电子科技大学格拉斯哥学院

2017级周玟秋

在曾兵院长主讲的图像识别技术对我大有启发，在此，我简单梳理下我近期对人脸识别技术一些认识，在现实中的应用以及未来发展前景的一些想法。

前言

人脸识别技术，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。传统的人脸识别技术主要是基于可见光图像的人脸识别，这也是人们熟悉的识别方式。简单的来说就是一个让计算机认出你的过程。

人脸识别技术主要是通过人脸图像特征的提取与对比来进行的。人脸识别系统将提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。将待识别的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断。这一过程又分为两类：一类是确认，是一对一进行图像比较的过程，另一类是辨认，是一对多进行图像匹配对比的过程。

广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。

人脸识别技术发展

早在20世纪50年代，认知科学家就已着手对人脸识别展开研究。20世纪60年代，人脸识别工程化应用研究正式开启。当时的方法主要利用了人脸的几何结构，通过分析人脸器官特征点及其之间的拓扑关系进行辨识。这种方法简单直观，但是一旦人脸姿态、表情发生变化，则精度严重下降。

1991年，著名的“特征脸”方法第一次将主成分分析和统计特征技术引入人脸识别，在实用效果上取得了长足的进步。这一思路也在后续研究中得到进一步发扬光大，例如，Belhumer成功将Fisher判别准则应用于人脸分类，提出了基于线性判别分析的Fisherface方法。

21世纪的前十年，随着机器学习理论的发展，学者们相继探索出了基于遗传算法、支持向量机（Support Vector Machine， SVM）、boosting、流形学习以及核方法等进行人脸识别。 2009年至2012年，稀疏表达（Sparse Representation）因为其优美的理论和对遮挡因素的鲁棒性成为当时的研究热点。

与此同时，业界也基本达成共识：基于人工精心设计的局部描述子进行特征提取和子空间方法进行特征选择能够取得最好的识别效果。Gabor及LBP特征描述子是迄今为止在人脸识别领域最为成功的两种人工设计局部描述子。这期间，对各种人脸识别影响因子的针对性处理也是那一阶段的研究热点，比如人脸光照归一化、人脸姿态校正、人脸超分辨以及遮挡处理等。也是在这一阶段，研究者的关注点开始从受限场景下的人脸识别转移到非受限环境下的人脸识别。LFW人脸识别公开竞赛在此背景下开始流行，当时最好的识别系统尽管在受限的FRGC测试集上能取得99%以上的识别精度，但是在LFW上的最高精度仅仅在80%左右，距离实用看起来距离颇远。

2013年，MSRA的研究者首度尝试了10万规模的大训练数据，并基于高维LBP特征和Joint Bayesian方法在LFW上获得了95.17%的精度。这一结果表明：大训练数据集对于有效提升非受限环境下的人脸识别很重要。然而，以上所有这些经典方法，都难以处理大规模数据集的训练场景。

2014年前后，随着大数据和深度学习的发展，神经网络重受瞩目，并在图像分类、手写体识别、语音识别等应用中获得了远超经典方法的结果。香港中文大学的Sun Yi等人提出将卷积神经网络应用到人脸识别上，采用20万训练数据，在LFW上第一次得到超过人类水平的识别精度，这是人脸识别发展历史上的一座里程碑。

自此之后，研究者们不断改进网络结构，同时扩大训练样本规模，将LFW上的识别精度推到99.5%以上。如表1所示，我们给出了人脸识别发展过程中一些经典的方法及其在LFW上的精度，一个基本的趋势是：训练数据规模越来越大，识别精度越来越高。

人脸识别五大关键技术

（1）人脸检测

“人脸检测(Face Detection)”的作用就是要检测出图像中人脸所在位置。

人脸检测算法的输入是一张图像，输出是人脸框坐标序列，具体结果是0个人脸框或1个人脸框或多个人脸框。输出的人脸坐标框可以为正方形、矩形等。

人脸检测算法的原理简单来说是一个“扫描”加“判定”的过程。即首先在整个图像范围内扫描，再逐个判定候选区域是否是人脸的过程。因此人脸检测算法的计算速度会跟图像尺寸大小以及图像内容相关。在实际算法时，我们可以通过设置“输入图像尺寸”、或“最小脸尺寸限制”、“人脸数量上限”的方式来加速算法。

（2）人脸配准

“人脸配准”所实现的目的是定位出人脸上五官关键点坐标。

人脸配准算法的输入是“一张人脸图像”和“人脸坐标框”，输出是五官关键点的坐标序列。五官关键点的数量是预先设定好的一个固定数值，常见的有5点、68点、90点等等。
当前效果的较好的一些人脸配准技术基本通过深度学习框架实现。这些方法都是基于人脸检测的坐标框，按某种事先设定规则将人脸区域抠取出来，缩放到固定尺寸，然后进行关键点位置的计算。另外，相对于人脸检测，或者是后面将提到的人脸特征提取的过程，人脸配准算法的计算耗时都要少很多。

（3）人脸属性识别

“人脸属性识别”是识别出人脸的性别、年龄、姿态、表情等属性值的一项技术。这在有些相机APP中有所应用，可以自动识别摄像头视野中人物的性别、年龄等特征并标注出来。

一般的人脸属性识别算法的输入是“一张人脸图”和“人脸五官关键点坐标”，输出是人脸相应的属性值。人脸属性识别算法一般会根据人脸五官关键点坐标将人脸对齐，具体过程为旋转、缩放、抠取等操作后，将人脸调整到预定的大小和形态，以便之后进行属性分析。

人脸的属性识别包括性别识别、年龄估计、表情识别、姿态识别、发型识别等等方面。一般来说每种属性的识别算法过程是独立的，但是有一些新型的基于深度学习实现的算法可以实现同时输出年龄、性别、姿态、表情等属性识别结果。

（4）人脸提特征

“人脸提特征”是将一张人脸图像转化为可以表征人脸特点的特征，具体表现形式为一串固定长度的数值。

人脸提特征过程的输入是 “一张人脸图”和“人脸五官关键点坐标”，输出是人脸相应的一个数值串(特征)。人脸提特征算法实现的过程为：首先将五官关键点坐标进行旋转、缩放等等操作来实现人脸对齐，然后在提取特征并计算出数值串。

（5）人脸比对

“人脸比对”算法实现的目的是衡量两个人脸之间相似度。

人脸比对算法的输入是两个人脸特征人脸特征由前面的人脸提特征算法获得，输出是两个特征之间的相似度。

人脸识别技术的主要用途

1、人脸识别技术应用于铁路安防系统

随着技术的进步，人员组织的不断复杂化，铁路安全形势不断面临新的挑战。火车票实名制有效阻止了不法分子进入车站，但是，目前铁路客运安全检查，基本还是靠安检员来检查票、证、人是否一致，而证件照片往往是多年前的照片，安检员很难辨认，辨别度很低。而人脸识别技术，准确度高、便捷性好，运用于铁路安防系统，将极大的提高安防系统，强化通关，让不法分子无空子可钻。另外，人脸识别技术还能助力强化追溯，支持在超大的人像库中定位查找对象，这将有力协助公安部门侦破案件，或抓捕在逃案犯。

2、人脸识别技术应用于教育领域

近年来，从中考、高考等升学考试，到执业资格、晋级升职等等考试，均不同程度地出现了替考现象，而利用人脸识别技术实现证件内照片特征和实时人脸照片特征比对识别，辨别考生身份，可防止考场替考现象的发生。人脸识别技术还可应用于校园，能有效地对进入校园的可疑人员做到预警。

3、人脸识别技术推进于智能城市建设

随着人类社会的不断发展，未来城市将承载越来越多的人口，为实现城市可持续发展，建设智慧城市已成为当今世界城市发展不可逆转的历史潮流。而在智慧城市的建设过程中，需注重对信息的结构化存储、分析挖掘，人脸的结构化云识别储存是构建整个智慧城市基础数据之一，是智慧城市云储存体系中的不可或缺的一部分。通过智慧城市的高速数据传输链及结构化的数据筛选，可将人脸大数据与智慧城市中其它的大数据之间碰撞出火花，更加凸显出人脸识别“用”的价值。

如今，人脸识别技术不再仅仅局限在考勤、门禁行业的简单应用，而是凭借其人脸的唯一匹配性以及安全优势，受到高安全性环境应用领域的青睐。而厦门云脉技术近年来致力于人脸识别核心技术的研发与产品化，并推动其与各行业相结合，依托自研的人脸识别算法以及成熟的OCR识别技术，为切实解决不同行业难题，推出了不同的人脸识别解决方案。云脉人脸识别技术识别速度快，精度高，不受一些化妆、眼镜等因素影响。

人脸识别的未来

随着大数据、共享时代的来临，数据安全问题也越发被重视起来，以人脸识别为代表的新一代技术革命已经展开。这些对技术的要求越来越高，既要求数据的准确性，又要保证数据的安全性，人脸识别在这方面大有可为，作为行业的主力军，企业的技术实力与创新能力决定着整个产业的走向，任何一点点技术的创新都可能带来行业的变革。

依托于物联网与人工智能的快速推进，人脸识别应用场景会越来越广泛。随着国家科研机构的研发投入、企业对技术的钻研、市场的推广等，这些都将是人脸识别美好前景的征兆。据业内分析人士认为，未来人脸识别或成为有效身份识别主流，届时，人脸识别就不是什么新鲜词了。

关于人脸识别技术的调研报告相关推荐

智源发布人脸识别与公共卫生调研报告
为了促进人工智能成为推动"健康社会"形成的使能技术之一,推动人工智能应用于全球可持续发展,北京智源人工智能研究院人工智能伦理与安全研究中心联合中国科学院自动化研究所中英人工智能伦理 ...
人脸识别技术法律缺口亟待补上
随着人脸识别等新兴技术的普及并走进万千大众的生活,围绕技术运用的争议越来越多,法律界人士呼吁改变法制建设滞后现象. 近日,中国"人脸识别第一案"一审宣判.此前,杭州野生动物世界将年 ...
苹果人脸识别再低一点_当隐私频频泄露你们还能信任用人脸识别技术吗？
点击蓝字关注我们从密码输入到人脸识别,无论是二维还是三维的世界我们都需要一把"钥匙"作为我们生活中的通行码.想必在很长一段时间中人们都习惯了密码输入与指纹解锁的方式,但是自从人 ...
基于深度学习的端到端人脸识别技术：全面调研
44页,共计371篇参考文献.本文全面介绍了端到端深度学习人脸识别技术,包括人脸检测,人脸预处理和人脸表征等方向,详细介绍了最新的算法设计,评估指标,数据集,性能比较等. The Elements o ...
人脸识别技术在法国：质疑声中的先行者
2019-11-29 08:26:00 如果人脸识别技术在法国使用的场合逐步累积,在公民日常生活中的扩散又悄无声息,法国民众有朝一日可能会霍然发现,他们生活的社会已经改变申军 2019年岁末将至,人 ...
人脸识别技术商用再加速安企步履坚定
https://www.toutiao.com/a6707464706191262222/ [安防展览网市场分析]"人无同面,面面峥嵘",随着政府推行用户和数据安全举措增加.移动 ...
人脸识别技术突飞猛进为应用领域拓展奠定基础
https://www.toutiao.com/a6696350133212152323/ 2019-05-29 15:38:31 人脸识别是基于人的脸部特征信息进行身份识别,近些年,随着计算机技术以 ...
一文看懂人脸识别技术发展脉络
来源:InfoQ 人脸识别可以说是人工智能领域中成熟较早.落地较广的技术之一,从机场.火车站的安检闸机,到平常用户手机中的"刷脸"支付,人脸识别技术已经深入到我们的生活当中. 为了 ...
硬核科普：一文看懂人脸识别技术流程
小编是个天生懒惰的人,同时又是个急性子,这样的人最享受被科技服务的乐趣. 举个例子,十多年前大家还在普遍用现金的时代,小编在商店买东西排队结账,每当看到收银员找零时手忙脚乱的样子就会心急如焚,只恨不能 ...

关于人脸识别技术的调研报告

电子科技大学格拉斯哥学院

2017级周玟秋

关于人脸识别技术的调研报告相关推荐

最新文章

热门文章

关于人脸识别技术的调研报告

电子科技大学格拉斯哥学院

2017级 周玟秋

关于人脸识别技术的调研报告相关推荐

最新文章

热门文章

2017级周玟秋