人脸识别技术概述

计算机光盘软件与应用 2012年第5期 Computer CD Software and Applications 工程技术

— 49 —

人脸识别技术概述

杨万振

（东北大学，沈阳 110819）

摘要：作为多学科领域的具有挑战性的难题，人脸识别技术覆盖了模式识别、神经网络、生理学、计算机视觉、

心理学、数字图像处理、数学等诸多学科的内容。

关键词：人脸识别；算法

中图分类号：TP391.41 文献标识码：A 文章编号：1007-9599(2012)05-0049-01

一、引言 人脸识别特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸识别是一项热门的计算机技术研究领域，它属于生物特征识别技术，是对生物体（一般特指人）本身的生物特征来区分生物体个体。国内外的人脸识别的方法多种多样，并且不断有新的研究成果出现。但是，由于人脸识别问题巨大的复杂性，要建立一个能够完全自动完成人脸识别任务的计算机系统难度是相当大的，这不仅涉及到数字图像处理，而且还涉及到计算机视觉，人工智能和计算机网络及通讯等的多个学科领域的广泛知识。目前生物识别技术已广泛用于政府、军队、银行、社会福利保障、电子商务、安全防务等领域等[1,2]。随着技术的进一步成熟和社会认同度的提高，人脸识别技术将应用在更多的领域：1.公安、司法和刑侦。2.自助服务。3、.企业、住宅安全和管理。4.电子护照及身份证。5.信息安全。综上所述，人脸识别技术对于打击各类犯罪活动、维护国家安全和社会稳定等具有十分重大的意义。随着各种技术手段的综合应用和科学技术的发展，

相信人脸识别技术会不断向前发展，应用更加广泛。 二、人脸识别系统的基本框架 人脸识别过程包括两个主要环节：一是人脸的检测和定位，即从输入图像中找到人脸及其位置，并将人脸从中分割出来；二是对标准化的人脸图像进行特征提取与识别。 人脸识别系统基本框架图 如图所示，人脸识别系统各部分的功能和作用： （一）图像获取：用图像获取设备（数码相机、扫描仪、摄像机）获取图像，也可以在人脸图像库中获取图像，然后使用相应程序将图像转换成可处理的格式。 （二）检测定位：人脸检测是指在输入图像中确定所有人脸的大小、姿态和位置的过程。近年来，由于生物特征识别的发展和人际交互方式的发展，人脸检测定位的发展很迅速，但是其难点是容易受到亮度变化、人的头部姿势及图像背景等因素的影响。 （三）人脸图像预处理：对获取的图像进行适当的处理，使其具有的特征能在图像中表现的明显。该模块主要由灰度变化、光线补偿、对比度增强、高斯平滑处理、直方图均衡和图像二值化处理等子模块构成。 （四）特征提取部分：将预处理后得到的正规人脸图像按照相应的算法提取出用来识别的特征向量，将原始的人脸空间中的数据映射到特征空间中去。通常把原始人脸空间叫测量空间，把用以进行分类识别的空间叫特征空间，较高维数的测量空间的模

式表示可以经过变换变为在较低维数的特征空间中模式的表示。 （五）分类器设计：部分分类器的设计是在后台完成的，就是所谓训练过程，该过程结束后可生成分类器用于分类识别。模式识别问题事实上可以看做是一个分类问题，即把待识别的对象归于某一类之中。在人脸识别问题上就是把不同输入的人脸图像归于某个人这一类。其基本的做法就是在样本训练集的基础上确定某种判决规则，然后使按这种判决规则对待识别的对象进行分

类所引起的损失最小或造成的错误识别率最小。

（六）分类决策：就是运用已经设计好的分类器进行分类识别，得出最后的识别结果，并给出相应的判断。 三、人脸识别的常用方法

1.主分量分析法

2.线性判别分析法

3.独立分量分析法

4.隐马尔可夫模型法

5.弹性束图匹配法

四、人脸识别的技术优势

虽然目前人脸识别系统不是很成熟，但与虹膜识别、指纹

识别等其它生物特征识别技术相比，人脸识别的技术优势主要有以下几点：

（一）非接触式操作，适用于隐蔽监控。由于人脸识别系统不需要接触，可以秘密开展，因此特别适用于网上抓逃、隐蔽监控等应用。这是虹膜、指纹等其他生物特征识别技术所不具备。

（二）无侵犯性，容易被接受。人脸识别系统一般为远距离

采集数据，减小了对用户造成生理上伤害几率，用户容易接受。 （三）图像采集设备成本低。目前，USBCCD/CMOS 摄像头非常低廉的价格，已成为计算机的标准配置，极大地扩展了人脸识别实用范围；此外，数码摄像机、数码相机和照片扫描仪等图像

采集设备在普通家庭的日益普及进一步增加了其可用性。

（四）更符合人类的识别习惯，可交互性强。人脸识别更

符合人识别人的习惯，故若与用户交互配合可以大大提高系统

的可靠性和可用性；但是指纹、虹膜识别却不具备如此优点。

（五）识别精确度较高、速度快。与其它生物识别技术相比，人脸识别的精度处于较高的水平，拒识率、误识率较低。 五、人脸识别研究的难点 人脸识别通常是通过对采集得到的人脸图像的分析计算来确定其身份的。人脸是具有复杂结构的三位可变形生物体，影响人脸识别效果的因素主要有以下几个： 姿态：人脸图像的变化，例如在三维人脸到二维人脸的成像过程中，由于相关的照相机-脸姿（正面的、45度、侧面、颠倒的）导致的不同，而一些脸部特征如眼睛或鼻子可能部分地或全部被遮挡。 组件的影响：面部的特征如胡须和眼镜等可能存在也可能不存在，这些组件包括形状、颜色和大小。 面部表情：人脸为可变形物体，人脸表情的变化直接影响人脸图像的模式。 图像的方向：照相机光轴的旋转不同可直接引起人脸图像的变化。 图像的条件：当图像产生时，一些因素如光(光谱、光源分布和强度)和照相机的特性(传感器的响应、透镜)影响人脸的外观。

参考文献： [1]Yin L.Basu A.Generating realistic facial expressions with wrinkles for model-based coding [J]．Computer Vision and Image Understanding,2001,84(2):201-240 [2]李云峰,杨益,田俊香.人脸识别的研究进展与发展方向[J].科技资讯,2008(5):23-32