCA的推廣，PCA利用二階矩去掉輸人數(shù)據(jù)的相關(guān)性。使得數(shù)據(jù)的協(xié)方差為零。而ICA使得輸人數(shù)據(jù)的二階和高階矩依賴性最小，ICA首先被用于盲源分離(Blind Source Separation。BSS)問題，用來將觀察信號分解成一系列獨立信號的線性組合。ICA用于人臉識別有兩種結(jié)構(gòu)(ICA Architecture I和ICA Architecture II)和多種算法(例如FastICA和InfoMax)，PCA和ICA Architecture II利用的是全局特征，而ICA Architecture I利用的是空間局部特征。B Draper等人詳細比較了PCA和ICA在人臉驗證和面部表情識別中的性能，人臉驗證實驗中，ICA Architecture II的性能最好。PCA的性能與距離度量標準有關(guān)。ICA Architecture I的性能較差，ICA用Fast I-CA算法較好;表情識別實驗中，用InIoMax算法實現(xiàn)的ICA A rchitecture I性能最好。

3、人臉識別面臨的挑戰(zhàn)

當光照、姿態(tài)、表情變化時，人臉的表象會產(chǎn)生較大變化，從而造成人臉識別系統(tǒng)的性能下降。FE-RET測試川表明，光照和姿態(tài)變化問題是當前人臉識別系統(tǒng)面臨的挑戰(zhàn)。隨著人臉識別研究的深人，很多研究者對光照和姿態(tài)變化進行了專門的研究，也取得了一定的進展。本節(jié)專門針對這兩方面問題進行論述。

3.1 光照變化

因為光照會改變?nèi)四槇D像灰度的相對分布，所以由光照引起的人臉圖像變化甚至比因個體差異引起的變化還要大。因此，光照變化會造成人臉識別系統(tǒng)性能的嚴重下降。對光照變化的處理已經(jīng)引起了很多研究者的重視，并且取得了較大進展。目前已經(jīng)出現(xiàn)了很多光照處理方法，這些方法大致可以分為三類: 第一類方法的主要思想是尋找對于光照變化不敏感的人臉圖像表示方法。第二類方法是對原來某些不存在光照變化時人臉識別算法的簡單改進和推廣。第三類方法的主要出發(fā)點是構(gòu)建圖像合成(Synthesize)模型[26]，這些模型可以合成與測試(Probe)圖像具有相同或相似光照條件的新圖像作為數(shù)據(jù)庫(Gallery)中的圖像。這類方法的關(guān)鍵是對光照進行建模。

3.2 姿態(tài)變化

視角的變化，即人臉姿態(tài)變化也會造成人臉識別系統(tǒng)性能的降低，因此對多視角人臉圖像的處理是人臉識別面臨的另一挑戰(zhàn)。Beymer[27]先對輸人圖像的視角進行估計，接著根據(jù)自動檢測到的三個特征點進行二維仿射變換使之與原型(Prototype)的視角相同，然后直接使用模板匹配來實現(xiàn)多視角人臉識別。在一個62人的多視角人臉數(shù)據(jù)庫上取得了較好的實驗結(jié)果，但測試集和訓(xùn)練集的視角比較接近，因此識別難度較低。

Pentland[28]等人提出的基于視角的特征臉(View-based Eigenface)方法為每個視角構(gòu)建一個

特征空間。取得了比標準特征臉方法更高的性能。Huang等人在基于視角的特征臉方法的基礎(chǔ)上，采用神經(jīng)網(wǎng)絡(luò)集成(Neural Network Ensemble)的方法，實現(xiàn)多視角人臉的識別。這類方法的缺點是每人需要多張人臉圖像作為訓(xùn)練集，而且將光照變化問題與視角變化問題分開來考慮，這些前提條件在很多場合不能滿足。

3.3同時存在光照和姿態(tài)變化

上述的很多方法只是對光照或姿態(tài)變化中的一種進行了處理，但在現(xiàn)實情況下，光照和姿態(tài)變化會同時存在。因此，要使人臉識別技術(shù)真正實用，人臉識別系統(tǒng)必須能夠處理同時存在兩種甚至任意多種成像條件變化的情況。光場(Light Field)[29]方法是最新提出的較有效的方法，對各種外部成像條件的變化都能進行較好處理。由于人臉是三維的，因此利用三維模型(或者三維和兩維相結(jié)合)可以顯著地提高識別性能。

4總結(jié)與展望

本文對人臉識別的發(fā)展歷史、研究現(xiàn)狀進行了綜述，尤其是對近幾年來在光照和姿態(tài)變化處理方面的研究進展進行了詳細論述。

經(jīng)過幾十年的研究，人臉識別已經(jīng)取得了很大的進展，但現(xiàn)有的人臉識別方法一般都是針對某一類問題提出的，由于人臉識別問題的復(fù)雜性，實現(xiàn)一個通用的人臉識別系統(tǒng)目前還不現(xiàn)實。因此，解決特定條件或者特定應(yīng)用領(lǐng)域的人臉識別問題仍然是目前人臉識別研究的重要課題。要構(gòu)建一個穩(wěn)健的人臉識別系統(tǒng)，以下是有待于解決的幾個主要問題:

1、非線性建模問題。目前統(tǒng)計方法中的子空間方法有一個共同的特點，即都是線性方法。人臉圖像顯然是一種高度非線性的模式。也就是說，人臉圖像的分布應(yīng)該是位于某種高度非線性的流形[30](Mani-fold)上的，因此用非線性方法來進行人臉識別是一個必然的發(fā)展趨勢。人臉識別技術(shù)由線性向非線性發(fā)展可能的現(xiàn)實途徑有兩條:一是利用核理論將現(xiàn)有的線性分析方法向非線性擴展，這是一種間接的方法。典型代表是核主成分分析(Kernel Principal Component Analysis, KPCA)，也就是利用核理論對PCA進行擴展;二是直接從數(shù)據(jù)分布本身出發(fā)，研究高效的非線性流形學(xué)習(xí)算法，從而將人臉圖像投影到其實際分布所在的流形上進行識別，目前，已有研究人員將其應(yīng)用到人臉識別領(lǐng)域，對人臉圖像采用流型的方法來進行識別。

2、三維建模問題。目前只利用二維信息的人臉識別方法只能在特定環(huán)境下取得較好的性能，然而在處理光照、視角和表情等方面的變化時會遇到較大的困難。由于人臉是三維的，因此利用三維模型可以顯著提高識別性能本文論述的三維可變型模型方法就是在這方面較好地嘗試。但是目前三維人臉識別在識別算法、三維人臉庫以及實驗方法等方面還存在很多挑戰(zhàn)。

3、三維模型計算開銷問題。利用三維模型可以顯著提高識別性能，然而，構(gòu)造和存儲完整的三維人臉模型需要的開銷太大，因此如何通過二維圖像對三維人臉參數(shù)進行建模將是未來人臉識別研究的一個熱點。另外，利用2.5維信息進行識別也是減小存儲和計算開銷的一條可能途徑。

4、算法的自動化與時間開銷問題。本文所提到的算法中，基于幾何特征的方法與基于模型的方法中的部分算法存在手工標定人臉特征點的問題，算法的自動化程度有待進一步加強。另外，算法中某些魯棒性與準確率較高的算法，計算量巨大，運算時間比較長，人臉識別的實時性有待加強。[1] 厲小潤,趙光宙,趙遼英.改進的核直接Fisher描述分析與人臉識別[J].浙江大學(xué)學(xué)報:工學(xué)版, 2008,42(4): 583-589.[2] YU Hua, YANG Jie.A direct LDA algorithm for high-dimensionaldatawith application to face recognition [J].Pattern Recognition,2001,34(10): 2067-2070.[3] 周大可,楊新,彭寧嵩.改進的線性判別分析算法及其在人臉識別中的應(yīng)用[J].上海交通大學(xué)學(xué)報, 2005,39(4): 527-530.[4] BARTLELLM S, MOVELLAN JR, SEJNOWSKIT J.Face recognition by independent component analysis [J].IEEE Trans on NeuralNetworks, 2002,13(6): 1450-1464.[5] 洪子泉,楊靜宇.基于奇異值特征和統(tǒng)計模型的人像識別算法[J].計算機研究與發(fā)展, 1994,31(3): 60-65.[6] 杜干,朱雯君.基于局部奇異值分解和模糊決策的人臉識別方法[J].中國圖象圖形學(xué)報, 2006,11(10): 1456-1459.[7] 高全學(xué),梁彥,潘泉,等.SVD用于人臉識別存在的問題及解決方法[J].中國圖象圖形學(xué)報, 2006,11(12): 1784-1791.[8] COOTES T F, EDWARDS G J, TAYLOR C J.Active appearance models: active appearance models [ J].IEEE Trans on Pattern Analysis and Machine Intelligence, 2001,23(6): 681-685.[9] WISKOTTL, FELLOUS JM, KRUGER N,et al.Face recognition by elastic bunch graphmatching [J].IEEE Trans on Pattern Analysis and Machine Intelligence, 1997,19(7): 775-779.[10] WURTZ R P.Object recognition robust under translations, deformations, and changes in background [ J].IEEE Trans on Pattern Analysis and Machine Intelligence, 1997,19(7): 769-775.[11] 孫大瑞,吳樂南.基于特征的彈性圖匹配人臉識別算法[J].應(yīng)用科學(xué)學(xué)報, 2002,20(4): 377-381.[12] 張海旸,馬華東.基于網(wǎng)格的自適應(yīng)彈性圖人臉匹配方法[J].計算機輔助設(shè)計與圖形學(xué)報, 2008,20(2): 253-258.[13] 劉小軍,王東峰,張麗飛,等.一種基于奇異值分解和隱馬爾可夫模型的人臉識別方法[J].計算機學(xué)報, 2003,26(3): 340-344.[14] 李耀東,崔霞,肖柏華,等.自動人臉識別技術(shù)綜述[J].計算機科學(xué), 2002,29(12): 1-11.[15] 鄒志煌,孫鑫,程武山.人臉識別技術(shù)產(chǎn)品的發(fā)展概況[J].視頻應(yīng)用與工程, 2008,32(3): 91-93.[16] 劉瑾,徐可欣,陳小紅,等.采用圖像融合技術(shù)的多模式人臉識別[J].工程圖學(xué)學(xué)報, 2007,28(6): 72-78.[17] 王耀明,王仲國,沈毅俊.基于圖像集似然度的人臉識別[J].計算機工程, 2001, 27(7): 113-114.[18] 王宏勇，廖海斌，段新華，丁汨.基于奇異值與特征融合矩陣的自適應(yīng)人臉識別[J].計算機工程與應(yīng)用，2010，46（7）：162-174.[19] 斯華齡,張立明.智能視覺圖像處理-多通道圖像的無監(jiān)督學(xué)習(xí)方法及其他方法[M].上海:上?？萍冀逃霭嫔?2002.[20] 郭武,張鵬,王潤生.獨立分量分析及其在圖像處理中的應(yīng)用現(xiàn)狀[J].計算機工程與應(yīng)用，2008，44（23）：172-176.[21] 白曉明,王成章,石勤.基于二維線性判別分析的彩色人臉識別[J].北京工業(yè)大學(xué)學(xué)報.2010,12(36):1717-1721.[22] 王曉慧.線性判別分析與主成分分析及其相關(guān)研究評述[J].中山大學(xué)研究生學(xué)刊(自然科學(xué)、醫(yī)學(xué)版).2007,4(28):50-59.[23] 聶會星,梁坤,徐樅巍.基于小波變換和支持向量機的人臉識別研究[J].合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版).2022，2（34）：208-211 [24] 段錦著.人臉自動機器識別[M].北京: 科學(xué)出版社, 2009．

[25] 吳巾一，周德龍.計算機應(yīng)用研究[J].人臉識別方法綜述，2009，9（26）: 3205-3209 [26] SIROVITCH L, KIRBYM.Low-dimensionalprocedure for the characterization of human face[ J].Journal of the Optical Society of America, 1987,4(3): 519-524.[27] KIRBYM, SIROVITCH L.Application ofKarhunen-Loeve procedure for the characterization ofhuman faces[J].IEEE Trans on Pattern Analysis and Machine Intelligence, 1990,12(1): 103-108.[28] 劉成明，張立明.一種改進的人臉特征點定位方法[J].復(fù)旦學(xué)報：自然科學(xué)版，2006,45(4)：452-463.[29] 杜春華.人臉特征點定位及識別的研究[D].上海：上海交通大學(xué).2008.[30] 馬艷妮，耿國華等.臉部特征點的定位與提取方法[J].計算機工程與應(yīng)用，2009,45(18)：167-170.讀書的好處

1、行萬里路，讀萬卷書。

2、書山有路勤為徑，學(xué)海無涯苦作舟。

3、讀書破萬卷，下筆如有神。

4、我所學(xué)到的任何有價值的知識都是由自學(xué)中得來的?！_爾文

5、少壯不努力，老大徒悲傷。

6、黑發(fā)不知勤學(xué)早，白首方悔讀書遲?！佌媲?/p>

7、寶劍鋒從磨礪出，梅花香自苦寒來。

8、讀書要三到：心到、眼到、口到

9、玉不琢、不成器，人不學(xué)、不知義。

10、一日無書，百事荒廢?！悏?/p>

11、書是人類進步的階梯。

12、一日不讀口生，一日不寫手生。

13、我撲在書上，就像饑餓的人撲在面包上。——高爾基

14、書到用時方恨少、事非經(jīng)過不知難?！懹?/p>

15、讀一本好書，就如同和一個高尚的人在交談——歌德

16、讀一切好書，就是和許多高尚的人談話?！芽▋?/p>

17、學(xué)習(xí)永遠不晚?！郀柣?/p>

18、少而好學(xué)，如日出之陽；壯而好學(xué)，如日中之光；志而好學(xué)，如炳燭之光。——劉向

19、學(xué)而不思則惘，思而不學(xué)則殆?！鬃?/p>

20、讀書給人以快樂、給人以光彩、給人以才干。——培根

第二篇：人臉識別技術(shù)解讀

人臉識別，特指利用分析比較的計算機技術(shù)。人臉識別是一項熱門的計算機技術(shù)研究領(lǐng)域，人臉追蹤偵測，自動調(diào)整影像放大，夜間紅外偵測，自動調(diào)整曝光強度；它屬于生物特征識別技術(shù)，是對生物體（一般特指人）本身的生物特征來區(qū)分生物體個體。

中文名 人臉識別技術(shù) 實 質(zhì)

輸入的人臉圖象或者視頻流 研究領(lǐng)域

熱門的計算機技術(shù)研究領(lǐng)域 技 術(shù)

生物特征識別技術(shù)

目錄

1基本介紹

2技術(shù)原理 ? 人臉識別內(nèi)容 ? 人臉的識別過程 3分析算法

4功能模塊

? 人臉捕獲與跟蹤功能 ? 人臉識別比對 ? 人臉的建模與檢索 ? 真人鑒別功能 ? 圖像質(zhì)量檢測 5基本方法

6技術(shù)細節(jié) 7優(yōu)缺點

? 人臉識別優(yōu)點 ? 人臉識別的弱點 8技術(shù)應(yīng)用

9應(yīng)用前景

1基本介紹編輯

人臉識別技術(shù)是基于人的臉部特征，對輸入的人臉圖象或者視頻流.首先判斷其是否存在人臉 , 如果存在人臉，則進一步的給出每個臉的位置、大小和各個主要面部器官的位置信息。并依據(jù)這些信息，進一步提取每個人臉中所蘊涵的身份特征，并將其與已知的人臉進行對比，從而識別每個人臉的身份。

廣義的人臉識別實際包括構(gòu)建人臉識別系統(tǒng)的一系列相關(guān)技術(shù)，包括人臉圖像采集、人臉定位、人臉識別預(yù)處理、身份確認以及身份查找等；而狹義的人臉識別特指通過人臉進行身份確認或者身份查找的技術(shù)或系統(tǒng)。

生物特征識別技術(shù)所研究的生物特征包括臉、指紋、手掌紋、虹膜、視網(wǎng)膜、聲音（語音）、體形、個人習(xí)慣（例如敲擊鍵盤的力度和頻率、簽字）等，相應(yīng)的識別技術(shù)就有人臉識別、指紋識別、掌紋識別、虹膜識別、視網(wǎng)膜識別、語音識別（用語音識別可以進行身份識別，也可以進行語音內(nèi)容的識別，只有前者屬于生物特征識別技術(shù)）、體形識別、鍵盤敲擊識別、簽字識別等。2技術(shù)原理編輯

人臉識別內(nèi)容

人臉識別技術(shù)包含三個部分：(1)人臉檢測 面貌檢測是指在動態(tài)的場景與復(fù)雜的背景中判斷是否存在面像，并分離出這種面像。一般有下列幾種方法： ①參考模板法

首先設(shè)計一個或數(shù)個標準人臉的模板，然后計算測試采集的樣品與標準模板之間的匹配程度，并通過閾值來判斷是否存在人臉；

②人臉規(guī)則法

由于人臉具有一定的結(jié)構(gòu)分布特征，所謂人臉規(guī)則的方法即提取這些特征生成相應(yīng)的規(guī)則以判斷測試樣品是否包含人臉；

③樣品學(xué)習(xí)法

這種方法即采用模式識別中人工神經(jīng)網(wǎng)絡(luò)的方法，即通過對面像樣品集和非面像樣品集的學(xué)習(xí)產(chǎn)生分類器；

④膚色模型法

這種方法是依據(jù)面貌膚色在色彩空間中分布相對集中的規(guī)律來進行檢測。⑤特征子臉法

這種方法是將所有面像集合視為一個面像子空間，并基于檢測樣品與其在子空間的投影之間的距離判斷是否存在面像。

值得提出的是，上述5種方法在實際檢測系統(tǒng)中也可綜合采用。(2)人臉跟蹤

面貌跟蹤是指對被檢測到的面貌進行動態(tài)目標跟蹤。具體采用基于模型的方法或基于運動與模型相結(jié)合的方法。此外，利用膚色模型跟蹤也不失為一種簡單而有效的手段。

(3)人臉比對

面貌比對是對被檢測到的面貌像進行身份確認或在面像庫中進行目標搜索。這實際上就是說，將采樣到的面像與庫存的面像依次進行比對，并找出最佳的匹配對象。所以，面像的描述決定了面像識別的具體方法與性能。主要采用特征向量與面紋模板兩種描述方法：

①特征向量法

該方法是先確定眼虹膜、鼻翼、嘴角等面像五官輪廓的大小、位置、距離等屬性，然后再計算出它們的幾何特征量，而這些特征量形成一描述該面像的特征向量。

②面紋模板法

該方法是在庫中存貯若干標準面像模板或面像器官模板，在進行比對時，將采樣面像所有象素與庫中所有模板采用歸一化相關(guān)量度量進行匹配。此外，還有采用模式識別的自相關(guān)網(wǎng)絡(luò)或特征與模板相結(jié)合的方法。

人臉識別技術(shù)的核心實際為“局部人體特征分析”和“圖形/神經(jīng)識別算法。”這種算法是利用人體面部各器官及特征部位的方法。如對應(yīng)幾何關(guān)系多數(shù)據(jù)形成識別參數(shù)與數(shù)據(jù)庫中所有的原始參數(shù)進行比較、判斷與確認。一般要求判斷時間低于1秒。人臉的識別過程

一般分三步：

(1)首先建立人臉的面像檔案。即用攝像機采集單位人員的人臉的面像文件或取他們的照片形成面像文件，并將這些面像文件生成面紋(Faceprint)編碼貯存起來。

(2)獲取當前的人體面像。即用攝像機捕捉的當前出入人員的面像，或取照片輸入，并將當前的面像文件生成面紋編碼。

(3)用當前的面紋編碼與檔案庫存的比對。即將當前的面像的面紋編碼與檔案庫存中的面紋編碼進行檢索比對。上述的“面紋編碼”方式是根據(jù)人臉臉部的本質(zhì)特征和開頭來工作的。這種面紋編碼可以抵抗光線、皮膚色調(diào)、面部毛發(fā)、發(fā)型、眼鏡、表情和姿態(tài)的變化，具有強大的可靠性，從而使它可以從百萬人中精確地辨認出某個人。人臉的識別過程，利用普通的圖像處理設(shè)備就能自動、連續(xù)、實時地完成。3分析算法編輯

人臉識別技術(shù)中被廣泛采用的區(qū)域特征分析算法，它融合了計算機圖

人臉識別

像處理技術(shù)與生物統(tǒng)計學(xué)原理于一體，利用計算機圖像處理技術(shù)從視頻中提取人像特征點，利用生物統(tǒng)計學(xué)的原理進行分析建立數(shù)學(xué)模型,即人臉特征模板。利用已建成的人臉特征模板與被測者的人的面像進行特征分析，根據(jù)分析的結(jié)果來給出一個相似值。通過這個值即可確定是否為同一人。4功能模塊編輯

人臉捕獲與跟蹤功能

人臉捕獲是指在一幅圖像或視頻流的一幀中檢測出人像并將人像從背景中分離出來，并自動地將其保存。人像跟蹤是指利用人像捕獲技術(shù)，當指定的人像在攝像頭拍攝的范圍內(nèi)移動時自動地對其進行跟蹤。人臉識別比對

人臉識別分核實式和搜索式二種比對模式。核實式是對指將捕獲得到的人像或是指定的人像與數(shù)據(jù)庫中已登記的某一對像作比對核實確定其是否為同一人。搜索式的比對是指，從數(shù)據(jù)庫中已登記的所有人像中搜索查找是否有指定的人像存在。

人臉的建模與檢索

可以將登記入庫的人像數(shù)據(jù)進行建模提取人臉的特征，并將其生成人臉模板（人臉特征文件）保存到數(shù)據(jù)庫中。在進行人臉搜索時（搜索式），將指定的人像進行建模，再將其與數(shù)據(jù)庫中的所有人的模板相比對識別，最終將根據(jù)所比對的相似值列出最相似的人員列表。

真人鑒別功能

系統(tǒng)可以識別得出攝像頭前的人是一個真正的人還是一幅照片。以此杜絕使用者用照片作假。此項技術(shù)需要使用者作臉部表情的配合動作。

圖像質(zhì)量檢測

圖像質(zhì)量的好壞直接影響到識別的效果，圖像質(zhì)量的檢測功能能對即將進行比對的照片進行圖像質(zhì)量評估，并給出相應(yīng)的建議值來輔助識別。5基本方法編輯

人臉識別的方法很多，主要的人臉識別方法有：

（1）幾何特征的人臉識別方法：幾何特征可以是眼、慧眼人臉識別考勤機 鼻、嘴等的形狀和它們之間的幾何關(guān)系（如相互之間的距離）。這些算法識別速度快，需要的內(nèi)存小，但識別率較低。

（2）基于特征臉（PCA）的人臉識別方法：特征臉方法是基于KL變換的人臉識別方法，KL變換是圖像壓縮的一種最優(yōu)正交變換。高維的圖像空間經(jīng)過KL變換后得到一組新的正交基，保留其中重要的正交基，由這些基可以張成低維線性空間。如果假設(shè)人臉在這些低維線性空間的投影具有可分性，就可以將這些投影用作識別的特征矢量，這就是特征臉方法的基本思想。這些方法需要較多的訓(xùn)練樣本，而且完全是基于圖像灰度的統(tǒng)計特性的。目前有一些改進型的特征臉方法。

（3）神經(jīng)網(wǎng)絡(luò)的人臉識別方法：神經(jīng)網(wǎng)絡(luò)的輸入可以是降低分辨率的人臉圖像、局部區(qū)域的自相關(guān)函數(shù)、局部紋理的二階矩等。這類方法同樣需要較多的樣本進行訓(xùn)練，而在許多應(yīng)用中，樣本數(shù)量是很有限的。

（4）彈性圖匹配的人臉識別方法：彈性圖匹配法在二維的空間中定義了一種對于通常的人臉變形具有一定的不變性的距離，并采用屬性拓撲圖來代表人臉，拓撲圖的任一頂點均包含一特征向量，用來記錄人臉在該頂點位置附近的信息。該方法結(jié)合了灰度特性和幾何因素，在比對時可以允許圖像存在彈性形變，在克服表情變化對識別的影響方面收到了較好的效果，同時對于單個人也不再需要多個樣本進行訓(xùn)練。

（5）線段Hausdorff 距離(LHD)的人臉識別方法：心理學(xué)的研究表明，人類在識別輪廓圖（比如漫畫）的速度和準確度上絲毫不比識別灰度圖差。LHD是基于從人臉灰度圖像中提取出來的線段圖的，它定義的是兩個線段集之間的距離，與眾不同的是，LHD并不建立不同線段集之間線段的一一對應(yīng)關(guān)系，因此它更能適應(yīng)線段圖之間的微小變化。實驗結(jié)果表明，LHD在不同光照條件下和不同姿態(tài)情況下都有非常出色的表現(xiàn)，但是它在大表情的情況下識別效果不好。

慧眼人臉識別考勤機

（6）支持向量機(SVM)的人臉識別方法：支持向量機是統(tǒng)計模式識別領(lǐng)域的一個新的熱點，它試圖使得學(xué)習(xí)機在經(jīng)驗風險和泛化能力上達到一種妥協(xié)，從而提高學(xué)習(xí)機的性能。支持向量機主要解決的是一個2分類問題，它的基本思想是試圖把一個低維的線性不可分的問題轉(zhuǎn)化成一個高維的線性可分的問題。通常的實驗結(jié)果表明SVM有較好的識別率，但是它需要大量的訓(xùn)練樣本（每類300個），這在實際應(yīng)用中往往是不現(xiàn)實的。而且支持向量機訓(xùn)練時間長，方法實現(xiàn)復(fù)雜，該函數(shù)的取法沒有統(tǒng)一的理論。6技術(shù)細節(jié)編輯

一般來說，人臉識別系統(tǒng)包括圖像攝取、人臉定位、圖像預(yù)處理、以及人臉識別（身份確認或者身份查找）。系統(tǒng)輸入一般是一張或者一系列含有未確定身份的人臉圖像，以及人臉數(shù)據(jù)庫中的若干已知身份的人臉圖象或者相應(yīng)的編碼，而其輸出則是一系列相似度得分，表明待識別的人臉的身份。

人臉識別的算法可以分類為：

基于人臉特征點的識別算法（Feature-based recognition algorithms）?；谡四槇D像的識別算法（Appearance-based recognition algorithms）。

基于模板的識別算法（Template-based recognition algorithms）。利用神經(jīng)網(wǎng)絡(luò)進行識別的算法（Recognition algorithms using neural network）。7優(yōu)缺點編輯

人臉識別優(yōu)點

相比較其他生物識別技術(shù)而言：

非接觸的，用戶不需要和設(shè)備直接接觸；

非強制性，被識別的人臉圖像信息可以主動獲取；

并發(fā)性，即實際應(yīng)用場景下可以進行多個人臉的分揀、判斷及識別。

人臉識別的弱點

對周圍的光線環(huán)境敏感，可能影響識別的準確性； 人體面部的頭發(fā)、飾物等遮擋物，人臉變老等因素，需要進行人工智能補償；（如可通過識別人臉的部分關(guān)鍵特性做修正）。8技術(shù)應(yīng)用編輯

1．企業(yè)、住宅安全和管理。如人臉識別門禁考勤系統(tǒng)，人臉識別防盜門等。2．電子護照及身份證。這或許是未來規(guī)模最大的應(yīng)用。在國際民航組織（ICAO）已確定，從 2010年 4月 1日起，其 118個成員國家和地區(qū)，人臉識別技術(shù)是首推識別模式，該規(guī)定已經(jīng)成為國際標準。美國已經(jīng)要求和它有出入免簽證協(xié)議的國家在2006年10月 26日之前必須使用結(jié)合了人臉指紋等生物特征的電子護照系統(tǒng)，到 2006年底已經(jīng)有 50多個國家實現(xiàn)了這樣的系統(tǒng)。美國運輸安全署（Transportation Security Administration）計劃在全美推廣一項基于生物特征的國內(nèi)通旅行證件。歐洲很多國家也在計劃或者正在實施類似的計劃，用包含生物特征的證件對旅客進行識別和管理[7]。中國的電子護照計劃公安部一所正在加緊規(guī)劃和實施。

3．公安、司法和刑偵。如利用人臉識別系統(tǒng)和網(wǎng)絡(luò)，在全國范圍內(nèi)搜捕逃犯。

4．自助服務(wù)。如銀行的自動提款機，如果同時應(yīng)用人臉識別就會避免被他人盜取現(xiàn)金現(xiàn)象的發(fā)生。

5．信息安全。如計算機登錄、電子政務(wù)和電子商務(wù)。在電子商務(wù)中交易全部在網(wǎng)上完成，電子政務(wù)中的很多審批流程也都搬到了網(wǎng)上。而當前，交易或者審批的授權(quán)都是靠密碼來實現(xiàn)。如果密碼被盜，就無法保證安全。如果使用生物特征，就可以做到當事人在網(wǎng)上的數(shù)字身份和真實身份統(tǒng)一。從而大大增加電子商務(wù)和電子政務(wù)系統(tǒng)的可靠性。9應(yīng)用前景編輯

生物識別技術(shù)被廣泛用于政府、軍隊、銀行、社會福利保障、電子商務(wù)、安全防務(wù)等領(lǐng)域。例如，一位儲戶走進了銀行，他既沒帶銀行卡，也沒有回憶密碼就徑直提款，當他在提款機上提款時，一臺攝像機對該用戶的眼睛掃描，然后迅速而準確地完成了用戶身份鑒定，辦理完業(yè)務(wù)。這是美國德克薩斯州聯(lián)合銀行的一個營業(yè)部中發(fā)生的一個真實的鏡頭。而該營業(yè)部所使用的正是現(xiàn)代生物識別技術(shù)中的“虹膜識別系統(tǒng)”。此外，美國“9.11”事件后，反恐怖活動已成為各國政府的共識，加強機場的安全防務(wù)十分重要。美國維薩格公司的臉像識別技術(shù)在美國的兩家機場大顯神通，它能在擁擠的人群中挑出某一張面孔，判斷他是不是通緝犯。

隨著技術(shù)的進一步成熟和社會認同度的提高，人臉識別技術(shù)將應(yīng)用在更多的領(lǐng)域。

1、企業(yè)、住宅安全和管理。如人臉識別門禁考勤系統(tǒng)，人臉識別防盜門等。

2、電子護照及身份證。這或許是未來規(guī)模最大的應(yīng)用，國際民航組織(ICAO)已確定，從2010年起，其118個成員國家和地區(qū)，必須使用機讀護照，人臉識別技術(shù)是首推識別模式，該規(guī)定已經(jīng)成為國際標準。中國的電子護照計劃公安部一所正在加緊規(guī)劃和實施。

3、公安、司法和刑偵。如利用人臉識別系統(tǒng)和網(wǎng)絡(luò)，在全國范圍內(nèi)搜捕逃犯。

4、自助服務(wù)。如銀行的自動提款機，如果用戶卡片和密碼被盜，就會被他人冒取現(xiàn)金。如果同時應(yīng)用人臉識別就會避免這種情況的發(fā)生。

5、信息安全。如計算機登錄、電子政務(wù)和電子商務(wù)。在電子商務(wù)中交易全部在網(wǎng)上完成，電子政務(wù)中的很多審批流程也都搬到了網(wǎng)上。而當前，交易或者審批的授權(quán)都是靠密碼來實現(xiàn)，如果密碼被盜，就無法保證安全。但是使用生物特征，就可以做到當事人在網(wǎng)上的數(shù)字身份和真實身份統(tǒng)一，從而大大增加電子商務(wù)和電子政務(wù)系統(tǒng)的可靠性。[1]

2012年無錫采用物聯(lián)網(wǎng)人臉識別技術(shù)規(guī)范建筑市場。無錫的建筑工地將從6月1日起每天通過物聯(lián)網(wǎng)技術(shù)進行人臉識別，通過考勤管理，確保項目負責人到位，掛靠、層層轉(zhuǎn)包等現(xiàn)象將有望受到限制。

京滬高鐵三站將建人臉識別系統(tǒng)，整容也能被識別。鐵路部門發(fā)布計劃表示，將在京滬高鐵段的上海虹橋站、天津西站、濟南西站這三個站點，建設(shè)人臉識別系統(tǒng)工程，以協(xié)助公安部門抓捕在逃罪犯。利用這個系統(tǒng)，作案后的犯罪分子，即使整容，也將能夠被識別。[2]

讀書的好處

1、行萬里路，讀萬卷書。

2、書山有路勤為徑，學(xué)海無涯苦作舟。

3、讀書破萬卷，下筆如有神。

4、我所學(xué)到的任何有價值的知識都是由自學(xué)中得來的?！_爾文

5、少壯不努力，老大徒悲傷。

6、黑發(fā)不知勤學(xué)早，白首方悔讀書遲?！佌媲?/p>

7、寶劍鋒從磨礪出，梅花香自苦寒來。

8、讀書要三到：心到、眼到、口到

9、玉不琢、不成器，人不學(xué)、不知義。

10、一日無書，百事荒廢?！悏?/p>

11、書是人類進步的階梯。

12、一日不讀口生，一日不寫手生。

13、我撲在書上，就像饑餓的人撲在面包上?！郀柣?/p>

14、書到用時方恨少、事非經(jīng)過不知難?！懹?/p>

15、讀一本好書，就如同和一個高尚的人在交談——歌德

16、讀一切好書，就是和許多高尚的人談話?！芽▋?/p>

17、學(xué)習(xí)永遠不晚?！郀柣?/p>

18、少而好學(xué)，如日出之陽；壯而好學(xué)，如日中之光；志而好學(xué)，如炳燭之光?！獎⑾?/p>

19、學(xué)而不思則惘，思而不學(xué)則殆?！鬃?/p>

20、讀書給人以快樂、給人以光彩、給人以才干?！喔?/p>

第三篇：人臉識別技術(shù)發(fā)展及應(yīng)用分析解讀[推薦]

人臉識別技術(shù)發(fā)展及應(yīng)用分析

人臉識別是基于人的臉部特征信息進行身份識別的一種生物識別技術(shù)。用攝像機采集人臉圖像，并自動在圖像中檢測和跟蹤人臉，進而對檢測到的人臉進行臉部的一系列相關(guān)技術(shù)處理，包括人臉圖像采集、人臉定位、人臉識別預(yù)處理、記憶存儲和比對辨識，達到識別不同人身份的目的。

市場現(xiàn)狀

人臉識別技術(shù)的研究始于20世紀60年代末期。20世紀90年代后期以來，一些商業(yè)性的人臉識別系統(tǒng)逐漸進入市場，但是，這些技術(shù)和系統(tǒng)離實用化都有一定距離，性能和準確率也有待提高。

美國遭遇恐怖襲擊后，這一技術(shù)引起了廣泛關(guān)注。作為非常容易隱蔽使用的識別技術(shù)，人臉識別逐漸成為國際反恐和安全防范重要的手段之一。近年來，人臉識別在中國市場，也經(jīng)歷著迅速的發(fā)展，而且發(fā)展的腳步也越來越快。主要原因有以下兩方面。科技的進步

國際上，美國標準與技術(shù)研究院（NIST）舉辦的Face Recognition Vendor Test 2006，通過大規(guī)模的人臉數(shù)據(jù)測試表明，當今世界上人臉識別方法的識別精度比2002年的FRVT2002至少提高了一個數(shù)量級（10倍），而對于高清晰，高質(zhì)量人臉圖像識別，機器的識別精度幾乎達到100%。在我國，近年來科技界和社會各個方面都認識到人臉識別技術(shù)的重要性，國家政策對人臉識別技術(shù)研究給予了很大支持，使得我國人臉識別技術(shù)也得到了迅速的發(fā)展。應(yīng)用需求的增加

越來越趨向于高科技的犯罪手段使得人們對各種場合的安全機制要求也近乎苛刻，各種應(yīng)用需求不斷涌現(xiàn)。人臉識別市場的快速發(fā)展一方面歸功于生物識別需求的多元化，另一方面則是由于人臉識別技術(shù)的進步。從需求上來說，除了傳統(tǒng)的考勤、門禁等應(yīng)用外，視頻監(jiān)控環(huán)境下的身份識別正成為一種迫切的需求，即在一個較復(fù)雜的場景中，在較遠的距離就識別出特定的人，這顯然是其它生物識別方法所欠缺的，而人臉識別卻是一個極佳的選擇。技術(shù)歷程

國家“十一五”科技發(fā)展規(guī)劃將人臉識別技術(shù)的研究與發(fā)展列入其中，明確指出：“要在生物特征識別技術(shù)領(lǐng)域縮小與世界先進水平的差距，開展生物特征識別應(yīng)用技術(shù)研究，開發(fā)具有高安全性、低誤報率的出入口控制新產(chǎn)品。”在這種環(huán)境下，國內(nèi)一些科研院所和院校在人臉識別技術(shù)方面取得了很大進展。如中科院自動化所，清華大學(xué)，中科院計算所自主開發(fā)的人臉識別技術(shù)已經(jīng)達到了國際先進的水平。

傳統(tǒng)的人臉識別技術(shù)主要是基于可見光圖像的人臉識別，這也是人們最熟悉的識別方式，已有30多年的研發(fā)歷史。但這種方式有著難以克服的缺陷，尤其在環(huán)境光照發(fā)生變化時，識別效果會急劇下降，無法滿足實際系統(tǒng)的需要。解決光照問題的方案有三維圖像人臉識別，和熱成像人臉識別。但目前這兩種技術(shù)還遠不成熟，識別效果不盡人意。

最近迅速發(fā)展起來的一種解決方案是基于主動近紅外圖像的多光源人臉識別技術(shù)。它可以克服光線變化的影響，已經(jīng)取得了卓越的識別性能，在精度、穩(wěn)定性和速度方面的整體系統(tǒng)性能超過三維圖像人臉識別。這項技術(shù)在近兩三年發(fā)展迅速，使人臉識別技術(shù)逐漸走向?qū)嵱没?。[nextpage] 可見光人臉識別技術(shù)

可見光是光譜中人眼可以感知的部分，可見光譜沒有精確的范圍，一般人的眼睛可以感知可見光的波長在400到700納米之間。作為可為人眼感知的光源，也是生活中最常見的光源。因此，傳統(tǒng)的人臉識別技術(shù)主要基于可見光圖像的人臉識別，這也是人們最熟悉的人臉識別方式。

為了克服受環(huán)境光照的影響，學(xué)術(shù)界做了大量的研究和技術(shù)開發(fā)。對可見光人臉識別系統(tǒng)進行了大量改進,以減輕環(huán)境光照的影響，目前也取得了一定的進步。

多光源人臉識別技術(shù)

在自然界中，除人眼可見的光線外，還存在著紅外、紫外等不可見的光線。為了克服可見光因環(huán)境因素而變化的影響，相關(guān)企業(yè)做了大量的研究和技術(shù)開發(fā)。基于紅外與可見光融合的多光源人臉識別方法是人臉識別技術(shù)的一項革命性創(chuàng)新，目的在于消除可見光變化對人臉識別的影響。

可見光圖像受光源影響較大，而單純的紅外圖像可以獨立光源，但對溫度變化比較敏感，而紅外與可見光融合的多光源人臉識別方法，被證明比任意單一光源的識別更有效。它是一種基于融合紅外與可見光圖像的人臉識別方法，對紅外與可見光人臉圖像分別采用PCA與線性辨別分析相結(jié)合的方法進行特征提取和識別，并利用獲得的識別結(jié)果與它們各自的置信度進行決策融合，并確定最終的人臉識別結(jié)果。實驗表明，可以有效提高人臉識別性能和對各種應(yīng)用環(huán)境的適用性。技術(shù)優(yōu)勢

人臉識別較之于其它生物識別技術(shù)，在社會公共安全領(lǐng)域的應(yīng)用，具有更明顯的優(yōu)勢。

首先是其自然性，該識別技術(shù)同人類（甚至其它生物）進行個體識別時所利用的生物特征相同。例如臉部識別，人類也是通過觀察比較人臉區(qū)分并確認身份的，另外具有自然性的識別還有語音識別、體形識別等，而指紋識別、虹膜識別等都不具有自然性，因為人類或者其它生物并不通過此類生物特征區(qū)別個體。

其次是其不被察覺性，不被察覺對于一種識別方法也很重要，這會使該識別方法不令人反感，并且因為不容易引起人的注意而不容易被欺騙。人臉識別具有這方面的特點，它完全利用可見光獲取人臉圖像信息，而不同于指紋識別或者虹膜識別，需要利用電子壓力傳感器采集指紋，或者近距離采集虹膜圖像，這些特殊的采集方式很容易被人察覺，從而更有可能被偽裝欺騙。這一特點特別適用于逃犯跟蹤系統(tǒng)。

再則是其非接觸性和唯一性，使其更加適合運用于公安刑偵系統(tǒng)，門禁考勤系統(tǒng)，網(wǎng)絡(luò)應(yīng)用系統(tǒng)等。應(yīng)用前景

目前生物識別技術(shù)已廣泛用于政府、軍隊、銀行、社會福利保障、電子商務(wù)、安全防務(wù)等領(lǐng)域。例如，一位儲戶走進了銀行，他既沒帶銀行卡，也沒有回憶密碼就徑直提款，當他在提款機上提款時，一臺攝像機對該用戶的眼睛掃描，然后迅速而準確地完成了用戶身份鑒定，辦理完業(yè)務(wù)。這是美國德克薩斯州聯(lián)合銀行的一個營業(yè)部中發(fā)生的一個真實的鏡頭。而該營業(yè)部所使用的正是現(xiàn)代生物識別技術(shù)中的“虹膜識別系統(tǒng)”。此外，美國“9.11”事件后，反恐怖活動已成為各國政府的共識，加強機場的安全防務(wù)十分重要。美國維薩格公司的臉像識別技術(shù)在美國的兩家機場大顯神通，它能在擁擠的人群中挑出某一張面孔，判斷他是不是通緝犯。

隨著技術(shù)的進一步成熟和社會認同度的提高，人臉識別技術(shù)將應(yīng)用在更多的領(lǐng)域。

1、企業(yè)、住宅安全和管理。如人臉識別門禁考勤系統(tǒng)，人臉識別防盜門等。

2、電子護照及身份證。這或許是未來規(guī)模最大的應(yīng)用，國際民航組織（ICAO）已確定，從2010年起，其118個成員國家和地區(qū)，必須使用機讀護照，人臉識別技術(shù)是首推識別模式，該規(guī)定已經(jīng)成為國際標準。中國的電子護照計劃公安部一所正在加緊規(guī)劃和實施。

3、公安、司法和刑偵。如利用人臉識別系統(tǒng)和網(wǎng)絡(luò)，在全國范圍內(nèi)搜捕逃犯。

4、自助服務(wù)。如銀行的自動提款機，如果用戶卡片和密碼被盜，就會被他人冒取現(xiàn)金。如果同時應(yīng)用人臉識別就會避免這種情況的發(fā)生。

5、信息安全。如計算機登錄、電子政務(wù)和電子商務(wù)。在電子商務(wù)中交易全部在網(wǎng)上完成，電子政務(wù)中的很多審批流程也都搬到了網(wǎng)上。而當前，交易或者審批的授權(quán)都是靠密碼來實現(xiàn)，如果密碼被盜，就無法保證安全。但是使用生物特征，就可以做到當事人在網(wǎng)上的數(shù)字身份和真實身份統(tǒng)一，從而大大增加電子商務(wù)和電子政務(wù)系統(tǒng)的可靠性。人臉識別產(chǎn)業(yè)的發(fā)展

這些年來我國經(jīng)濟發(fā)展日新月異，政府各部門對利用新技術(shù)解決關(guān)鍵問題熱情支持。人臉識別技術(shù)廣泛應(yīng)用到電子護照、生物特征身份證、銀行系統(tǒng)、公安系統(tǒng)、電子商務(wù)、電子政務(wù)等系統(tǒng)中，不但可以提高社會運行的效率，也可以大大增強公民日常生活的安全性。這將是一件功在當代利在千秋的好事。發(fā)展人臉識別技術(shù)離不開標準化工作。目前人臉識別標準化工作在公安部一所、電子技術(shù)標準研究所和中科院自動化所的倡導(dǎo)下，正在積極進行。這個工作不僅為規(guī)范國內(nèi)技術(shù)產(chǎn)品提供標準化規(guī)范，也將為中國技術(shù)進入國際提供平臺。

目前，人臉識別技術(shù)的應(yīng)用還沒有做到“普及”，但是不可否認，它已經(jīng)在開始影響我們的生活。通過一批專家學(xué)者不倦的努力，我國的人臉識別技術(shù)已經(jīng)不落后于發(fā)達國家。與此同時，市場對可靠的人臉識別技術(shù)的需求也越來越迫切。一旦人臉識別得以推廣，發(fā)展前景將不可**。屆時，人臉識別技術(shù)本身的發(fā)展和應(yīng)用效果還將有更大的提升，那將為我們的生活帶來更多的便利和安全。人臉識別產(chǎn)品選購安裝需注意的事項

由于生物識別產(chǎn)品受到外界因素的影響比較大，因而在選購、安裝等事項上也需要注意很多問題，而人臉識別產(chǎn)品受環(huán)境影響更大則更應(yīng)該做較多的考慮。

那么在具體的選購安裝中要注意的事項有：第一，該人臉識別產(chǎn)品在逆光下的檢測結(jié)果是否理想。第二，注意該產(chǎn)品數(shù)據(jù)庫的模板建立是否達到要求。理想情況下數(shù)據(jù)庫的模板數(shù)量是越多越好，當然在選擇的時候只要能達到自己的容量大小就可以了；另外，對最小像素點的要求也需考慮，如雙眼要達到100個像素點則比較不錯。第三，對產(chǎn)品采集圖像的最小角度的要求能否達到自己的預(yù)期。若不能達到自己滿意的角度則可以不考慮。

除此之外，眼鏡對于識別率的影響也應(yīng)該列入選購范圍內(nèi)，如采集圖片的時候雙目會不會被眼鏡遮擋，若被采集者佩戴較粗的鏡框，則有影響識別誤差的可能性。還有一個比較重要的因素是，該產(chǎn)品是否具有活體檢測功能，對于眼睛的睜開和關(guān)閉、眼球的運動等是否會影響到產(chǎn)品的識別誤差。

安裝的時候需要雙向的結(jié)合考慮，安裝攝像機不能太高，還要考慮軟件能適應(yīng)多少容量，補光情況怎樣，對光線下的識別率影響情況如何，是否受偏光的影響較大等，都是需要安裝的時候去認真考慮的問題。

以上這些都是檢測人臉識別產(chǎn)品好壞的一些標準，希望能給工程商和用戶提供一些選購安裝的依據(jù)。

讀書的好處

1、行萬里路，讀萬卷書。

2、書山有路勤為徑，學(xué)海無涯苦作舟。

3、讀書破萬卷，下筆如有神。

4、我所學(xué)到的任何有價值的知識都是由自學(xué)中得來的。——達爾文

5、少壯不努力，老大徒悲傷。

6、黑發(fā)不知勤學(xué)早，白首方悔讀書遲。——顏真卿

7、寶劍鋒從磨礪出，梅花香自苦寒來。

8、讀書要三到：心到、眼到、口到

9、玉不琢、不成器，人不學(xué)、不知義。

10、一日無書，百事荒廢。——陳壽

11、書是人類進步的階梯。

12、一日不讀口生，一日不寫手生。

13、我撲在書上，就像饑餓的人撲在面包上?！郀柣?/p>

14、書到用時方恨少、事非經(jīng)過不知難?！懹?/p>

15、讀一本好書，就如同和一個高尚的人在交談——歌德

16、讀一切好書，就是和許多高尚的人談話?！芽▋?/p>

17、學(xué)習(xí)永遠不晚?！郀柣?/p>

18、少而好學(xué)，如日出之陽；壯而好學(xué)，如日中之光；志而好學(xué)，如炳燭之光。——劉向

19、學(xué)而不思則惘，思而不學(xué)則殆?！鬃?/p>

20、讀書給人以快樂、給人以光彩、給人以才干。——培根

第四篇：人臉識別相關(guān)技術(shù)分析報告解讀

人臉識別相關(guān)技術(shù)

分析報告

2015年10月

目 錄

第一章 分析概述...........................................................................................................................................2

一、背景調(diào)研............................................................................................................................................2

二、檢索及分析內(nèi)容................................................................................................................................2 第二章 人臉識別專利態(tài)勢及技術(shù)研發(fā)分析...............................................................................................4

一、專利態(tài)勢及技術(shù)研發(fā)分析................................................................................................................4

（1）人臉識別專利申請趨勢分析......................................................................................................4

（2）技術(shù)生命周期..............................................................................................................................5（3）人臉識別技術(shù)構(gòu)成......................................................................................................................6（4）人臉識別競爭對手分析..............................................................................................................7

二、技術(shù)路線分析...................................................................................................................................8

（1）人臉定位技術(shù)路線....................................................................................................................8（2）圖像獲取技術(shù)路線....................................................................................................................9（3）人臉跟蹤技術(shù)路線....................................................................................................................10 第一章 分析概述

一、背景調(diào)研

人臉檢測識別技術(shù)是基于人臉特征來進行身份識別的技術(shù)。與其他識別方式相比，由于人臉始終暴露在外面，采集人臉特征有直接、友好、方便的特點?，F(xiàn)在，國際銀行組織、國際民航組織的生物特征識別護照的標準中明文規(guī)定必選的特征是人臉，可選的特征是指紋、虹膜或者在其它特征中任何一種。目前我國公民的第二代身份證有嵌入可機讀的人臉圖像信息，這也為下一步人臉識別廣泛應(yīng)用打下有利的基礎(chǔ)。

上世紀九十年代以來，人臉檢測識別技術(shù)研究達到了高潮時期，一批具有代表性的論文和算法產(chǎn)生，自動人臉識別技術(shù)也得到了長足的發(fā)展，相關(guān)機構(gòu)組織了如人臉手勢識別等專門的國際學(xué)術(shù)會議。另外，現(xiàn)在很多的研究型理工大學(xué)和兀公司都在著手人臉檢測識別研究。領(lǐng)域內(nèi)最著名的國際研究機構(gòu)包括：美國麻省理工學(xué)院媒體實驗室及人工智能實驗室、南加州大學(xué)、馬里蘭大學(xué)、卡內(nèi)基一梅隆大學(xué)機器人研究及交互系統(tǒng)實驗室等。在我國，清華大學(xué)計算機系、電子系瞻嘲、中科院自動化所陽吲、南京理工大學(xué)、南京航空航天大學(xué)、哈爾濱工業(yè)大學(xué)等進行了許多很有意義的嘗試，積累了經(jīng)驗。國內(nèi)的研究工作主要是集中在三大類方法的研究：基于幾何特征的人臉識別方法、基于代數(shù)特征的人臉識別方法和基于連接機制的人臉識別方法。人臉識別由于具有直接、友好、方便的特點，使用者無任何心理障礙，易于被用戶所接受，從而得到了廣泛的應(yīng)用。主要在以下幾個方面：(1)檔案管理系統(tǒng)(2)安全驗證系統(tǒng)(3)信用卡驗證(4)公安系統(tǒng)的罪犯身份識別(5)銀行和海關(guān)的監(jiān)控(6)人機交互等。

人臉識別系統(tǒng)包括：(1)人臉圖像的獲取(2)人臉的檢測(3)特征提取(4)基于人臉圖像比對的身份識別(5)基于人臉圖像比對的身份驗證

二、檢索及分析內(nèi)容

本分析對人臉識別相關(guān)專利進行了中國專利檢索，檢索采用國家知識產(chǎn)權(quán)局專利數(shù)據(jù)庫，以該專利數(shù)據(jù)為基礎(chǔ)對其相關(guān)技術(shù)進行了分析，以期能從戰(zhàn)略層面為漢柏的技術(shù)研發(fā)、專利布局和專利風險預(yù)防提供借鑒參考。

具體分析項如下：（1）專利申請趨勢分析（2）技術(shù)構(gòu)成（3）競爭對手分析（4）技術(shù)路線圖分析

第二章 人臉識別專利態(tài)勢及技術(shù)研發(fā)分析

第二章 人臉識別專利態(tài)勢及技術(shù)研發(fā)分析

截至報告檢索完成日期，共檢索得到人臉識別公司專利3516件。我們以此3516件專利作為基礎(chǔ)進行人臉識別技術(shù)專利態(tài)勢技術(shù)及研發(fā)分析，包括專利申請趨勢分析、技術(shù)生命周期、技術(shù)構(gòu)成、發(fā)明人分析、競爭對手分析等，由此獲取人臉識別技術(shù)發(fā)展情況，為漢柏的科研和決策提供參考。

一、專利態(tài)勢及技術(shù)研發(fā)分析

（1）人臉識別專利申請趨勢分析

圖表 1 人臉識別專利申請趨勢

圖表1顯示了人臉識別專利申請趨勢。如上圖所示，自1995年起首次出現(xiàn)人臉識別相關(guān)專利申請，1995-2004年期間專利申請量發(fā)展平穩(wěn)，增長率不大，自2005年起該領(lǐng)域?qū)＠暾埩砍士焖僭鲩L，2010年后呈爆發(fā)式增長。

應(yīng)注意的是，受到報告截止的統(tǒng)計時間的影響，2015年的數(shù)據(jù)必然不是最終數(shù)據(jù)，僅起到一定參考作用，以下情況相同，不做另述。

第二章 人臉識別專利態(tài)勢及技術(shù)研發(fā)分析

（2）技術(shù)生命周期

分析人臉識別相關(guān)技術(shù)的申請人數(shù)量及專利申請數(shù)量隨時間分布，可分析該技術(shù)生命周期發(fā)展情況。

圖表 2 人臉識別專利申請趨勢

1995-2005年為該技術(shù)發(fā)展起步階段，申請人及申請量都較少，2005-2014年為該技術(shù)發(fā)展的成長階段，申請人數(shù)量及申請量均迅猛增長，2015年之后，將陸續(xù)有專利超過保護期限而失效，行業(yè)壁壘逐漸減少，可能競爭會更加激烈。

第二章 人臉識別專利態(tài)勢及技術(shù)研發(fā)分析

（3）人臉識別技術(shù)構(gòu)成

分析人臉識別相關(guān)技術(shù)的技術(shù)構(gòu)成，可以看出該的技術(shù)發(fā)展的熱點。

圖表 3 人臉識別重點技術(shù)隨時間分布圖

圖表2顯示了人臉識別技術(shù)構(gòu)成前10位技術(shù)領(lǐng)域的IPC和專利量。人臉識別的技術(shù)構(gòu)成主要集中于：G06K 數(shù)據(jù)識別；數(shù)據(jù)表示

第二章 人臉識別專利態(tài)勢及技術(shù)研發(fā)分析

（4）人臉識別競爭對手分析

通過對該技術(shù)申請人統(tǒng)計分析，可以找到掌握該技術(shù)最重要的競爭對手。

圖表4 人臉識別技術(shù)重要競爭對手

圖表4顯示出掌握該技術(shù)專利數(shù)量最大的幾個申請人，主要以應(yīng)用類產(chǎn)品研發(fā)的公司及研究型大學(xué)為主。

第二章 人臉識別專利態(tài)勢及技術(shù)研發(fā)分析

二、技術(shù)路線分析

（1）人臉定位技術(shù)路線

第二章 人臉識別專利態(tài)勢及技術(shù)研發(fā)分析

（2）圖像獲取技術(shù)路線

第二章 人臉識別專利態(tài)勢及技術(shù)研發(fā)分析

（3）人臉跟蹤技術(shù)路線

讀書的好處

1、行萬里路，讀萬卷書。

2、書山有路勤為徑，學(xué)海無涯苦作舟。

3、讀書破萬卷，下筆如有神。

4、我所學(xué)到的任何有價值的知識都是由自學(xué)中得來的。——達爾文

5、少壯不努力，老大徒悲傷。

6、黑發(fā)不知勤學(xué)早，白首方悔讀書遲?！佌媲?/p>

7、寶劍鋒從磨礪出，梅花香自苦寒來。

8、讀書要三到：心到、眼到、口到

9、玉不琢、不成器，人不學(xué)、不知義。

10、一日無書，百事荒廢?！悏?/p>

11、書是人類進步的階梯。

12、一日不讀口生，一日不寫手生。

13、我撲在書上，就像饑餓的人撲在面包上?！郀柣?/p>

14、書到用時方恨少、事非經(jīng)過不知難?！懹?/p>

15、讀一本好書，就如同和一個高尚的人在交談——歌德

16、讀一切好書，就是和許多高尚的人談話。——笛卡兒

17、學(xué)習(xí)永遠不晚?！郀柣?/p>

18、少而好學(xué)，如日出之陽；壯而好學(xué)，如日中之光；志而好學(xué)，如炳燭之光?！獎⑾?/p>

19、學(xué)而不思則惘，思而不學(xué)則殆?！鬃?/p>

20、讀書給人以快樂、給人以光彩、給人以才干?！喔?/p>

第五篇：人臉識別技術(shù)是什么原理

人臉識別技術(shù)是什么原理

1面像識別原理2、1、1面像識別技術(shù)概述

面像識別是近年來隨著計算機技術(shù)、圖象處理技術(shù)、模式識別技術(shù)等技術(shù)的快速進步而出現(xiàn)的一種嶄新的生物特征識別技術(shù)。生物識別技術(shù)是依靠人體的身體特征來進行身份驗證的一種高科技識別技術(shù)，如同人的指紋、掌紋、眼虹膜、DNA以及相貌等人體特征具有人體所固有的不可復(fù)制的唯一性、穩(wěn)定性、無法復(fù)制一樣，不易失竊或被遺忘。由于每個人的這些特征都不相同，因此利用人體的這些獨特的生理特征可以準確地識別每個人的身份。

隨著計算機技術(shù)的迅速發(fā)展，人們開發(fā)了指紋識別、聲音識別、掌形識別、簽名識別、眼紋（視網(wǎng)膜）識別等多種生物識別技術(shù)，目前許多技術(shù)都己經(jīng)成熟并得以應(yīng)用。而面像識別技術(shù)則是生物識別技術(shù)的新秀，與其他識別技術(shù)相比較，面像識別具有簡便、準確、經(jīng)濟及可擴展性良好等眾多優(yōu)勢，可廣泛應(yīng)用于安全驗證、監(jiān)控、出入口控制等多個方面。

面像識別技術(shù)包含面像檢測、面像跟蹤與面像比對等課題。面像檢測是指在動態(tài)的場景與復(fù)雜的背景中判斷是否存在面像并分離出面像，面像跟蹤指對被檢測到的面像進行動態(tài)目標跟蹤，面像比對則是對被檢測到的面像進行身份確認或在面像庫中進行目標搜索。

面像檢測分為參考模板、人臉規(guī)則、樣本學(xué)習(xí)、膚色模型與特征子臉等方法。參考模板方法首先設(shè)計一個或數(shù)個標準人臉模板，然后計算測試樣本與標準模板之間的匹配程度，通過閥值來判斷是否存在人臉；人臉具有一定的結(jié)構(gòu)分布特征，人臉規(guī)則即提取這些特征生成相應(yīng)的規(guī)則以判斷測試樣本是否包含人臉；樣本學(xué)習(xí)則采用模式識別中人工神經(jīng)網(wǎng)絡(luò)方法，通過對面像樣本集和非面像樣本集的學(xué)習(xí)產(chǎn)生分類器；膚色模型依據(jù)面像膚色在色彩空間中分布相對集中的規(guī)律來進行檢測；特征子臉將所有面像集合視為一個面像子空間，基于檢測樣本與其在子空間的投影之間的距離判斷是否存在面像。

上述方法在實際系統(tǒng)中也可綜合采用。

面像跟蹤一般采用基于模型的方法或基于運動與模型相結(jié)合的方法，另外，膚色模型跟

蹤也不失為一種簡單有效的手段。

面像比對從本質(zhì)上講是采樣面像與庫存面像的依次比對并找出最佳匹配對象。因此，面像的描述決定了面像識別的具體方法與性能。目前主要有特征向量與面紋模板兩種描述方

法，特征向量法先確定眼虹膜、鼻翼、嘴角等面像五官輪廓的大小、位置、距離、角度等等

屬性，然后計算出它們的幾何特征量，這些特征量形成一描述該面像的特征向量；面紋模板

法則在庫中存儲若干標準面像模板或面像器官模板，在比對時，采樣面像所有象素與庫中所

有模板采用歸一化相關(guān)量度量進行匹配。另外，還有模式識別的自相關(guān)網(wǎng)絡(luò)或特征與模板結(jié)

合的方法。

面像識別技術(shù)的最新進展是可以通過攝象機來搜索捕捉識別活動的人像，而不僅僅

識別照片。例如，最近由美國新澤西州Visionics公司開發(fā)的面像局部特征分析法識別

系統(tǒng)，僅用一部攝象機和一臺計算機，即可在人群中識別出某個人來。

該系統(tǒng)利用攝象機掃描拍攝的某一區(qū)域，搜索有可能是人臉的形狀。然后在存儲器

中搜索已事先存入的與之類似的面部特征。為了確認掃描到的眼睛、鼻子和嘴等特征就是一

個活人而不是人體模型或圖片，系統(tǒng)還對眨眼或其他可以提供信息的面部動作進行搜索。

然后系統(tǒng)對組成面部圖像的像素進行分析。它將每個像素點的明暗度與相鄰點進行比較，查找明暗度向周圍呈放射突變的區(qū)域。在眉骨、眼睛、或者其他突起的特征，比如顴骨和鼻子等處，都會出現(xiàn)這種突變。系統(tǒng)將勾勒出每一個這種像素點的位置，這些點稱為“參照點”然后在點之間連線，形成一個由三角形構(gòu)成的網(wǎng)絡(luò)。

系統(tǒng)將測量每個三角形的角度，生成由672個1和0組成的數(shù)來描述一張面孔。之后程

序嘗試從它的數(shù)據(jù)庫中找出與該數(shù)據(jù)相匹配的類似記錄。這種匹配不可能絕對理想，因此軟

件會將相似程度分為不同的等級。軟件是根據(jù)骨絡(luò)結(jié)構(gòu)描繪參考點的，因此胡須、化妝和眼

睛等偽裝都不可能騙過它。

用于撲捉面部圖像的除了為標準視頻外，近來的發(fā)展趨勢是熱成像技術(shù)。熱成像技術(shù)通

過分析由面部的毛細血管的血液產(chǎn)生的熱線來形成面部圖像，與視頻攝像頭不同，熱成像技

術(shù)并不需要在較好的光源條件下，因此即使在黑暗情況下也可以使用。并可更好地排除胡須、頭發(fā)以及化妝引起的面部變化的干擾。2、1、2面像識別過程

1．建立面像檔案:可以從攝像頭采集面像文件或取照片文件，生成面紋(Faceprint)編碼；

2．獲取當前面像，可以從攝像頭捕捉面像或取照片輸入，生成其面紋；

3．將當前面像的面紋編碼與檔案中的面紋編碼進行檢索比對。

“面紋”編碼方式是根據(jù)臉部的本質(zhì)特征和開頭來工作的，它可以抵抗光線、皮膚色調(diào)、面部毛發(fā)、發(fā)型、眼鏡、表情和姿態(tài)的變化，具有強大的可靠性，使得它可以從百萬人中精確地辨認出一個人。

上述整個過程都自動、連續(xù)、實時地完成，而且系統(tǒng)只需要普通的處理設(shè)備。幾乎所有的生物測量過程對人們來說都是一種干擾。指紋和掌紋的測定需要人們將手放在玻璃表面。虹膜掃描需要用激光照射你的眼睛。面部識別最大的優(yōu)越性在于它的方便性, 快速性，而且是非侵擾的。面部識別無需干擾人們行為而達到識別效果，無需為是否愿意將手放在指紋采集設(shè)備上，或?qū)χ溈孙L講話，或是將他們的眼睛對準激光掃描裝置而進行爭辯。你只要很快從一架攝像機前走過，你就已經(jīng)被快速的檢驗。2、1、3面像識別技術(shù)應(yīng)用范圍

面像識別技術(shù)作為生物識別技術(shù)體系的后起之秀，將有著十分廣泛的應(yīng)用前景?？蓱?yīng)用于諸多領(lǐng)域，如出入口控制、銀行金融系統(tǒng)、公安追輯嫌疑犯、反恐怖斗爭以及互聯(lián)網(wǎng)中等等。在我國開展的“追逃”斗爭，如果能利用面像識別技術(shù)，則可大大提高工作效率，并能對犯罪分子產(chǎn)生極大的威懾力量。使用面像識別系統(tǒng)只要在重要的車站、碼頭、機場、海關(guān)出入口附近架設(shè)攝像機，系統(tǒng)即可在無人職守的狀態(tài)下，自動捕捉進、出上述場所的人員的頭像，并通過計算機網(wǎng)絡(luò)將面像特征數(shù)據(jù)傳送到計算機中心數(shù)據(jù)庫，自動與面像數(shù)據(jù)庫中的逃犯面像比較，迅速準確地作出身份判斷。一旦發(fā)現(xiàn)吻合的頭像，可以自動報警并記錄。

我國銀行金融系統(tǒng)對安全控制有著極高的要求，如電子商務(wù)信息系統(tǒng)、金庫的安全設(shè)施、保險柜、自動柜員機的使用等。由于近年來金融詐騙、搶劫發(fā)生率有所增高，對傳統(tǒng)安全措施提出了新的挑戰(zhàn)。面像識別技術(shù)不需要攜帶任何電子、機械“鑰匙”，可以杜絕丟失鑰匙、密碼的現(xiàn)象，如果配合IC卡、指紋識別等技術(shù)可以使安全系數(shù)成倍增長。同時，在ATM自動取款機上應(yīng)用面像識別技術(shù)，可以免除用戶忘記密碼的苦惱，還可以有效防止冒領(lǐng)、盜取的事件發(fā)生。

目前，在我國，面部識別技術(shù)的研究和應(yīng)用還剛剛開始，但在歐美等發(fā)達國家這一技術(shù)已被應(yīng)用在許多場所。特別是“9.11”恐怖事件之后，美國警方率先在冰島國際機場、美國波士頓機場、美國奧克蘭機場、美國亞特蘭大機場、美國休斯敦機場等開始應(yīng)用這一先進技術(shù)，借助閉路監(jiān)視系統(tǒng)監(jiān)控掃描人群自動搜尋警方所需要的恐怖分子目標。

蔣遂平:人臉識別技術(shù)及應(yīng)用簡介人臉識別的分類

1.1 鑒別、驗證和監(jiān)控

(1)鑒別(identification)：鑒別回答“這是誰？” 將給定的人臉圖象與計算機中存儲的N個人的圖象逐個比較，輸出M幅圖象，這些按與給定圖象的相似度從大到小排列，再由人來確定這是誰。通常，一個人在計算機中只存儲一幅正面圖象。

(2)驗證(verification)：驗證回答“這是否為某人？” 將給定的人臉圖象與與計算機中存儲的某人的圖象比較，回答給定的圖象是否為某人的圖象。通常，一個人在計算機中存儲多幅不同角度的圖象。

(3)監(jiān)控(watch list)：監(jiān)控同時具有鑒別和驗證，回?quot;這是否為要找的人？"(Are you looking for me?)。將未知身份的人的圖象輸入計算機，計算機決定這個人是否在監(jiān)控名單中，如果在，還必須確定這個人的身份。

1.2 人臉識別和人頭識別

(1)人臉識別：輸入給計算機識別的人臉圖象，只包括人的臉部部分，沒有背景、頭發(fā)、衣服等。這時，計算機在進行真正的人臉識別。

(2)人頭識別：輸入給計算機識別的人臉圖象，除了包括人的臉部有皮膚的部分外，還有部分背景、頭發(fā)、衣服。這時，人臉的五官特征是次要的，頭發(fā)、背景、人臉輪廓等是主要特征，一旦頭發(fā)、背景等變化，識別率下降。

1.3 自動與半自動人臉識別

(1)自動人臉識別：輸入到計算機的圖象可以是包含人臉的圖象，由計算機自動檢測人臉部分進行分割后，進行識別。最初人們認為人臉檢測是件容易的事，后來發(fā)現(xiàn)人臉檢測可能比人臉識別更困難（特別是在灰度圖象情況下，這時沒有運動信息和膚色信息可利用），人臉檢測已經(jīng)是一個獨立的研究課題。

(2)半自動人臉識別：采用人工確定人臉圖象中兩眼各自的中心位置，計算機根據(jù)這兩個位置分割人臉圖象，進行識別。常用于人臉鑒別。人臉識別的性能

2.1主要性能指標

測量人臉識別的主要性能指標有：（1）誤識率(False Accept Rate, FAR)：這是將其他人誤作指定人員的概率；（2）拒識率(False Reject Rate, FRR)：這是將指定人員誤作其它人員的概率。

計算機在判別時采用的閾值不同，這兩個指標也不同。一般情況下，誤識率FAR 隨閾值的增大（放寬條件）而增大，拒識率FRR 隨閾值的增大而減小。因此，可以采用錯誤率（Equal Error Rate, ERR）作為性能指標，這是調(diào)節(jié)閾值，使這FAR和FRR兩個指標相等時的FAR 或 FRR。

2.2 影響人臉識別性能的因素及解決方法

(1)背景和頭發(fā)：消除背景和頭發(fā)，只識別臉部圖象部分。

(2)人臉在圖象平面內(nèi)的平移、縮放、旋轉(zhuǎn)：采用幾何規(guī)范化，人臉圖象經(jīng)過旋轉(zhuǎn)、平移、縮放后，最后得到的臉部圖象為指定大小，兩眼水平，兩眼距離一定。

(3)人臉在圖象平面外的偏轉(zhuǎn)和俯仰：可以建立人臉的三維模型，或進行三維融合(morphing)，將人臉圖象恢復(fù)為正面圖象。

(4)光源位置和強度的變化：采用直方圖規(guī)范化，可以消除部分光照的影響。采用對稱的從陰影恢復(fù)形狀(symmteric shape from shading)技術(shù)，可以得到一個與光源位置無關(guān)的圖象。

(5)年齡的變化：建立人臉圖象的老化模型。

(6)表情的變化：提取對表情變化不敏感的特征，或者將人臉圖象分割為各個器官的圖象，分別識別后再綜合判斷。

(7)附著物（眼鏡、胡須）的影響。

(8)照相機的變化：同一人使用不同的照相機拍攝的圖象是不同的。應(yīng)用情況

在無數(shù)影視或新聞中出現(xiàn)過這樣的場景：警方利用人臉識別技術(shù)抓住了罪犯。然而，在現(xiàn)實生活中，人臉識別技術(shù)的效果并不令人滿意。

美國陸軍實驗室在13周時間內(nèi)，用270人的圖象測試一個人臉識別系統(tǒng)，發(fā)現(xiàn)識別率只有 51%。這套系統(tǒng)在機場中進行測試時，存儲了250人的圖象，其中的15人在1個月內(nèi)通過攝影機958次，只有455次被正確辨認，識別率只有47%。在美國一個機場開展的一項為期8周的公開測試中，使用一家公司的人臉識別系統(tǒng)，在4個星期出錯率為53%。在另一個機場開展的一項為期90天的測試中，人臉識別系統(tǒng)發(fā)出的錯誤警報也太多。

人臉識別技術(shù)效果不盡如人意的原因：真人的電視圖像與存儲在數(shù)據(jù)庫中的照片在布光和角度方面有差別。目前的人臉識別技術(shù)在人處于靜止狀態(tài)或一小群人通過檢測點時有效，因此不適合在交通流量大的機場和街道拐角處使用。人臉識別要得到廣泛采用，還很有待時日。