人脸识别技术应用（共8篇）
人脸识别技术应用 篇1
人脸识别，特指利用分析比较的计算机技术。人脸识别是一项热门的计算机技术研究领域，人脸追踪侦测，自动调整影像放大，夜间红外侦测，自动调整曝光强度；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。
中文名 人脸识别技术 实 质
输入的人脸图象或者视频流 研究领域
热门的计算机技术研究领域 技 术
生物特征识别技术
目录
1基本介绍
2技术原理 ▪ 人脸识别内容 ▪ 人脸的识别过程 3分析算法
4功能模块
▪ 人脸捕获与跟踪功能 ▪ 人脸识别比对 ▪ 人脸的建模与检索 ▪ 真人鉴别功能 ▪ 图像质量检测 5基本方法
6技术细节 7优缺点
▪ 人脸识别优点 ▪ 人脸识别的弱点 8技术应用
9应用前景
1基本介绍编辑
人脸识别技术是基于人的脸部特征，对输入的人脸图象或者视频流.首先判断其是否存在人脸 , 如果存在人脸，则进一步的给出每个脸的位置、大小和各个主要面部器官的位置信息。并依据这些信息，进一步提取每个人脸中所蕴涵的身份特征，并将其与已知的人脸进行对比，从而识别每个人脸的身份。
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。
生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音（语音）、体形、个人习惯（例如敲击键盘的力度和频率、签字）等，相应的识别技术就有人脸识别、指纹识别、掌纹识别、虹膜识别、视网膜识别、语音识别（用语音识别可以进行身份识别，也可以进行语音内容的识别，只有前者属于生物特征识别技术）、体形识别、键盘敲击识别、签字识别等。2技术原理编辑
人脸识别内容
人脸识别技术包含三个部分：(1)人脸检测 面貌检测是指在动态的场景与复杂的背景中判断是否存在面像，并分离出这种面像。一般有下列几种方法： ①参考模板法
首先设计一个或数个标准人脸的模板，然后计算测试采集的样品与标准模板之间的匹配程度，并通过阈值来判断是否存在人脸；
②人脸规则法
由于人脸具有一定的结构分布特征，所谓人脸规则的方法即提取这些特征生成相应的规则以判断测试样品是否包含人脸；
③样品学习法
这种方法即采用模式识别中人工神经网络的方法，即通过对面像样品集和非面像样品集的学习产生分类器；
④肤色模型法
这种方法是依据面貌肤色在色彩空间中分布相对集中的规律来进行检测。⑤特征子脸法
这种方法是将所有面像集合视为一个面像子空间，并基于检测样品与其在子空间的投影之间的距离判断是否存在面像。
值得提出的是，上述5种方法在实际检测系统中也可综合采用。(2)人脸跟踪
面貌跟踪是指对被检测到的面貌进行动态目标跟踪。具体采用基于模型的方法或基于运动与模型相结合的方法。此外，利用肤色模型跟踪也不失为一种简单而有效的手段。
(3)人脸比对
面貌比对是对被检测到的面貌像进行身份确认或在面像库中进行目标搜索。这实际上就是说，将采样到的面像与库存的面像依次进行比对，并找出最佳的匹配对象。所以，面像的描述决定了面像识别的具体方法与性能。主要采用特征向量与面纹模板两种描述方法：
①特征向量法
该方法是先确定眼虹膜、鼻翼、嘴角等面像五官轮廓的大小、位置、距离等属性，然后再计算出它们的几何特征量，而这些特征量形成一描述该面像的特征向量。
②面纹模板法
该方法是在库中存贮若干标准面像模板或面像器官模板，在进行比对时，将采样面像所有象素与库中所有模板采用归一化相关量度量进行匹配。此外，还有采用模式识别的自相关网络或特征与模板相结合的方法。
人脸识别技术的核心实际为“局部人体特征分析”和“图形/神经识别算法。”这种算法是利用人体面部各器官及特征部位的方法。如对应几何关系多数据形成识别参数与数据库中所有的原始参数进行比较、判断与确认。一般要求判断时间低于1秒。人脸的识别过程
一般分三步：
(1)首先建立人脸的面像档案。即用摄像机采集单位人员的人脸的面像文件或取他们的照片形成面像文件，并将这些面像文件生成面纹(Faceprint)编码贮存起来。
(2)获取当前的人体面像。即用摄像机捕捉的当前出入人员的面像，或取照片输入，并将当前的面像文件生成面纹编码。
(3)用当前的面纹编码与档案库存的比对。即将当前的面像的面纹编码与档案库存中的面纹编码进行检索比对。上述的“面纹编码”方式是根据人脸脸部的本质特征和开头来工作的。这种面纹编码可以抵抗光线、皮肤色调、面部毛发、发型、眼镜、表情和姿态的变化，具有强大的可靠性，从而使它可以从百万人中精确地辨认出某个人。人脸的识别过程，利用普通的图像处理设备就能自动、连续、实时地完成。3分析算法编辑
人脸识别技术中被广泛采用的区域特征分析算法，它融合了计算机图
人脸识别
像处理技术与生物统计学原理于一体，利用计算机图像处理技术从视频中提取人像特征点，利用生物统计学的原理进行分析建立数学模型,即人脸特征模板。利用已建成的人脸特征模板与被测者的人的面像进行特征分析，根据分析的结果来给出一个相似值。通过这个值即可确定是否为同一人。4功能模块编辑
人脸捕获与跟踪功能
人脸捕获是指在一幅图像或视频流的一帧中检测出人像并将人像从背景中分离出来，并自动地将其保存。人像跟踪是指利用人像捕获技术，当指定的人像在摄像头拍摄的范围内移动时自动地对其进行跟踪。人脸识别比对
人脸识别分核实式和搜索式二种比对模式。核实式是对指将捕获得到的人像或是指定的人像与数据库中已登记的某一对像作比对核实确定其是否为同一人。搜索式的比对是指，从数据库中已登记的所有人像中搜索查找是否有指定的人像存在。
人脸的建模与检索
可以将登记入库的人像数据进行建模提取人脸的特征，并将其生成人脸模板（人脸特征文件）保存到数据库中。在进行人脸搜索时（搜索式），将指定的人像进行建模，再将其与数据库中的所有人的模板相比对识别，最终将根据所比对的相似值列出最相似的人员列表。
真人鉴别功能
系统可以识别得出摄像头前的人是一个真正的人还是一幅照片。以此杜绝使用者用照片作假。此项技术需要使用者作脸部表情的配合动作。
图像质量检测
图像质量的好坏直接影响到识别的效果，图像质量的检测功能能对即将进行比对的照片进行图像质量评估，并给出相应的建议值来辅助识别。5基本方法编辑
人脸识别的方法很多，主要的人脸识别方法有：
（1）几何特征的人脸识别方法：几何特征可以是眼、慧眼人脸识别考勤机 鼻、嘴等的形状和它们之间的几何关系（如相互之间的距离）。这些算法识别速度快，需要的内存小，但识别率较低。
（2）基于特征脸（PCA）的人脸识别方法：特征脸方法是基于KL变换的人脸识别方法，KL变换是图像压缩的一种最优正交变换。高维的图像空间经过KL变换后得到一组新的正交基，保留其中重要的正交基，由这些基可以张成低维线性空间。如果假设人脸在这些低维线性空间的投影具有可分性，就可以将这些投影用作识别的特征矢量，这就是特征脸方法的基本思想。这些方法需要较多的训练样本，而且完全是基于图像灰度的统计特性的。目前有一些改进型的特征脸方法。
（3）神经网络的人脸识别方法：神经网络的输入可以是降低分辨率的人脸图像、局部区域的自相关函数、局部纹理的二阶矩等。这类方法同样需要较多的样本进行训练，而在许多应用中，样本数量是很有限的。
（4）弹性图匹配的人脸识别方法：弹性图匹配法在二维的空间中定义了一种对于通常的人脸变形具有一定的不变性的距离，并采用属性拓扑图来代表人脸，拓扑图的任一顶点均包含一特征向量，用来记录人脸在该顶点位置附近的信息。该方法结合了灰度特性和几何因素，在比对时可以允许图像存在弹性形变，在克服表情变化对识别的影响方面收到了较好的效果，同时对于单个人也不再需要多个样本进行训练。
（5）线段Hausdorff 距离(LHD)的人脸识别方法：心理学的研究表明，人类在识别轮廓图（比如漫画）的速度和准确度上丝毫不比识别灰度图差。LHD是基于从人脸灰度图像中提取出来的线段图的，它定义的是两个线段集之间的距离，与众不同的是，LHD并不建立不同线段集之间线段的一一对应关系，因此它更能适应线段图之间的微小变化。实验结果表明，LHD在不同光照条件下和不同姿态情况下都有非常出色的表现，但是它在大表情的情况下识别效果不好。
慧眼人脸识别考勤机
（6）支持向量机(SVM)的人脸识别方法：支持向量机是统计模式识别领域的一个新的热点，它试图使得学习机在经验风险和泛化能力上达到一种妥协，从而提高学习机的性能。支持向量机主要解决的是一个2分类问题，它的基本思想是试图把一个低维的线性不可分的问题转化成一个高维的线性可分的问题。通常的实验结果表明SVM有较好的识别率，但是它需要大量的训练样本（每类300个），这在实际应用中往往是不现实的。而且支持向量机训练时间长，方法实现复杂，该函数的取法没有统一的理论。6技术细节编辑
一般来说，人脸识别系统包括图像摄取、人脸定位、图像预处理、以及人脸识别（身份确认或者身份查找）。系统输入一般是一张或者一系列含有未确定身份的人脸图像，以及人脸数据库中的若干已知身份的人脸图象或者相应的编码，而其输出则是一系列相似度得分，表明待识别的人脸的身份。
人脸识别的算法可以分类为：
基于人脸特征点的识别算法（Feature-based recognition algorithms）。基于整幅人脸图像的识别算法（Appearance-based recognition algorithms）。
基于模板的识别算法（Template-based recognition algorithms）。利用神经网络进行识别的算法（Recognition algorithms using neural network）。7优缺点编辑
人脸识别优点
相比较其他生物识别技术而言：
非接触的，用户不需要和设备直接接触；
非强制性，被识别的人脸图像信息可以主动获取；
并发性，即实际应用场景下可以进行多个人脸的分拣、判断及识别。
人脸识别的弱点
对周围的光线环境敏感，可能影响识别的准确性； 人体面部的头发、饰物等遮挡物，人脸变老等因素，需要进行人工智能补偿；（如可通过识别人脸的部分关键特性做修正）。8技术应用编辑
1．企业、住宅安全和管理。如人脸识别门禁考勤系统，人脸识别防盗门等。2．电子护照及身份证。这或许是未来规模最大的应用。在国际民航组织（ICAO）已确定，从 2010年 4月 1日起，其 118个成员国家和地区，人脸识别技术是首推识别模式，该规定已经成为国际标准。美国已经要求和它有出入免签证协议的国家在2006年10月 26日之前必须使用结合了人脸指纹等生物特征的电子护照系统，到 2006年底已经有 50多个国家实现了这样的系统。美国运输安全署（Transportation Security Administration）计划在全美推广一项基于生物特征的国内通旅行证件。欧洲很多国家也在计划或者正在实施类似的计划，用包含生物特征的证件对旅客进行识别和管理[7]。中国的电子护照计划公安部一所正在加紧规划和实施。
3．公安、司法和刑侦。如利用人脸识别系统和网络，在全国范围内搜捕逃犯。
4．自助服务。如银行的自动提款机，如果同时应用人脸识别就会避免被他人盗取现金现象的发生。
5．信息安全。如计算机登录、电子政务和电子商务。在电子商务中交易全部在网上完成，电子政务中的很多审批流程也都搬到了网上。而当前，交易或者审批的授权都是靠密码来实现。如果密码被盗，就无法保证安全。如果使用生物特征，就可以做到当事人在网上的数字身份和真实身份统一。从而大大增加电子商务和电子政务系统的可靠性。9应用前景编辑
生物识别技术被广泛用于政府、军队、银行、社会福利保障、电子商务、安全防务等领域。例如，一位储户走进了银行，他既没带银行卡，也没有回忆密码就径直提款，当他在提款机上提款时，一台摄像机对该用户的眼睛扫描，然后迅速而准确地完成了用户身份鉴定，办理完业务。这是美国德克萨斯州联合银行的一个营业部中发生的一个真实的镜头。而该营业部所使用的正是现代生物识别技术中的“虹膜识别系统”。此外，美国“9.11”事件后，反恐怖活动已成为各国政府的共识，加强机场的安全防务十分重要。美国维萨格公司的脸像识别技术在美国的两家机场大显神通，它能在拥挤的人群中挑出某一张面孔，判断他是不是通缉犯。
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、企业、住宅安全和管理。如人脸识别门禁考勤系统，人脸识别防盗门等。
2、电子护照及身份证。这或许是未来规模最大的应用，国际民航组织(ICAO)已确定，从2010年起，其118个成员国家和地区，必须使用机读护照，人脸识别技术是首推识别模式，该规定已经成为国际标准。中国的电子护照计划公安部一所正在加紧规划和实施。
3、公安、司法和刑侦。如利用人脸识别系统和网络，在全国范围内搜捕逃犯。
4、自助服务。如银行的自动提款机，如果用户卡片和密码被盗，就会被他人冒取现金。如果同时应用人脸识别就会避免这种情况的发生。
5、信息安全。如计算机登录、电子政务和电子商务。在电子商务中交易全部在网上完成，电子政务中的很多审批流程也都搬到了网上。而当前，交易或者审批的授权都是靠密码来实现，如果密码被盗，就无法保证安全。但是使用生物特征，就可以做到当事人在网上的数字身份和真实身份统一，从而大大增加电子商务和电子政务系统的可靠性。[1]
2012年无锡采用物联网人脸识别技术规范建筑市场。无锡的建筑工地将从6月1日起每天通过物联网技术进行人脸识别，通过考勤管理，确保项目负责人到位，挂靠、层层转包等现象将有望受到限制。
京沪高铁三站将建人脸识别系统，整容也能被识别。铁路部门发布计划表示，将在京沪高铁段的上海虹桥站、天津西站、济南西站这三个站点，建设人脸识别系统工程，以协助公安部门抓捕在逃罪犯。利用这个系统，作案后的犯罪分子，即使整容，也将能够被识别。[2]
读书的好处
1、行万里路，读万卷书。
2、书山有路勤为径，学海无涯苦作舟。
3、读书破万卷，下笔如有神。
4、我所学到的任何有价值的知识都是由自学中得来的。——达尔文
5、少壮不努力，老大徒悲伤。
6、黑发不知勤学早，白首方悔读书迟。——颜真卿
7、宝剑锋从磨砺出，梅花香自苦寒来。
8、读书要三到：心到、眼到、口到
9、玉不琢、不成器，人不学、不知义。
10、一日无书，百事荒废。——陈寿
11、书是人类进步的阶梯。
12、一日不读口生，一日不写手生。
13、我扑在书上，就像饥饿的人扑在面包上。——高尔基
14、书到用时方恨少、事非经过不知难。——陆游
15、读一本好书，就如同和一个高尚的人在交谈——歌德
16、读一切好书，就是和许多高尚的人谈话。——笛卡儿
17、学习永远不晚。——高尔基
18、少而好学，如日出之阳；壮而好学，如日中之光；志而好学，如炳烛之光。——刘向
19、学而不思则惘，思而不学则殆。——孔子
20、读书给人以快乐、给人以光彩、给人以才干。——培根
人脸识别技术应用 篇2
1 人脸识别系统概述
人脸识别的研究始于20世纪60年代末Bledsoe提出了半自动人脸识别系统模型。早期人脸识别研究主要有两大方向:一是提取人脸几何特征的方法,包括人脸部件归一化的点间距离和比率以及人脸的一些特征点,如眼角、嘴角、鼻尖等部位所构成的二维拓扑结构;二是模板匹配的方法,主要是利用计算模板和图像灰度的自相关性来实现识别功能。目前已经出现了很多著名的人脸识别方法,例如Bio ID公司的人脸识别系统等,并已投入应用。
一个广义的完整的人脸识别系统包括:第一,从任意的图片或视频中决定是否有人脸,如果有,确定其位置和尺寸,这个任务就是人脸检测;第二,从人脸面部图像进行正确识别。因此,人脸识别系统主要包括两个技术环节:首先是人脸检测和定位,然后是归一化的人脸图像进行特征提取与识别。
2 常用的人脸检测方法
根据对人脸检测算法发展和现状的研究,人脸检测算法可分为:基于几何特征的方法、基于肤色模型的方法、基于统计理论的方法。
2.1 基于几何特征的人脸检测方法
所谓的人脸的几何特征指的是人类面部器官在几何上体现的特征,主要包括基于先验知识的方法、基于特征不变性的方法和基于模板的方法。
基于先验知识的方法:是将人脸面部器官之间的关系编码准则化的人脸检测方法。该方法是一种自定而下的方法,依据人脸面部器官的对称性、灰度差异等先验知识,制定出一系列的准则。当图像中的待测区域符合准则,则被检测为人脸。
基于特征不变性的方法:该方法着眼于检测面部的一些不变的特征,如眼睛、鼻子、嘴巴等。该方法是自底而上的,先利用各种手段寻找上述的不变特征,然后综合找到的这些不变特征来确定待检测区域是否是人脸。
基于模板的方法;该方法可分为两类:预定模板和变形模板。预定模板方法首先制定出标准的模板,然后计算检测区域和模板的相关值,当相关值符合制定的准则就判断检测区域为人脸。变形模板首先制定出模板参数,然后根据检测区域的数据对参数进行修改直至收敛,以达到检测出人脸面部器官位置的目的。
2.2 基于肤色模型的方法
肤色是人脸的重要信息,肤色特征在人脸检测中是最常用的一种特征。肤色特征主要由肤色模型描述。常用的肤色模型有高斯模型、混合高斯模型和直方图模型。除此之外还有直接利用几何参数描述肤色区域分布范围的模型、三维投影模型、基于神经网的肤色模型等。
2.3 基于统计理论的方法
由于人脸图像的复杂性,描述人脸特征具有一定困难,因此基于统计理论的方法越来越受重视。此类方法将人脸区域看作一类模式,即模板特征,使用大量的“人脸”与“非人脸”样本训练、构造分类器,通过判别图像中所有可能区域属于哪类模式的方法实现人脸的检测。
3 常用的人脸识别方法
人脸识别使整个人脸识别系统的最后一个步骤,是根据人脸特征的提取结果,将待测人脸与人脸库中人脸数据进行比较,判断出待测人脸的身份信息。常用的人脸识别方法有以下几种。
3.1 基于弹性图匹配的方法
弹性图匹配法是一种基于动态链接结构的方法,该方法在二维空间中为人脸建立属性拓扑图,把拓扑图放置在人脸上,每一节点均包含一特征向量,它记录了人脸在该顶点位置附近的分布信息,在人脸图像上扫描拓扑图结构可提取相应节点特征向量。各节点之间的拓扑链接关系用几何距离来标记,从而构成基于二维拓扑图的人脸描述。
弹性图匹配法使得人脸几何特征描述越来越充分,保留了人脸的拓扑结构和局部特征,通过局部节点调节和弹性图变形,以及局部特征的多级Gsbor变换描述,使得该方法对光照、表情变化等具有较好的适应性。
该方法的主要缺点是计算量较大,处理时间长。必须对每个存储的人脸计算其模型图,占用很大的存储空间。
3.2 基于特征脸的方法
基于特征脸的方法指,通过K-L变换将表征人脸的高维向量映射到由若干特征向量张成的子空间中,从而实现对人脸图像的最优解析和重构。
特征脸法的本质是抓住了人群的统计特征,但不具有广泛性、代表性,并且受光照、姿态变化等干扰都会使识别率严重下降,该方法也不适于库中人脸数目变化较大的情况。
3.3 基于神经网络的方法
基于神经网络的方法是一种以神经元为节点,神经元之间实现加权值互联的复杂拓扑结构,结构上更类似于人脑,是一种更接近人智能的信息处理方式。
神经网络法优势在于保存了图像中细微形状信息,避免了较为复杂的特征提取工作,可以通过学习过程获得其他方法难以实现的关于识别规则的隐性表达。由于神经网络的神经元数目通常很大,该方法仍然存在运算量大、训练时间长、过程较复杂、收敛速度慢以及容易陷入局部最小等问题,成为制约其广泛应用的主要因素。
3.4 基于支持向量机的方法
支持向量机的目标是得到现有信息的最优解而不是当样本数目趋于无穷时的最优解,较好地解决了小样本情况下的学习问题。该算法最终将转化成为一个二次型寻优问题,理论上得到全局最优点。该方法计算复杂度高,当训练样本个数较大时,会得到大量支持向量,使分类器计算量也很大。
3.5 其他方法
小波变换是空间(时间)和频率的局部变换,采用小波变换特征能够有效描述人脸局部信息。
基于隐马尔可夫模型的人脸识别方法把面部器官特征和一个状态转移模型联系起来,这种模型既考虑了人脸各器官的不同特征,又考虑了他们的相互关联,比孤立利用各器官的数值特征有概念上的进步,该模型的参数能较好地表征具体人脸模型。
此外,Bartlett采用独立分量分析的方法识别人脸,获得了比PCA方法更好的识别效果。
4 研究的方向及重点
人脸识别虽然已经取得了很大的成果,但由于人脸识别问题的复杂性,人脸识别技术还可以从以下几点进行完善。
1)就二维图像而言,细节是区分人脸的关键。如何提取细节特征具有重要的意义。
2)发型、装饰灯外在条件的干扰,会影响到识别的结果。在人脸识别时要注意抑制分离外在干扰的影响。
3)人脸识别涉及心理学、生理学等众多学科,研究中应借鉴多学科的研究成果,最大限度获取各种信息并且有机的集成起来加以利用,以提高识别率。
4)三维图像较二维图像更能提供完整而真实的内容,且减少光照和姿态等变化的影响,如何利用三维信息识别将是一个具有挑战性的研究课题。
随着图像处理、模式识别、人工智能、计算机技术及心理学等科学的发展,人脸识别技术将会不断完善,人脸识别系统的性能将会更加精确、高效。不久的将来,人脸识别将会得到更广泛的应用。
参考文献
[1]Jain A K,Zhong Y,Lakshmanan S.Object Matching Using Deformable Templates[J].IEEE Transactionon Pauern Analysis and Machine Intelligence,1996,18(3):30.
[2]Yuille A L.Deformable templates for face recognition[J].Journal of Cognitive Neuroscience,1991,3(1):59-70.
[3]边肇祺,张学工.模式识别[M].2版.北京:清华大学出版社,2000.
[4]周杰,卢春雨.人脸自动识别方法综述[J].电子学报,2000,28(4):102-106.
[5]李江.红外图像人脸识别方法研究[D].长沙:国防科技大学,2005.
[6]刘向东,陈兆乾.人脸识别技术的研究[J].计算机研究与发展,2004,41(7):1074-108.
[7]周激流,张哗.人脸识别理论研究进展[J].计算机辅助设计与图像学学报,1999,11(2):180-184.
人脸识别技术新发展 篇3
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，其中包括大量的识别算法，涉及模式识别、图像处理、计算机视觉、人工智能、统计学习、神经网络等众多学科。
人脸识别的过程其实并不复杂。首先是人脸检测，即判断输入图像中是否存在人脸，如果有，便给出每个人脸的位置、大小；其次是面部特征定位，即对找到的每个人脸，检测其主要器官的位置和形状等信息；最后进行人脸比对，根据面部特征定位的结果，与数据库中人脸对比，判断该人脸的身份信息。与传统的身份鉴定方式相比，人脸识别的最大特点就是更具安全性、保密性和方便性。
之前，人脸识别大多用于门禁识别或公安机关追踪等大型应用。现在，人脸识别技术已经逐渐进入人们的日常生活。解锁手机、登录电脑、进入邮箱，甚至领取养老金等都可以用到人脸识别技术。
硬件设备方面，苹果正在研究一些方法让用户使用人脸识别技术方便地开关和控制iOS设备。这种技术最终会让iPhone和iPad具备人脸解锁功能。
联想在新款的笔记本电脑上也配备了人脸识别技术，凭借这种技术，笔记本电脑的主人在登录系统时，就可以免去输入密码的麻烦而直接进入系统。
网络应用方面，尤其是社交网络应用，很多社交产品开始利用人脸识别使影像信息和用户的社交网络个人资料连接起来。Facebook 就推出了人脸识别的社交应用：当用户向 Facebook 网页上传一张新照片时，这个功能会根据之前被标记的照片进行自动扫描，提示用户新上传的照片中所要标记的人物姓名。这项功能使用人脸识别技术，让普通用户的面孔直接与网站上的背景资料、好友关系匹配。
在国内，网易2010年成立了人脸识别研发团队，目标就是把人脸识别作为网易下一项安全升级措施，对目前的将军令（动态密码保护器）和密保卡进行补充。2012年下半年，网易人脸识别系统率先在网易免费邮箱登录时应用。网易邮箱用户可以选择异地登录时要求人脸认证、短时间多次输错密码被锁定进行人脸认证解锁等功能。
腾讯则推出了“搜搜慧眼”，这是一个基于人脸识别的社交产品。用户将手机切换到人脸识别模式，启动“明星脸识别”功能，“慧眼”会自动识别照相镜头中的人脸，并将之拍下来；随后，它会在网上寻找与这张脸最相似的明星的脸显示出来，并对服饰、妆扮等细节进行点评。最新版本的“搜搜慧眼”在人脸识别拍照的同时，还可以把识别结果一键分享到腾讯微博、新浪微博上。
在计算机技术、网络技术和人工智能技术日新月异的今天，高速发展的人脸识别技术将会有更广阔的舞台来展现其价值。也许就在明天，人脸将成为我们电子生活中的重要名片和标签。人脸识别技术将体现在我们生活的方方面面，改变我们的生活方式。
人脸识别技术应用 篇4
人脸识别，大家都听说过，但是有点陌生，因为它还没有广泛使用，Win10系统也能使用人脸识别技术，但有条件：具备摄像头的联想电脑和使用联想VeriFace专用软件。如何使用呢?
步骤
1、双击setup.exe安装程序，点击 下一步 开始联想VeriFace 软件安装;
2、仔细阅读联想VeriFace 软件安装协议，如果您同意该协议，点击 接受 继续安装;
3、默认安装到系统盘C盘，点击 下一步 系统开始复制文件;
4、点 完成 ，完成安装，
双击桌面图标打开软件;
点击“启动Veriface”按钮可以启用或停用Veriface。
安全级别设置：安全级别越低，识别精度越低，识别速度越快;反之，安全级别越高，识别精度越高，识别速度越慢。 安全级别默认设置为中，人脸识别精度适中，检测时间适中(推荐使用)。当安全级别设置为高时，将开启真人检测。您可以针对具体的使用环境进行设置。
人脸识别综合实践报告 篇5
二、实践概况 实习时间：2017-3-7 至 2017-4-29
实习公司：新秩序电子科技有限公司
实习目的：在实习中接触社会，学习市场营销的基本知识，掌握市场营销的基本技能，在实践中锻炼自己在与人沟通、团队合作、制定计划、应对危机等各方面的能力，发现自身的各种问题和缺点并采取实际行动改进。
实习任务：通过面试被聘为新秩序电子科技有限公司的一名实习生，在其销售部担任一名市场营销人员，参与公司人脸识别产品的市场维护及拓展的营销计划。
三、实践方法及内容 （一）人脸识别内容 本实践提出的分布式人脸识别模型中有多个代理，并且每个代理可以同时识别多个视频中的行人，为了避免代理处理任务量不均导致的时间延迟，对每个代理处理的任务量采用遗传算法（GA）进行负载均衡。假设有ｋ个代理要处理 m 个视频，每个视频中有多个行人，第 i 个代理处理的 ID 号为iAID，处理的视频集合为 } ,..., , {2 1iin i i iV V V V ，其中 i 的范围是（0，k），in 是第 i 个代理中的视频个数，)＜n 0(im ，iV 中第 j 个视频的行人个数为ijP，)n ＜j 0(i。
首先对 GA 中的染色体进行初始化，以第 i 个代理为例，将ij ij iP V AID , , 这 3个参数作为一个节点，由于第 i 个代理中有in 个视频，所以就有in 个这样的节点，将这in 个节点作为第 i 个染色体的基因。第 i 个染色体由iChrom，来表示，iChrom初始化结果如下所示:)., ,(),..., , ,(),..., , ,(), , ,(:2 2 1 1i iin in i ij ij i i i i i i i iP V AID P V AID P V AID P V AID Chrom
本实践采用的适应值函数如下：
injij iP c F1/
其中 c 是小于 1 的随机数。
其次，使用轮盘赌方式进行选择操作，根据计算公式获得选择结果。考虑个体优劣差距较大的情况，根据染色体的数量，选择不同质量的染色体进行遗传。
kii i chromF F i P1/)（在遗传操作中，选择两点交叉方法进行交叉操作，根据染色体长度的不同，设定这两个交叉点的选择范围，令第一个交叉点的位置为第一个基因节点，假设这两条染色体中最短的染色体长度为minL，则第二个交叉点的选择范围即为
[min min, 2 / L L ]。
为了避免过早收敛使算法进入局部最优，及保证种群的多样性，根据染色体的适应值对交叉概率cP 和变异概率mP 增加了一些随机性操作，cP 和mP 的计算公式如下所示: 2211MaxFFkMaxFFk P c
FMinFkMaxFFk P m413 其中:1MaxF 是染色体中最大的适应值，2MaxF 是染色体中第二个大的适应值，MinF 是染色体中最小的适应值，3 2 1k k k、、和4k 是[0,1]的随机数。
为了尽快缩小染色体之间的优劣差距，在传统的 GA 算法中加入了迁移操作，即通过将最差染色体中的最大基因迁移至最优的染色体中来完成该操作。
最常用的停比准则是选择一个比较大的数作为迭代次数。但在本实践中，为了不错过最优解，设置了一个阂值函数，公式如下: ＞ /MaxF F 其中：参数 是一个阈值，这个阈值小于 1。
本实践负载均衡操作的步骤如下: 步骤 1:服务器接收代理发送的信息，并初始化为染色体。
步骤 2:根据公式计算每条染色体的适应值。
步骤 3:根据公式执行选择运算。
步骤 4:计算公式，如果没有满足预定的阂值，则执行步骤 5~步骤 7;如果满足预定阂值，则停止。
步骤 5:根据公式计算交叉概率cP 判断是否执行交叉操作，并且重复步骤 2和步骤 3。
步骤 6:根据公式计算变异概率mP，如果不能执行变异操作，则执行迁移操作，并且重复步骤 2 和步骤 3。
步骤 7:转到步骤 4 继续。
（二）
实习内容 1.了解新秩序公司 在接受新秩序公司人事部主管、营销部等相关人员的基本培训，了解公司的基本概况。新秩序电子科技有限公司是一家研发、生产、销售新型电子产品于一体的高科技有限公司，公司产品旨在降低客户设备购置和使用成本。
在培训的那天，三位公司职务不低的培训人员在上午连续培训几个小时后，只在报告厅的桌子上睡了一下又接着在下午给我们进行精彩的培训，在中午的时候他们完全可以享受更好的休息条件，但他们却没有。在这种行为之中我感受到了公司中人的那种敬业的精神、能吃苦的精神。这也促使我之后在网上搜索该公司更多的信息，使我对公司有了更深刻的了解。
2.拜访经销商，督促其下单，了解市场信息
（1）跟着业务经理一起到各市县拜访各级经销商，了解公司人脸识别产品出货价格、出货渠道、出货时的促销优惠措施等，同时了解各级经销商所卖其他竞争人脸识别产品的各种信息，针对人脸识别产品信息做出人脸识别产品销售策略的调整。
（2）一些大的经销商不用督促其进货，沟通是最佳的手段，只要沟通的好他们会很容易的按其需求进货。只要情感的沟通技巧用的好，比说人脸识别产品性能和促销政策等效果要好很多。有时候印象很重要，要让别人接受你的人脸识别产品，就得先让别人接收你这个人。培养员工的独特方式，体会了一些商场上尔虞我诈、残酷无情的味道，这是我在学校肯定学不到的东西，我感觉这个游戏已经使我不虚此行了。
在我们接受公司营销部的业务培训，了解公司人脸识别产品的种类、特性、市场定位、价格、竞争优势、人脸识别产品流入市场的渠道、竞争产品的相关信息等。
3.拜访销售终端，销售公司人脸识别产品，摸清销售渠道，核实市场信息
跟着业务经理拜访营销点、经销商、等销售终端和终端用户。
（1）了解他们使用或销售人脸识别产品的感受，记录客户使用人脸识别产品后的反馈信息（包括人脸识别产品质量问题、实际使用时的人脸识别产品特性和使用感受），帮助用户解决使用过程中出现的问题，提供技术咨询与技术服务。
（2）从这些销售终端得到电子人脸识别产品及其他竞品的销售渠道、价格、促销、推广力度等的真实信息（竞争品的情报信息尤为重要），与从经销商处得到的信息核对，判断经销商在信息上是否对我们有所隐瞒，如有必要可调整与经销商的合作策略。
（3）从销售终端，了解其他相关人脸识别产品配送的渠道信息，为我们省去找渠道的时间。如了解营销点所用所经营各类人脸识别产品的种类、进货渠道、价格、得到的促销政策、用竞争产品而不用我们公司人脸识别产品的原因（如果用竞争人脸识别产品的话）。
如从营销点了解经销商的信息，若该经销商不经营我们公司的人脸识别产品，之后可以找该经销商谈，尽量将其争取为我们公司人脸识别产品的经销商。同时从营销点可以了解到一个地区的经销商网络状况，通过经销商找终端会为我们拜访客户省去很多找客户的时间。从营销点可以了解到我们的经销商是否执行了我们要求其执行的我们公司人脸识别产品推广计划。
四、实践感悟 （一）
沟通 有很多沟通的技巧在销售上是很有用的，特别是在外面拜访客户的时候有很多说话的技巧、观察的技巧，如在拜访营销点、经销商的时候如何打消他们的戒心和疑虑，如何让他们接受你、让他们对你说实话，如何从他们不经意间透露的信息了解到他们卖或用的人脸识别产品、进货渠道、用量或销量，如何说服他们用我们公司的人脸识别产品，如何对他们讲解我们公司电子人脸识别产品的优势，如何让他们对我们的人脸识别产品感兴趣、进有很多沟通的技巧在销售上是很有用的，特别是在外面拜访客户的时候有很多说话的技巧、观察的技巧，如在拜访营销点、经销商的时候如何打消他们的戒心和疑虑，如何让他们接受你、让他们对你说实话，如何从他们不经意间透露的信息了解到他们卖或用的人脸识别产品、进货渠道、用量或销量，如何说服他们用我们公司的人脸识别产品，如何对他们讲解我们公司电子人脸识别产品的优势，如何让他们对我们的人脸识别产品感兴趣、进而用我们的人脸识别产品等等。我也将我学到的和客户谈话技巧的小细节，与客户沟通的小招数，观察客户开的店子需要注意的细节等都认真总结、细心揣摩，从中我汲取到了更多的养分。
（二）
尝试 工作中有很多事没开始做的时候感觉很难，但真正开始做的时候会发觉其实没有想象中的难。有些事不管怎样，首先要尝试，只要在尝试后慢慢调整策略就很可能成功。
有一次想坐公交车到经销商的仓库去，但当时整条路都在修，我们所知道的几路公交车都改线路了。因为目的地本身就有点偏，几乎不可能有别的公交车到那里了。当时情况有点急，也可以步行到经销商那里，但会耽误时间，最后我还是尝试问了一个大叔有没有公交到我们的目的地，我们很幸运的得到了肯定的回答。有时候看似不可能或很困难的事，其实只要去尝试，就有解决的机会，不去试的话连丁点机会都不会有。
（三）
总结 总结是很重要的，自己学到的、体会到的知识能不能升华、能不能使自己得到更多的启示就靠总结了。总结能使我反思自己工作中的不足，继而想出解决的办法；能使我举一反三，加快我学习、成长的速度；能使我更清楚我前进的方向。这次写实习报告的过程也就是我总结反思的过程，在写报告的过程中发现了自身很多不足之处，在今后我会很重视这些在实践中发生的问题，竭尽一切努力去改进。
五、实践总结 1.增加实践环节。学生们共同的体会之一是“书到用时方恨少”。从销售终端的商品管理、价格确定，到渠道控制、广告投放、新品开发及至市场调研，都需要宽泛的理论知识支撑。
2.承认教师指导社会实践的工作量。目前教师指导社会调查实习、毕业实习都没有计入教学工作量，所以不能调动教师积极性，也出现了上面三番五次强调
但总是难以见效的实际情况。
3.加大教学改革力度。以社会需求为导向，调整课程设置。实习中了解到，目前社会需要大量的营销人才，可是，我们的学生却难以找到合适的岗位。客观表现为企业一般招聘有几年工作经验的人。
人脸识别技术应用 篇6
人脸识别布控系统方案
北京众智益华科技有限公司
北京市海淀区清河三街同源大厦12层0926室
电话：010-62919824
网址：http://
一、项目背景及系统介绍
火车作为人们主要的出行工具，通过火车逃串的逃犯也较多。火车站作为人们乘坐火车的唯一进出口，在进出站行人中藏匿着各类特殊人群。当有需要对这些人员进行辨别、防范时，如何准确、有效地发现他们就成为车站公安，安保部门迫切希望解决的问题。
根据目前国内多数火车站进出站管理流程的模式来看，火车站的进站口、出站口、售票口都是旅客必经之地，在这类地区旅客的流动速度会放慢，就为拍摄照片及人脸比对提供了有利的条件。通常相关部门会在进出站口和售票处安装录像监控设备，利用这些地点的特殊性，通过人工进行辨认方式进行比对；或者直接排人员进行现场身份证抽查辨认。但人工查找和比对有很大的局限性，例如：面对大量的客流量导致的人工成本问题，人的记忆力有限，通常不能清楚地记住短时间接触的对象的面部特征；不能同时辨认多个对象；不能长时间保持注意力和辨认力等等。因此在这些主要地方迫切需要引入人脸智能识别比对系统，来提高安全防范的效率和效果。
北京众智益华综合智能视频联网监控管理平台（Integrated Intelligent Video Surveillance Network Management Platform，简称IVS）是分布式、智能化、网络化的视频智能识别分析、图像监控和集中信息管理平台。IVS利用现有的各种形式的数字网络，对监控前端经数字化压缩的视频信号，通过标准的TCP/IP联网协议，传输到监控中心进行智能化人脸检测分析识别比对，并结合分析结果与报警预案进行联动，从而达到智能化布控防范的作用。因此，IVS是集成了人工视觉/生物识别技术、计算机系统、软件、网络、通信、控制以及安全防范技术的综合技术平台。
本文将详细叙述通过北京众智益华科技有限公司的综合智能视频联网监控管理平台对28个车站，38个安检通道实现人脸识别布控的实现方案。
二、组网结构及系统构成
2.1 组网结构
（图一）
由“图一”可见我们采用了网络比对的方式把28个车站通过内部星形2M的网络进行连接，设置一个中心控制室，在中心控制室设置比对服务器，数据服务器，流媒体服务器等设备把火车站传来的视频进行分析比对，并把分析比对结果分别传送给中心客户端及火车站本地客户端，由客户端执行预警方案（比如声音报警，发生手机短信等）。
2.2 硬件产品构成
由“图一”可以看出，我们在拥有四个通道或三个通道的火车站采用模拟高清摄像机+四路CIF视频服务器的方式进行的原始视频采集，在两个或者只有一个通道的火车站采用标清的IP摄像机进行采集原始视频。
在中心我们设置数据服务器一台，比对服务器两台（比对服务器的台数来自于需要比对的图片个数及整个比对系统的速度，两台服务器能支持1秒2万张图片的比对），一台流媒体及存储服务器，大屏显示客户端，N个客户端。
28个火车站，38个通道具体设备列表如下： 模拟高清摄像机：7个 四路视频服务器：2个 标清IP摄像机：31个 服务器：4台
客户端机器：根据实际使用客户端的数量决定 2.3 软件产品构成
（1）综合智能视频联网监控管理平台一套，其中包括：数据服务器软件，流媒体/存储服务器软件，智能分析服务器软件，客户端（带电子地图）管理系统，大屏电视墙系统，人脸图库管理系统五部分组成。
（2）SQL SERVER数据库一套。
三、系统各模块详细说明
数据服务器
数据服务器需要连续工作，建议采用高稳定服务器，要求较高的场合建议采用双硬件冗余；WINDOWS2000以上操作系统，SQL数据库。(一)功能
设备的登录注册。设备冷启动、热启动或注销后，用设备唯一的ID号登录，合法设备（在配置管理服务器中配置）注册成功后，获取设备的硬件配置和工作参数，进入正常工作状态，非法用户拒绝登录。
用户的登录注册。用户采用用户名、密码和唯一的软件ID号登录，合法用户（在配置管理服务器中配置）注册成功后，获取用户可管理的前端对象，及操作权限，用户的级别。
认证服务器在收到用户布防请求后，进行权限判别，若请求合法，命令设备执行，否则拒绝，并给出相应的提示信息。(二)特点
集中权限管理。任何用户的权限改变能够即时反映到任何一个用户对任何系统的操作。
身份认证采用双因子认证，即口令与ID认证。
网络信息采用了SSL认证体系，保证了网络信令的安全。
用户的帐号支持一次性认证，即用户在访问不同子系统时，无需反复进行帐号认证。所有认证操作（包括成功的和失败的）都被日志系统记录并安全地保留，以备查阅。
用户的角色具有流动性。即用户操作的设备，权限只与用户名和密码有关，与具体的设备无关。
流媒体服务器/集中存储服务器
北京众智益华科技有限公司研制的流媒体/集中存储服务器，用于大型监控联网的企业级创新型的解决案，系统的硬件采用高端的服务器，兼备高端功能与可承受价格的先进存储系统，是经过验证的先进体系架构，连续的数据可用性和完整性，高级信息复制功能，功能强大的管理工具。从高、中、低端产品共享通用架构，可实现跨产品型号的平滑升级。(一)功能
流媒体转发。当网络中有多个用户访问同一个视频流时，虽然访问的是同一个视频流，但各自占用一个带宽资源，容易造成网络拥挤，影响视频的接收效果。众智益华在有质量（Qos）的多媒体网络传输上拥有独创性的核心技术，采用高效率UDP传输协议，自动穿透各种网络设备，根据网络结构自动启用单播技术，组播技术，也可强制制定，自适应网络流量控制，配合独创的编码，解码算法，在丢包率低于20％的情况下，仍然保证清晰流畅的视频效果，网络延时短，成功地解决了带宽资源和网络拥挤问题。设置流媒体转发服务器的目的在于缓解网络带宽紧张的区域，对该区域内的视频访问全部通过流媒体转发服务器软件模块来进行转发，使得该视频服务器的视频服务只占一个通道。流媒体网关。主要是实现异构设备和嵌入式设备接入，把不同设备的信令转化为统一的信令；把不同编码格式的流媒体数据转化为统一的流媒体格式；把不同的硬件控制协议转化为统一的控制协议从而实现异构设备的互连互通。
流媒体路由。支持双网卡或多网卡，实现跨网段联网监控系统。与不同的网络路由器相比，北京众智益华的流媒体路由设备，转发的效率高，在丢包率低于20％的情况下，视频仍然比较流畅，采用保护的语音数据延迟小，无噪声。
1．支持定时录像，报警联动实时录像。
2．支持前端分布式录像和后端集中录像的综合性方法。3．支持多路径数据存取，支持动态负载均衡与故障切换。4．存储服务器可选择DAS、NAS或SAN结构。
(二)特点
效率高。在普通P4，1G内存，双1000M网卡配置下，对1M的单路码流，单播转发300路的情况下，CPU占用的比例约为20％以下，音视频清晰流畅。网络功能强大。能根据交换机的性能，网络结构，服务的质量，自动启动单播或组播转发，无需人工干预，也可指定单播或组播。
支持异构设备多。众智益华的流媒体服务器支持主流板卡（海康、汉邦、恒亿、金鹏）的PC系列监控设备的接入；支持主流嵌入式（海康、大华、大立）监控设备的接入。
能实时根据不同的网络情况，自适应地选择合适的传输协议（TCP、UDP单播、UDP组播），调节视频包大小来优化网络传输，适应不同的网络环境。特有的NDU升级方式，无须数据迁移即可对存储系统进行硬件、软件升级，达到最安全的投资保护。
可从最小配置起始，因需而动，支持从5个硬盘驱动器到240个硬盘驱动器的灵活扩展，可伴随业务和需求的增长而进行扩容或升级。
系统高的可靠性，稳定性。屏蔽单点故障的高可用设计，为关键应用提供可信赖的系统和信息可用性；独立的双存储控制器，具有镜像式缓存；多种级别的RAID数据保护；自动系统诊断和全局热备盘技术（Hot-spare）。
高性能的检索信息保存和获取，采用专用的内嵌数据库，特别适合对录像资料进行检索。高可用性和容错系统提供三个层次上的容错，首先系统体系结构上的容错技术，系统支持分布式的集群技术，每台服务器正常执行当前的存储任务，但是同时又作为其他服务器的后备集群节点。第二个层次上的容错是在整个中心集群都和图像源断开，不能进行实时录像，系统通过计划和实际的录像执行情况进行补录。第三个层次的容错是在录像分包时，每一个录像文件结束和一个新的录像文件开始，系统都被冗余一部分数据，以保证没有任何图像帧丢失。
录像计划和补录根据预定计划和实际的执行情况的差异性，可以计算出需要补录得时间段，自动从合时的DVR下载缺少的录像信息。
清盘策略和录像优先保留权当系统发现存储的容量超过系统规定的最高警戒线，将开始启动清盘任务，这个工作是由挂接的认证中心服务器来管理的，认证中心服务器将定时检查磁盘的情况，进行磁盘的清理、自动导出等功能。系统提供集中清盘策略，包括先进先出、最近访问、最多访问、以及保留优先权。
对比服务器
(一)功能
通过流媒体视频进行视频分析
提取图像特征值与数据库中的预存进行比对 将设定阀值以上的结果发送给需要的各个客户端 将比对结果存入数据服务中心(二)特点
比对速度快，一台服务器支持百路视频小于等于1秒 采用国际先进人脸比对算法，比对结果准确。独有的人像搜索、跟踪、定位、捕捉技术，人脸抓拍率在98%以上，角度能达到35度的偏移不会影响抓拍效果。针对有多个人像张的照片，系统会自动检测人像并分割出多张独立的照片，识别准确度高识别准确度高，1:1识别准确率97%；1:N识别准确率95%以上。独有的图像三维建模技术，每张人脸图像预处理后的特征值大小只有2K左右，识别速度能达每秒2万张以上。
采用独有的组播技术，在节约最少带宽情况下，把比对结果发送给各个客户端模块。
强大的日志功能，通过与数据服务器的配置，将比对结果完整的保存到数据库方便日后查看。
具有很好的容错功能，保证服务出错后，3秒内自动恢复运行。采用C/C++开发，核心层稳定可靠。
网络分控
(一)功能
树形视频选择，声音监听与视频图像同步。连接视频后可进行图像抓拍操作。支持单分屏、四分屏、六分屏、七分屏、九分屏、十分屏、十三分屏、十六分屏、二十五分屏显示。
支持视频轮巡,分组轮巡等多种视频观看方式 可实现电子地图与视频联动
报警自动地图定位，具有缩略图功能
可回放前端设备录像分为硬盘录像机本地存储、流媒体/集中存储服务器录像。支持报警提示, 系统中一旦有报警产生，界面上有明显提示。支持报警联动, 报警后可联动地图，联动报警声音，联动视频录像，联动视频显示，联动分组及轮巡，联动手机短信，可以联动外围IO设备。可查看历史报警记录并进行人工确认赛选。具有用户注销锁定功能，安全方便。
电视墙中心管理系统
(一)功能
可选择任意一路主要视频的实时视频，并形象显示人脸截图 实时显示比对结果。(二)特点
支持1280×720高分辨率 实时显示最近四对报警结果 支持比对声音提示
四、技术特点
本系统具有很好的开放性，可以很容易兼容现有设备，并能很好的和其他平台形成互动。
本系统人脸识别速度快，准确率高，一台对比服务器可以完成100路的视频实时识别，并完成与数据库内图片特征值的实时比对。本系统人脸比对采用独有的人像搜索、跟踪、定位、捕捉技术，比对技术，人脸抓拍率在98%以上，角度能达到35度的偏移不会影响抓拍效果。针对有多个人像张的照片，系统会自动检测人像并分割出多张独立的照片；识别准确度高，1:1识别准确率97%；1:N识别准确率95%以上。独有的图像三维空间建模技术，每张人脸图像预处理后的特征值大小只有2K左右，识别速度能达每秒万张以上。
本系统具有很友好的界面操作，一旦发生报警，用户可以根据电子地图得到位置，可以看到实时视频，并能看到报警时比对服务器抓拍的照片以及图库中原照片，方便用户进行再次的确认。
常用静态人脸识别技术的研究 篇7
人脸是一个常见而复杂的视觉模式,人脸所反应的视觉信息在人与人的交流和交往中有着重要的作用和意义[1],世界各国对于人脸识别的研究方兴未艾,我国也已经有了较实用的人脸识别系统,人脸识别是指对一幅给定的人脸图像或人脸视频序列,从人脸库中寻找与之匹配的人脸图象。目前应用人脸信息的研究主要包括人脸识别、人脸跟踪、姿势估计、表情识别和图象检索等,这些研究在出入安全检查、视频监视、图象检索和视频编码应用中都有广泛的应用价值。按照图象来源的不同,人脸识别技术可分为2大类:静态人脸识别和动态人脸识别,目前研究较多的是静态人脸识别,即人脸来源位稳定的二维图象如照片。本文参考了近期国内外有关文献,归纳了用于静态人脸识别的常见方法。
常用的人脸识别试验库以美国军方的FERET库[2]最为权威,它包括多人种、多年龄段、各种表情变化、光照变化、姿态变化的图象,图像的数量和实验的人数也非常多,可以充分地验证人脸识别算法。目前尚没有专门测试人脸检测和定位算法的图像库。
1. 静态人脸识别方法
当人脸图象的来源是一幅静态图象时进行的人脸识别属于静态人脸识别。人脸识别算法包含2部分:
人脸定位和归一化(如图1),对于一个全自动的人脸识别系统,整个的识别过程可归纳为人脸检测与定位、特征提取和识别,如图2所示,这两个环节独立性很强,而在许多特定情况下,人脸检测与定位工作比较简单,而“特征提取与识别”环节得到了更为广泛和深入的研究。
1.1 人脸检测与定位
人脸检测是指[3]:给定静止或动态图象,判断其中是否有人脸;若有,将所有人脸从背景图象中分割出来,并确定每个人脸在图象中的大小和位置,人脸检测系统的输入是可能包含人脸的图象,输出是关于图象中是否存在人脸以及人脸的数目、位置、尺度等信息的参数化描述。
人脸检测的基本思想是用知识或统计的方法对人脸建模,比较所有可能的待检测区域与人脸模型的匹配度,从而得到可能存在人脸的区域。
1.2 特征提取和识别
高水平的识别工作一般需要复杂的处理过程,如将图象映射到表面,恢复为三维模型,进行模型匹配等,但基于二维的图象处理也可进行人脸识别,下面介绍常用的二种方法。
1.2.1 几何特征法
许多人也将几何特征法用于人脸识别中。例如:常用的几何特征有人脸的五官如眼睛、鼻子、嘴巴等的局部形状特征,脸型特征以及五官在脸上分布的几何特征。提取特征时往往通过人脸面部拓扑结构几何关系的先验知识。在这种基于几何特征的识别中,识别总归为特征矢量之间的匹配,基于欧式距离的判决是最常用的识别方法。
人脸由眼睛、鼻子、嘴巴、下巴等部件构成,正因为这些部件的形状、大小和结构上的各种差异才使得世界上每个人脸千差万别,因此对这些部件的形状和结构关系的几何描述,可以作为人脸识别的重要特征。采用几何特征进行正面人脸识别一般是通过提取人眼、口、鼻等重要特征点的位置和眼睛等重要器官的几何形状作为分类特征[4][5]。
基于几何特征的识别方法具有存储量小、对光照不敏感、简单且容易理解等优点。这种方法同样存在一些问题:(1)从图像中抽取稳定的特征比较困难;(2)对强烈表情变化和姿态变化鲁棒性较差;(3)造成部分信息丢失,适合于粗分类。
可变形模板方法[6][7][8]可以视为几何特征方法的一种改进,它是一种经典的模式识别方法,这种方法大多是用归一化互相关,直接计算两幅图象之间的匹配程度
最简单的人脸模板是将人脸看成一个椭圆,检测人脸也就是检测图像中的椭圆[9]。另一种办法是将人脸用一组独立的小模板表示,如眼睛模板、嘴巴模板、鼻子模板、眉毛模板和下巴模板等。而这些模板的获得必须利用各个特征的轮廓,而传统的基于边缘提取的方法很难获得较高的连续边缘。即使获得了可靠度高的边缘,也很难从中自动提取所需的特征量。为此,用弹性模板方法提取特征显示出其独到的优越性[10]。弹性模板有一组根据特征形状的先验知识设计的可调参数所定义。为了求出这组参数,需要利用图像的边缘、峰值、谷值和强度信息及特征形状的先验知识设计合适的能量函数。参数向能量减小方向调整,当能量达到最小时,这组参数对应的模板形状最符合特征形状。
其基本思想是:设计一个参数可调的器官模型(即可变形模板,如图3、图4所示),定义一个能量函数,通过调整模型参数使能量函数最小化,此时的模型参数即作为该器官的几何特征。
1.2.2 特征脸方法
这种方法的原理是PCA(Principal Component Analysis主分量分析法)[11]PCA用于特征选择和降低图象维数的一种通用方法,因此可以用K-L变换获取其正交K-L基底,对应其中较大特征值的基底具有与人脸相似的形状,因此,又称之为特征脸,得到人脸重要特征之后,要对其进行主成份分析(PCA),其具体的算法思想如下:
若抽样参加训练的人脸图像有M张,每张图像的维数是N*N,则可以分别表示为:x1、x2、x3、…、x M,那么平均脸可以表示为:
每张人脸和平均人脸的距离可以表示为:
假设矩阵A={d1,d2,d2,…,d M},特征脸需要做的就是找出矩阵的前Z个较大特征值的特征向量,但是一个N2*N2维的大矩阵,求这样一个矩阵的特征值计算量是非常大的。为此我们可以先求出的特征值与特征向量,然后求出
表示的特征向量,表示的特征向量,是的特征值,就是所指的特征脸。求出特征脸以后,所剩下的工作就是要对库中的人脸进行降维,由可以组成一个投影矩阵,表示为W={u1,u2,…,u Z-1},并进行降维:
由式子(4)得出所有人脸向量的降维向量。
基于特征脸的识别方法优点:它大大降低了原始空间的维数,在这个低维空间中可进行人脸检测和识别。Pent l a n d等人在人脸检测中使用了特征脸方法,得到的特征脸如图5所示:
缺点:这种方法对光照条件的改变较敏感。如果提供了在光照条件变化下的人脸图象,则投影矩阵保留的主要元素会因光照而改变。于是,投影矩阵中的点便不能被很好的分类,甚至会变得轮廓模糊。
作为特征脸技术的改进,可以将Fisher线性判断准则(Fisher Linear Discriminant,简写为FLD)应用于人脸识别。并对PCA和FLD进行了比较,结论是特征脸不能区分类内和类间变化的不同角色,而是将他们一视同仁;FLD克服了PCA的一个缺点;它可区分类内和类间的散布矩阵。
线性判断准则分析并不总是优于PCA。当每一类的样本数较小时,PCA的效果比FLD好。在很多领域,尤其是人脸识别领域,人们根本不知道不同分类的基本分布。所以,实际上是很难弄清楚已有的训练数据是否适用。他们的实验表明这种考虑是正确的,在一些实验中,PCA的效果比FLD好,而在另一些试验中则是FLD的效果比PCA好。
2. 结论与展望
人类对人脸识别的研究已经有40多年的时间,并取得了相当的成就,但距离实际可用行还有一定的距离,存在的问题也不少。从目前的研究成果来看,成功的人脸识别至少需要考虑以下几个方面:
(1)人脸是具有一定可变形部分的三维固体的表面,目前仍存在争议的是在选用人脸模型时,是用二维表面还是三维模型基哪一个更好点。
(2)由于外部干扰不可避免,预处理的效果将会影响到识别结果,好的人脸模型应能够在识别的同时,抑制分离外在干扰的影响。
(3)对于表达人脸的各种特征需要进行比较和选择,以找出人脸最活跃的特征。这可以通过如下两种途径:一是比较同一个人的多张图片,以得到稳定的特征;另一种方法就是比较不同人的图片,以得出该人最“与众不同”之处。
(4)人脸识别是人类视觉的独特过程,因此人脸识别必须结合生理学和心理学的研究成果。
摘要：人脸识别技术是一种新型的身份识别技术,它是生物识别技术的一种。随着人们应用需求的不断深入,人脸识别技术将呈现出主流化、芯片化、标准化发展趋势。近年来受到了各国研究人员的普遍关注,主要用于安全保密等领域。本文主要介绍了静态人脸识别的技术,对其进行了分类总结,同时,详细介绍了其中的关键技术和研究成果。
关键词：人脸识别,检测方法,分类
参考文献
[1]Chellappa R,W ilson C L,Sirohey S Human and machine recognition of faces a survey[J].Proceedings of the IEEE,1995,83(5):705-740.
[2]Hjelmas E,Low B K Face detection:a survey[J].Computer Vision and image understanding,2001,83(1):236-274.
[3]J.Benarie,D.Nandy.IEEE Trans.PAMI,1998,20:449~457.
[4]R.Brunelli,T.Poggio.IEEE Trans.PAMI,1993,15:1024~1052.
[5]LJ.Cox,J.Ghosn,P.N.Yianilos.CVPR’96:209~216.
[6]AL.Yuille.J.Cognitive Neuroscience,1989,3:59~70.
[7]K.M.Lam,H.Yan.Pattern Recogition,1995,29:771~779.
[8]J.Ydeng,F.Lai.Pattern recognition,1997,30:403~419.
[9]Tang C Y,Chen Z,Huang Y p.Automatic detection and tracking of human heads using an active stereo vision system[J].international Journal of Pattern Recognition and Artificial intelligence,2000,14(2):137~166.
[10]Yuille A L.Deformable templates for face recognition[J].Journal of Cognitive Neuroscience,1991,3(1):59~70.
人脸识别技术应用 篇8
关键词：人脸识别技术；公共安防视频监控领域；应用
中图分类号： TP242.6 文献标识码： A 文章编号： 1673-1069（2016）31-172-2
0 引言
目前，随着我国社会经济的不断发展和市场经济的需求，越来越多的企业逐渐在针对监控视频的人脸识别产品，同时在目前的交通、房屋建设中随处可见人脸识别产品。同时，公共安防领域的视频监控系统主要是针对收集到的视频图像进行事前预警分析，但是针对事后的视频分析就浪费了大量的人力和精力，因此，在公共安防视频监控领域采用了人脸识别技术，那么就会减少违法犯罪的发生概率，维护了社会和国家的稳定性。
1 人脸识别的概念
1.1 人脸识别的含义
在人脸识别中，包括很多的名词，我们应该重视这些名词解释，不要混淆名词解释。第一，针对人脸提取来说，人脸提取主要指的就是在视频资料中，把人脸相关的资料提取出来，然后对提取到的人脸资料进行有效分析。同时，在不同的地方，人脸提取的过程也被叫作人脸检测。第二，针对人脸识别来说，人脸识别主要指的就是把人脸的特征输入到人脸库中，然后针对人脸库进行有效对比，确定出人脸的可用信息，这个人脸识别的过程也被称之为人脸对比。第三，针对历史人脸数据库来说，历史人脸数据库主要指的就是通过监控对人脸进行有效抓拍，然后建立相应的人脸数据库[1]。
1.2 人脸抓拍实现过程
科学在进步，人脸识别技术也在逐渐发展，人脸抓拍过程是一个科技要求非常高的过程，比如，针对企业的人员卡口系统而言，相关的人员在进入检测区域时，算法就开始进行人脸检测，然后对每个抓拍的人脸进行有效分析和对比，然后当人员离开检测区域时，被筛选出来的最后一张图片就是最佳人脸图片。在进行人脸抓拍的过程中，影响抓拍的效果有很多，比如摄像机的光照、天气、角度等。
1.3 人脸识别的技术原理
人脸识别技术主要是采用基于统计学习的人脸特征选择算法，并对大量的人脸数据进行有效分析，对比出不同人像的特征，然后从大量的人像特征中选择出最佳的人像特征。同时，人脸对比识别主要是利用人脸识别算法对抓拍到的人脸图像进行建模，并对数据库中的人脸进行有效对比，一旦人脸的识别度达到一定的标准时，那么相关的系统就会自动报警，然后相关的管理人员就能够及时发现相似度极高的人脸。另外，人脸识别技术如果采用自动最优特征选择算法，不仅能够缩短人脸对比的速度，又能够保证人脸识别的质量[2]。
2 人脸识别的技术局限性
现如今，随着我国科技的发展，人脸识别技术已经取得了不小的成果，但是，与国外发达国家相比，我国的人脸识别技术依然存在一定的局限性，很多外部环境都对人脸识别效果有一定的影响性。下面我们就来具体说下人脸识别的技术局限性都包含哪些方面内容：
2.1 人脸的相似性
众所周知，针对同一人种来说，所有的人脸结构都是相似的，实质性的差别不大，由于我国人脸识别技术的限制，就算采用人脸识别算法也会影响人脸特征精确度的提取，因此，我国的相关研究人员应该重点研究人脸相似度的参数调节，加强对人脸细微差异性的提取，从而提高人脸识别率。
2.2 同一个人的人脸渐变性
每个人的人脸都会随着时间的推移、年龄的变化而变化，同时，由于不同条件下人的情绪也是不同的，从而导致了人脸的不同，因此，同一个人的人脸渐变性也会在很大程度上影响人脸识别率的高低。
2.3 遮挡物的干扰
随着人们物质生活水平的不断提高，人们越来越重视自身的打扮，因此，人脸会经常受到很多遮挡物的干扰，比如，墨镜、头发、面具等，这些脸部的遮挡物严重影响了人脸识别效果。
2.4 人脸的角度和图像质量
在对人脸进行识别的过程中，人脸的角度和图像质量也会严重影响人脸的识别效果。要想提高人脸的识别效果，在抓拍人脸时一定要收集一张正面的人脸清晰照片，如果没有抓拍到清晰的人脸照片，那么就会使得人脸识别率大大降低。同时，人脸图像的质量好坏也会直接影响识别的效果，比如，图像的分辨率等。因此，在对人脸识别技术研究的过程中，一定要加强与相关专业单位的合作关系，把人脸识别技术融入安防领域中，从而促进人脸识别技术的稳定发展。
3 人脸识别技术在公共安防视频监控领域的应用
最近几年，随着人脸识别算法技术的不断提高，人脸识别技术被广泛地应用到了公共安防视频监控领域。同时，很多地方政府为了提高当地的安全管理水平，已经建立了一套人脸识别系统，下面就来具体说下人脸识别技术在公共安防视频监控领域的应用：
3.1 情报领域应用
人脸信息是情报信息的重要来源，情报分析主要是针对各种基础信息的碰撞，并对情报信息进行有效分析，然后把危险扼杀在源头，减少安全事故的发生概率。相关部门通过对人脸的相关信息进行有效分析和对比，能够实现对犯罪分子的有效防控，从而消除恶性案件的发生概率。
3.2 户政应用
随着我国社会经济的不断发展，户政管理业变得越来越严谨。在传统的户籍管理中，由于缺乏先进的管理技术，从而出现了很多问题，其中包括骗领身份证、户籍重复性等问题。但是，目前在户籍管理中，逐渐使用了人脸识别技术，这样避免了骗领身份证等问题的发生。人脸识别技术不仅能够对身份证进行集中对比，而且还能够及时清理异常的户籍信息。与此同时，针对犯罪分子而言，通过人脸识别技术，能够有效识别出犯罪分子的行踪，例如：当地公安部可以把犯罪分子的人脸图像输入到全国数据库中，然后对人脸数据库进行有效对比，最后排查出是否有网上在逃人员套用本地居民户口资料的情况。除此之外，目前各地的宾馆或者街道中都安装了人脸抓怕系统，如果有人员进入到了视频监控中，那么就会及时抓拍到每个人的图像，然后公安部就能够根据人员的活动轨迹和人脸截图输入到人脸识别库中，对其进行重点监控，从而使得公安部对人员进行判断，判断其是否属于在逃人员[2]。
3.3 种族比对应用
人脸识别技术在公共安防视频监控领域的应用中，还有一个比较重要的应用那就是种族对比应用。种族比对应用主要也是采用人脸的抓拍形式，不同的种族人的面部特征也存在很大的差异性。各个地方应该建立种族识别分类器，以方便查找种族人脸的相关信息。种族识别分类器主要是针对大量的人脸特征数据进行有效分析，同时，要针对不同的种族特征信息进行分类，输入多个软分类器，然后再对这些数据进行深入分析，最后由强分类器确定种族，从而实现种族比对应用效果，最终为公安防范体系智能化的建立奠定坚实的基础[3]。
4 结束语
总而言之，随着我国科学技术和社会经济的不断发展，人脸识别技术在公共安防视频监控领域得到了广泛的应用。人脸识别技术一般采用基于统计学习的人脸特征选择算法，分析出人脸的主要特征，但是人脸识别技术目前还尚不完善，因此，相关的研究人员一定要加大研究力度，不断开发人脸识别技术，重视其在情报领域的应用，从而促进人脸识别技术的可持续发展。
参 考 文 献
[1] 苏大伟.人脸识别技术在安全保卫工作中的应用及发展趋势研究[J].无线互联科技，2015，21：135-137.
[2] 仝星.动态人脸识别监控系统研究[J].中国安防，2015，Z1：63-66.