人臉識別技術

1、人臉識別技術     人臉識別技術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。人臉識別系統(tǒng)       人臉識別系統(tǒng)以人臉識別技術為核心，是一項新興的生物識別技術，是當今國際科技領域攻關的高精尖技術。人臉因具有不可復制、采集方便、不需要被拍者的配合而深受歡迎。人臉識別系統(tǒng)具有廣泛的

2、應用：人臉識別出入管理系統(tǒng)、人臉識別門禁考勤系統(tǒng)、 人臉識別監(jiān)控管理、人臉識別電腦安全防范、人臉識別照片搜索、人臉識別來防登記、人臉識別ATM機智能視頻報警系統(tǒng)、人臉識別監(jiān)獄智能報警系統(tǒng)、人臉識別RFID智能通關系統(tǒng)、人臉識別公安罪犯追逃智能報警系統(tǒng)等等。人臉識別系統(tǒng)的應用  人臉識別系統(tǒng)其實是臺特殊的攝像機，判斷速度相當快，只需要0.01秒左右，由于利用的是人體骨骼的識別技術，所以即使易容改裝，也難以蒙過它的眼睛。而且“人臉識別系統(tǒng)”具有存儲功能，只要把一些具有潛在危險性的“重點人物”的“臉部特寫”輸入存儲系統(tǒng)，重點人物如擅自闖關，就會在0.01秒之內被揪出來，同時向其他安保中心“

3、報警”。另外，某些重要區(qū)域如控制中心只允許特定身份的工作人員進出，這時候面部檔案信息未被系統(tǒng)存儲的所有人全都會被拒之門外。  與此前的指紋識別系統(tǒng)相比，人臉識別系統(tǒng)有很多的改進。指紋技術的使用壽命不如人臉識別系統(tǒng)，使用成本也高于人臉識別系統(tǒng)。由于沾水、沾汗、沾灰，還有傳感器只能在室內使用等原因，指紋識別系統(tǒng)在露天戶外使用的可能性很小。而用于人臉識別的攝像機一天24小時都可工作，第一它不侵犯人權，第二它是很安全的，無論室內還是戶外均可使用。人臉識別系統(tǒng)意味著每個人的臉上都貼著名字，外人看不見，但監(jiān)控系統(tǒng)能看得見。包括外國人，從踏入中國的一瞬間，他的圖像和個人資料就會進入電腦的控制中心，

4、不管在什么地方出現，都可認出此人。而且被觀察的人不知道有設備在監(jiān)視他，起到了科技奧運、文明奧運的功能。人臉識別發(fā)展歷史介紹1 引言  在我們生存的這個地球上，居住著近65億人。每個人的面孔都由額頭、眉毛、眼睛、鼻子、嘴巴、雙頰等少數幾個區(qū)域組合而成，它們之間的大體位置關系也是固定的，并且每張臉的大小不過七八寸見方。然而，它們居然就形成了那么復雜的模式，即使是面容極其相似的雙胞胎，其家人通常也能夠非常容易地根據他們面孔上的細微差異將他們區(qū)分開來。這使得我們不得不承認這個世界上找不出兩張完全相同的人臉!那么，區(qū)分如此眾多的不同人臉的“特征”到底是什么?能否設計出具有與人類一樣的人臉識別能

5、力的自動機器?這種自動機器的人臉識別能力是否能夠超越人類自身?對這些問題的分析和解答無疑具有重要的理論和應用價值，這正是眾多從事自動人臉識別研究的研究人員所面臨的挑戰(zhàn)。  然而，對這些問題的回答并不像看起來那么容易。即使在大量來自模式識別、計算機視覺、神經計算、生理學等領域的研究人員對自動人臉識別艱苦工作40余年之后，這些最基本的科學問題仍然困惑著研究人員。而退一步講，即使對我們自己，盡管我們每天都在根據面孔區(qū)分著親人、同學、朋友、同事等，大多數人卻很難準確地描述出自己到底是如何區(qū)分他們的，甚至描述不出自己熟悉的人有什么具體的特征。即使專門從事相關的生理學、心理學、神經科學研究的一些

6、專家，也很難描述清楚人類人臉識別的生理學過程。這意味著基于仿生學的人臉識別研究路線在實踐上是難以操作的。當然，飛機的翅膀并不需要像鳥兒的翅膀一樣煽動，自動人臉識別的計算模型也未必需要模擬“人腦”。我們也許可以通過另外的途徑，例如建立人臉識別的計算模型，這種計算模型可能是基于仿生神經網絡的，也可能是純粹基于統(tǒng)計的，或者是這二者之外的第三只眼睛，并通過構建實用的自動人臉識別系統(tǒng)來驗證這些計算模型，從而找出對上述基本科學問題的解答。  本文首先給出了人臉識別的一個一般計算模型，然后簡單回顧自動人臉識別的研究歷史，接下來闡述人臉識別的研究現狀并介紹幾種主流的技術方法，簡單介紹計算所人臉識別研

7、究組的研究進展，最后對上述哲學層面的問題作了一些簡單的探討。  2 人臉識別發(fā)展歷史  人臉識別是一個被廣泛研究著的熱門問題，大量的研究論文層出不窮，在一定程度上有泛濫成“災”之嫌。為了 更好地對人臉識別研究的歷史和現狀進行介紹，本文將AFR的研究歷史按照研究內容、技術方法等方面的特點大體劃分為三個時間階段，如表1所示。該表格概括了人臉識別研究的發(fā)展簡史及其每個歷史階段代表性的研究工作及其技術特點。下面對三個階段的研究進展情況作簡單介紹：  第一階段(1964年1990年)  這一階段人臉識別通常只是作為一個一般性的模式識別問題來研究，所采用的主要技術方

8、案是基于人臉幾何結構特征(Geometric feature based)的方法。這集中體現在人們對于剪影(Profile)的研究上，人們對面部剪影曲線的結構特征提取與分析方面進行了大量研究。人工神經網絡也一度曾經被研究人員用于人臉識別問題中。較早從事AFR研究的研究人員除了布萊索(Bledsoe)外還有戈登斯泰因(Goldstein)、哈蒙(Harmon)以及金出武雄(Kanade Takeo)等。金出武雄于1973年在京都大學完成了第一篇AFR方面的博士論文，直到現在，作為卡內基-梅隆大學(CMU)機器人研究院的一名教授，仍然是人臉識別領域的活躍人物之一。他所在的研究組也是人臉識別領域的一

9、支重要力量?？傮w而言，這一階段是人臉識別研究的初級階段，非常重要的成果不是很多，也基本沒有獲得實際應用。  第二階段(1991年1997年)  這一階段盡管時間相對短暫，但卻是人臉識別研究的高潮期，可謂碩果累累：不但誕生了若干代表性的人臉識別算法，美國軍方還組織了著名的FERET人臉識別算法測試，并出現了若干商業(yè)化運作的人臉識別系統(tǒng)，比如最為著名的Visionics(現為Identix)的FaceIt系統(tǒng)。  美國麻省理工學院(MIT)媒體實驗室的特克(Turk)和潘特蘭德(Pentland)提出的“特征臉”方法無疑是這一時期內最負盛名的人臉識別方法。其后的很多人

10、臉識別技術都或多或少與特征臉有關系，現在特征臉已經與歸一化的協(xié)相關量(Normalized Correlation)方法一道成為人臉識別的性能測試基準算法。  這一時期的另一個重要工作是麻省理工學院人工智能實驗室的布魯內里(Brunelli)和波基奧(Poggio)于1992年左右做的一個對比實驗，他們對比了基于結構特征的方法與基于模板匹配的方法的識別性能，并給出了一個比較確定的結論：模板匹配的方法優(yōu)于基于特征的方法。這一導向性的結論與特征臉共同作用，基本中止了純粹的基于結構特征的人臉識別方法研究，并在很大程度上促進了基于表觀(Appearance-based)的線性子空間建模和基于

11、統(tǒng)計模式識別技術的人臉識別方法的發(fā)展，使其逐漸成為主流的人臉識別技術。  貝爾胡米爾(Belhumeur)等提出的Fisherface人臉識別方法是這一時期的另一重要成果。該方法首先采用主成分分析(Principal Component Analysis，PCA，亦即特征臉)對圖像表觀特征進行降維。在此基礎上，采用線性判別分析(Linear Discriminant Analysis, LDA)的方法變換降維后的主成分以期獲得“盡量大的類間散度和盡量小的類內散度”。該方法目前仍然是主流的人臉識別方法之一，產生了很多不同的變種，比如零空間法、子空間判別模型、增強判別模型、直接的LDA判

12、別方法以及近期的一些基于核學習的改進策略。  麻省理工學院的馬哈丹(Moghaddam)則在特征臉的基礎上，提出了基于雙子空間進行貝葉斯概率估計的人臉識別方法。該方法通過“作差法”，將兩幅人臉圖像對的相似度計算問題轉換為一個兩類(類內差和類間差)分類問題，類內差和類間差數據都要首先通過主成分分析(PCA)技術進行降維，計算兩個類別的類條件概率密度，最后通過貝葉斯決策(最大似然或者最大后驗概率)的方法來進行人臉識別。  人臉識別中的另一種重要方法彈性圖匹配技術(Elastic Graph Matching，EGM) 也是在這一階段提出的。其基本思想是用一個屬性圖來描述人臉：屬

13、性圖的頂點代表面部關鍵特征點，其屬性為相應特征點處的多分辨率、多方向局部特征Gabor變換12特征，稱為Jet;邊的屬性則為不同特征點之間的幾何關系。對任意輸入人臉圖像，彈性圖匹配通過一種優(yōu)化搜索策略來定位預先定義的若干面部關鍵特征點，同時提取它們的Jet特征，得到輸入圖像的屬性圖。最后通過計算其與已知人臉屬性圖的相似度來完成識別過程。該方法的優(yōu)點是既保留了面部的全局結構特征，也對人臉的關鍵局部特征進行了建模。近來還出現了一些對該方法的擴展。  局部特征分析技術是由洛克菲勒大學(Rockefeller University)的艾提克(Atick)等人提出的。LFA在本質上是一種基于統(tǒng)

14、計的低維對象描述方法，與只能提取全局特征而且不能保留局部拓撲結構的PCA相比，LFA在全局PCA描述的基礎上提取的特征是局部的，并能夠同時保留全局拓撲信息，從而具有更佳的描述和判別能力。LFA技術已商業(yè)化為著名的FaceIt系統(tǒng)，因此后期沒有發(fā)表新的學術進展。  由美國國防部反毒品技術發(fā)展計劃辦公室資助的FERET項目無疑是該階段內的一個至關重要的事件。FERET項目的目標是要開發(fā)能夠為安全、情報和執(zhí)法部門使用的AFR技術。該項目包括三部分內容：資助若干項人臉識別研究、創(chuàng)建FERET人臉圖像數據庫、組織FERET人臉識別性能評測。該項目分別于1994年，1995年和1996年組織了3

15、次人臉識別評測，幾種最知名的人臉識別算法都參加了測試，極大地促進了這些算法的改進和實用化。該測試的另一個重要貢獻是給出了人臉識別的進一步發(fā)展方向：光照、姿態(tài)等非理想采集條件下的人臉識別問題逐漸成為熱點的研究方向。  柔性模型(Flexible Models)包括主動形狀模型(ASM)和主動表觀模型(AAM)是這一時期內在人臉建模方面的一個重要貢獻。ASM/AAM將人臉描述為2D形狀和紋理兩個分離的部分，分別用統(tǒng)計的方法進行建模(PCA)，然后再進一步通過PCA將二者融合起來對人臉進行統(tǒng)計建模。柔性模型具有良好的人臉合成能力，可以采用基于合成的圖像分析技術來對人臉圖像進行特征提取與建模

16、。柔性模型目前已被廣泛用于人臉特征對準(Face Alignment)和識別中，并出現了很多的改進模型。  總體而言，這一階段的人臉識別技術發(fā)展非常迅速，所提出的算法在較理想圖像采集條件、對象配合、中小規(guī)模正面人臉數據庫上達到了非常好的性能，也因此出現了若干知名的人臉識別商業(yè)公司。從技術方案上看， 2D人臉圖像線性子空間判別分析、統(tǒng)計表觀模型、統(tǒng)計模式識別方法是這一階段內的主流技術。  第三階段(1998年現在)  FERET96人臉識別算法評估表明：主流的人臉識別技術對光照、姿態(tài)等由于非理想采集條件或者對象不配合造成的變化魯棒性比較差。因此，光照、姿態(tài)問題逐漸成

17、為研究熱點。與此同時，人臉識別的商業(yè)系統(tǒng)進一步發(fā)展。為此，美國軍方在FERET測試的基礎上分別于2000年和2002年組織了兩次商業(yè)系統(tǒng)評測。  基奧蓋蒂斯(Georghiades)等人提出的基于光照錐 (Illumination Cones) 模型的多姿態(tài)、多光照條件人臉識別方法是這一時期的重要成果之一，他們證明了一個重要結論：同一人臉在同一視角、不同光照條件下的所有圖像在圖像空間中形成一個凸錐即光照錐。為了能夠從少量未知光照條件的人臉圖像中計算光照錐，他們還對傳統(tǒng)的光度立體視覺方法進行了擴展，能夠在朗博模型、凸表面和遠點光源假設條件下，根據未知光照條件的7幅同一視點圖像恢復物體的

18、3D形狀和表面點的表面反射系數(傳統(tǒng)光度立體視覺能夠根據給定的3幅已知光照條件的圖像恢復物體表面的法向量方向)，從而可以容易地合成該視角下任意光照條件的圖像，完成光照錐的計算。識別則通過計算輸入圖像到每個光照錐的距離來完成。  以支持向量機為代表的統(tǒng)計學習理論也在這一時期內被應用到了人臉識別與確認中來。支持向量機是一個兩類分類器，而人臉識別則是一個多類問題。通常有三種策略解決這個問題，即：類內差/類間差法、一對多法(one-to-rest)和一對一法(one-to-one)。  布蘭茲(Blanz)和維特(Vetter)等提出的基于3D變形(3D Morphable Mod

19、el)模型的多姿態(tài)、多光照條件人臉圖像分析與識別方法是這一階段內一項開創(chuàng)性的工作。該方法在本質上屬于基于合成的分析技術，其主要貢獻在于它在3D形狀和紋理統(tǒng)計變形模型(類似于2D時候的AAM)的基礎上，同時還采用圖形學模擬的方法對圖像采集過程的透視投影和光照模型參數進行建模，從而可以使得人臉形狀和紋理等人臉內部屬性與攝像機配置、光照情況等外部參數完全分開，更加有利于人臉圖像的分析與識別。Blanz的實驗表明，該方法在CMU-PIE(多姿態(tài)、光照和表情)人臉庫和FERET多姿態(tài)人臉庫上都達到了相當高的識別率，證明了該方法的有效性。  2001年的國際計算機視覺大會(ICCV)上，康柏研究

20、院的研究員維奧拉(Viola)和瓊斯(Jones)展示了他們的一個基于簡單矩形特征和AdaBoost的實時人臉檢測系統(tǒng)，在CIF格式上檢測準正面人臉的速度達到了每秒15幀以上。該方法的主要貢獻包括：1)用可以快速計算的簡單矩形特征作為人臉圖像特征;2)基于AdaBoost將大量弱分類器進行組合形成強分類器的學習方法;3)采用了級聯(Cascade)技術提高檢測速度。目前，基于這種人臉/非人臉學習的策略已經能夠實現準實時的多姿態(tài)人臉檢測與跟蹤。這為后端的人臉識別提供了良好的基礎。  沙蘇哈(Shashua)等于2001年提出了一種基于商圖像13的人臉圖像識別與繪制技術。該技術是一種基于

21、特定對象類圖像集合學習的繪制技術，能夠根據訓練集合中的少量不同光照的圖像，合成任意輸入人臉圖像在各種光照條件下的合成圖像?；诖?，沙蘇哈等還給出了對各種光照條件不變的人臉簽名(Signature)圖像的定義，可以用于光照不變的人臉識別，實驗表明了其有效性。  巴斯里(Basri)和雅各布(Jacobs)則利用球面諧波(Spherical Harmonics)表示光照、用卷積過程描述朗博反射的方法解析地證明了一個重要的結論：由任意遠點光源獲得的所有朗博反射函數的集合形成一個線性子空間。這意味著一個凸的朗博表面物體在各種光照條件下的圖像集合可以用一個低維的線性子空間來近似。這不僅與先前的

22、光照統(tǒng)計建模方法的經驗實驗結果相吻合，更進一步從理論上促進了線性子空間對象識別方法的發(fā)展。而且，這使得用凸優(yōu)化方法來強制光照函數非負成為可能，為光照問題的解決提供了重要思路。  FERET項目之后，涌現了若干人臉識別商業(yè)系統(tǒng)。美國國防部有關部門進一步組織了針對人臉識別商業(yè)系統(tǒng)的評測FRVT，至今已經舉辦了兩次：FRVT2000和FRVT2002。這兩次測試一方面對知名的人臉識別系統(tǒng)進行了性能比較，例如FRVT2002測試就表明Cognitec, Identix和Eyematic三個商業(yè)產品遙遙領先于其他系統(tǒng)，而它們之間的差別不大。另一方面則全面總結了人臉識別技術發(fā)展的現狀：較理想條件

23、下(正面簽證照)，針對37437人121,589 幅圖像的人臉識別(Identification)最高首選識別率為73%，人臉驗證(Verification)的等錯誤率(EER14)大約為6%。FRVT測試的另一個重要貢獻是還進一步指出了目前的人臉識別算法亟待解決的若干問題。例如，FRVT2002測試就表明：目前的人臉識別商業(yè)系統(tǒng)的性能仍然對于室內外光照變化、姿態(tài)、時間跨度等變化條件非常敏感，大規(guī)模人臉庫上的有效識別問題也很嚴重，這些問題都仍然需要進一步的努力。  總體而言，目前非理想成像條件下(尤其是光照和姿態(tài))、對象不配合、大規(guī)模人臉數據庫上的人臉識別問題逐漸成為研究的熱點問題。

24、而非線性建模方法、統(tǒng)計學習理論、基于Boosting15的學習技術、基于3D模型的人臉建模與識別方法等逐漸成為備受重視的技術發(fā)展趨勢。  3 結束語  人臉識別是一項既有科學研究價值，又有廣泛應用前景的研究課題。國際上大量研究人員幾十年的研究取得了豐碩的研究成果，自動人臉識別技術已經在某些限定條件下得到了成功應用。這些成果更加深了我們對于自動人臉識別這個問題的理解，尤其是對其挑戰(zhàn)性的認識。盡管在海量人臉數據比對速度甚至精度方面，現有的自動人臉識別系統(tǒng)可能已經超過了人類，但對于復雜變化條件下的一般人臉識別問題，自動人臉識別系統(tǒng)的魯棒性和準確度還遠不及人類。這種差距產生的本質原

25、因現在還不得而知，畢竟我們對于人類自身的視覺系統(tǒng)的認識還十分膚淺。但從模式識別和計算機視覺等學科的角度判斷，這既可能意味著我們尚未找到對面部信息進行合理采樣的有效傳感器(考慮單目攝像機與人類雙眼系統(tǒng)的差別)，更可能意味著我們采用了不合適的人臉建模方法(人臉的內部表示問題)，還有可能意味著我們并沒有認識到自動人臉識別技術所能夠達到的極限精度。但無論如何，賦予計算設備與人類似的人臉識別能力是眾多該領域研究人員的夢想。相信隨著研究的繼續(xù)深入，我們的認識應該能夠更加準確地逼近這些問題的正確答案。  計算所人臉識別課題組經過多年努力，終于逐漸進入了國際人臉識別競爭的第一方陣。我們提出的新穎算法

26、、完成的高效識別系統(tǒng)也逐漸得到了國內外同行的認可。但我們也必須清醒地看到，在人臉識別領域，其實很難說誰的算法就比別的算法真正地好了多少。而且眾多的研究人員正在加入進來，逆水行舟，慢進則退。我們必須付出更多的艱辛才能真正在算法和系統(tǒng)兩方面超越前人，取得更大的研究成果!人臉識別技術優(yōu)點人臉識別優(yōu)點：     （相比較其他生物識別技術而言）非接觸的，用戶不需要和設備直接接觸；非強制性，被識別的人臉圖像信息可以主動獲?。徊l(fā)性，即實際應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

27、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鍵特性做修正）。人臉識別主要功能模塊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，當指定的人像在攝像頭拍攝的范圍內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據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，從數據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

28、的建模與檢索： 可以將登記入庫的人像數據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）保存到數據庫中。在進行人臉搜索時（搜索式），將指定的人像進行建模，再將其與數據庫中的所有人的模板相比對識別，最終將根據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。此項技術需要使用者作臉部表情的配合動作。圖像質量檢測： 圖像質量的好壞直接影響到識別的效果，圖像質量的檢測功能能對即將進行比對的照片進行圖像質量評估，并給出相應的建議值來輔助識別。人臉識別的算法    

29、0; 人臉識別技術中被廣泛采用的區(qū)域特征分析算法，它融合了計算機圖像處理技術與生物統(tǒng)計學原理于一體，利用計算機圖像處理技術從視頻中提取人像特征點，利用生物統(tǒng)計學的原理進行分析建立數學模型,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，根據分析的結果來給出一個相似值。通過這個值即可確定是否為同一人。人臉識別核心算法人臉識別技術的核心算法包括：人臉識別核心算法包括檢測定位、建模、紋理變換、表情變換、模型統(tǒng)計訓練、識別匹配等關鍵步驟，其中最關鍵的技術包括兩部分：人臉檢測（Face Detect）和人臉識別（Face Identification）。檢測技術核心稱為：迭代動態(tài)

30、局部特征分析(SDLFA)，它是以國際通用的局域特征分析（LFA）和動態(tài)局域特征分析（DLFA）為基礎，并且針對現實業(yè)務場景進行了全面的算法增強及結果優(yōu)化，識別技術核心稱為：實時面部特征匹配（RFFM），其識別特征數據緊湊，特征算法準確高效，是國際國內獨創(chuàng)性的識別技術。 除了業(yè)界先進的優(yōu)化SDLFA方式和RFFM核心算法外, 針對現實環(huán)境下的識別效果，人臉識別技術的核心算法還針對海量的上下文信息，進行高精度的線性及非線性判別分析，在高可信度的效能目標下，對檢測技術和識別算法，進行了全面的（效能&速度）指標提升：l SDLFA（Sparsification Dynamic Local F

31、eature Analysis）：動態(tài)局域特征分析；針對靜態(tài)圖像及動態(tài)視頻圖像序列，完成臉部檢測、跟蹤及檢出；l RFFM-(Real Face Feature Matching)：實時面部特征匹配，提取并數字化面部特征數據，進行人臉的分析和識別對比。人臉識別門禁      人臉識別終端采用全新模具外觀設計，是一款完全脫機的人臉識別門禁考勤產品，它定位于中高端門禁考勤市場，取代目前市場上的刷卡、指紋門禁考勤機。該產品支持刷卡人臉拍照、工號人臉識別、人臉識別、刷卡人臉識別四種驗證方式，方便用戶靈活選擇，支持TCP/IP、U盤兩種通信方式，用戶靈活

32、選擇，實現用戶數據和門禁記錄的上傳下載，配置專業(yè)版門禁考勤管理軟件。人臉識別系統(tǒng)工作原理:人臉識別系統(tǒng)功能特點:    · 精準識別：黑暗中也可識別· 方便快捷：不用按，只用看· 直觀性好：彩屏顯示，語音報姓名· 適用性強：只要你有一張臉· 安全性好：照片追查，無一漏網                     

33、;    · 健康產品：非接觸，衛(wèi)生· 兼容性好：標準韋根接口，開關輸出· 方便輸入：拼音輸入中文姓名· 功能強大：四種驗證，靈活選擇· 門禁功能：加密通信，防拆報警· 管理軟件：功能強大，自動升級單對象人臉識別技術研究（一）  1 引 言  隨著計算機網絡和通信技術的發(fā)展，信息安全、知識產權保護和身份認證等問題成了一個重要而緊迫的研究課題。身份認證是保證系統(tǒng)安全的必要前提，在多種不同的安全領域都需要準確的身份認證。傳統(tǒng)的身份證、智能卡、密碼等身份認證方法存在攜帶不便、容易遺失、不可讀

34、或密碼易被破解等諸多問題。基于人臉識別技術的身份認證方法與傳統(tǒng)的方法相比，具有更好的安全性、可靠性和有效性，因此正越來越受到人們的重視，并逐漸進入社會生活的各個領域。  人臉識別技術具有廣泛的應用前景，可以應用到多種不同的安全領域，因其識別特征的獨特性、惟一性和相對穩(wěn)定性，逐漸成為一非常熱門的研究課題。許多典型的人臉識別算法和應用系統(tǒng)都是針對標準或特定的人臉數據庫，利用庫內人臉進行訓練，并在相同的庫中實現人臉識別。但在軟件保護、計算機安全等特殊應用中，身份認證僅針對單個對象進行人臉識別，現有的人臉識別方法并不能勝任這樣的識別任務。為此，本文針對單對象人臉識別的特點，討論了單對象人臉檢

35、測和識別的關鍵技術，在此基礎上提出了一種單對象人臉識別算法，實驗結果證明了該方法的有效性。  2 單對象人臉識別的特點  與典型的人臉識別相比，單對象人臉識別有以下4個方面的特點：  應用領域 人臉識別的應用領域很廣，如刑偵破案、證件核對、保安監(jiān)控等，而單對象人臉識別主要應用在軟件保護、計算機安全鎖、特定對象追蹤等領域。  識別系統(tǒng)的目標 單對象人臉識別的最終目標是系統(tǒng)必須具有高度的安全性和可靠性，即識別錯誤率趨于0。雖然降低識別錯誤率的同時識別率也會降低，但可以通過提示用戶調整姿態(tài)(如注視攝像頭等)加以改善。  膚色模型 由于單對象人臉識別僅

36、針對特定的對象，所以人臉檢測的膚色模型可采用自適應的方法調整膚色范圍。  分類方法 單對象人臉識別不存在人臉數據庫，常用的最小距離分類法不能夠正確識別特定的對象，只能用閾值作為判據。因此，閾值的選取十分重要，閾值過大則容易出現錯判，存在安全隱患;而閾值過小又會影響識別效率。  3 人臉的檢測和歸一化  人臉檢測是人臉識別的前提。對于給定的圖像，人臉檢測的目的在于判斷圖像中是否存在人臉，如果存在，則返回其位置和空間分布。利用人臉膚色和面部特征，將人臉檢測分為兩個階段：外臉檢測和內臉定位。外臉檢測主要利用人臉膚色進行初步的臉區(qū)檢測，分割出膚色區(qū)域;內臉檢測是在外臉區(qū)域

37、中利用面部幾何特征進行驗證和定位。  3.1 外臉檢測  外臉檢測的任務是將待檢圖像中可能的人臉區(qū)域找出來并加以標記，其步驟如下：  (1)根據人類膚色在色彩空間中存在區(qū)域性的特點，將可能為人臉的像素檢測出來。為更好地利用膚色特征，同時選用HSI和YcbCr兩種色彩空間對圖像進行二值化處理，膚色范圍限定在H0，46，S0.10，0.72，Cb98，130，Cr128，170內。將滿足條件的像素標記為膚色像素，其余的均為非膚色像素。  (2)去噪處理。在以每一個膚色點為中心的5×5鄰域內統(tǒng)計膚色像素的個數，超過半數時中心點保留為膚色，否則認為是非

38、膚色。  (3)將二值圖像中的膚色塊作區(qū)域歸并，并對目標區(qū)域進行比例、結構分析，過濾掉不可能的人臉區(qū)域。目標區(qū)域的高度/寬度比例限定在0.82.0。  3.2 內臉檢測和定位  將包含眼、眉、鼻和嘴的區(qū)域稱為內臉區(qū)域。內臉區(qū)域能夠很好地表達人臉特征，且不易受背景、頭發(fā)等因素的干擾，因此內臉區(qū)域的檢測和定位對后續(xù)的特征提取和識別至關重要。  在外臉區(qū)域的上半部，對二值圖像進行水平方向和垂直方向的投影，確定兩個包含黑點的矩形區(qū)域作為雙眼的大致區(qū)域。在確定的兩個區(qū)域中，對黑點進行區(qū)域膨脹，可以得到眼睛的基本輪廓和左石眼角，黑點坐標的平均值作為瞳孔的位置。

39、60; 設左右瞳孔的坐標分別為(Lx，Ly)和(Rx，Ry)，兩個瞳孔之間的距離為d，根據人臉的幾何特征，我們將內臉區(qū)域定義為：寬度=-d×1.6，高度=-d×1.8，左上角坐標為(Lx-d×0.3，(Ly+Ry)/2-(-d)× 0.3)。實驗表明，該區(qū)域能夠很好地表達人臉特征。  3.3 內臉區(qū)域的歸一化  由于各待測圖像中的人臉大小具有很大的隨機性，因此，有必要對內臉區(qū)域進行歸一化操作。人臉歸一化是指對內臉區(qū)域的圖像進行縮放變換，得到統(tǒng)一大小的標準圖像，實驗中，我們規(guī)定標準圖像的大小為128×128。歸一化處理，保證了

40、人臉大小的一致性，體現了人臉在圖像平面內的尺寸不變性。  圖1是一個人臉檢測和歸一化的例子，其中的原始圖像來自實驗室現場拍攝。    4 人臉特征提取及DWT-DCT平均臉  對歸一化的人臉圖像，采用小波變換與DCT相結合的方法提取人臉特征。首先對人臉圖像進行3層小波分解，取低頻子圖像LL3作為人臉特征提取的對象，從而獲得每幅訓練樣本或測試樣本的低頻子圖像;然后對低頻子圖像進行離散余弦變換(DCT)，DCT系數個數與子圖像的大小相等(即256)，由于圖像DCT變換，能量集中在低頻部分，因此只取其中的136個低頻系數作為特征向量。  為

41、了使測試樣本與訓練樣本具有可比性，提取全部訓練樣本的特征向量，計算所有訓練樣本的平均特征，構成DWT-DCT平均臉，即：    其中N為訓練樣本數，xk,i表示第i個樣本的第k個特征向量，mk為平均臉的第k個特征向量，k=1，2，136。單對象人臉識別技術研究（二）  5 人臉的識別  完成訓練過程并獲得待測樣本的特征后，即可進行人臉識別，本文采用歐氏距離進行分類。  5.1 計算樣本與平均臉的歐氏距離  用m和x表示平均臉和樣本的特征向量，則樣本與平均臉的歐氏距離為：    其中mk表示平均臉

42、的第k個特征向量，xk表示待測樣本的第k個特征向量。身份認證時，計算待測樣本與平均臉的歐氏距離，并與特定對象的自適應閾值進行比較，將小于閾值的樣本判為該對象的人臉，即認證通過。  5.2 自適應閾值的選取  與典型的人臉識別方法不同，單對象人臉認識沒有人臉數據庫，不能用距離最小作為判據，只能用閾值作為判別依據。閾值的選取應兼顧識別率和識別的準確性，實驗中我們取訓練樣本與平均臉的歐氏距離平均值作為分類閾值，即:    其中，N為訓練樣本數，此值不宜太小;di為第i個樣本與平均臉之間的歐氏距離。  6 實驗結果及分析  本文選用

43、西安交通大學人工智能與機器人研究所東方人臉庫(AI&R)的視點子庫進行實驗，該數據庫包括每位被拍攝人在19個不同視點角度下(10°為一個單位)拍攝的中性表情圖像。實驗包括類內測試和類間測試。類內測試用于考查單對象人臉識別的識別率，而類間測試則用于考查誤識率。隨機選取5個人，每人用7幅圖像(-30°+30°)作為訓練樣本，分別計算平均臉和自適應閾值、類內識別率和類內距離，另外再選取50個人，每人一幅正面圖像作為類間測試樣本，分別對5個對象進行類間測試，實驗結果如表1所示。從實驗數據可以得出如下結果：  (1)類內識別率不高，原因是自適應閾值為訓練樣

44、本與平均臉的歐氏距離平均值，訓練樣本中的部分圖像不能被識別。在實驗室中，我們通過提示被試注視攝像頭、適當調整姿態(tài)等措施提高圖像的拍攝質量，使識別率得到了顯著的改善。  (2)在50人的類間測試中，最小距離均大于閾值，即錯誤識別率為0。實驗室的現場測試中也得到了相同的結果。  (3)文中提出的單對象人臉識別方法能夠成功地識別特定對象，并能準確地排除其他對象，可用于軟件保護、計算機安全等系統(tǒng)的身份驗證。    7 結 語  本文提出的單對象人臉識別方法，針對單對象人臉識別的特點，綜合考慮了識別率和認證的準確性，運用平均臉方法有效地縮小類內

45、距離，同時擴大類間距離，取訓練樣本與平均臉的歐氏距離平均值作為分類閾值。實驗結果表明，該方法具有識別有效性和認證可靠性，在單對象人臉識別的實際應用中是一種可行的方法。人臉識別監(jiān)控系統(tǒng)探討   系統(tǒng)概述  本系統(tǒng)是基于布控與監(jiān)控的需求，利用人臉識別算法與視頻監(jiān)控技術相結合開發(fā)出的，對重點監(jiān)控人員的實時追蹤報警的智能視頻監(jiān)控產品。特別適用于商場、機場、關口、火車站、汽車站、碼頭、銀行等公共場合。  系統(tǒng)在目標進入攝像機的監(jiān)控范圍就能捕獲其清晰的面部照片，并可跟蹤捕捉其面部照片，將其中某些不能滿足質量要求的照片自動過濾掉，把符合質量要求的照片和數據庫內監(jiān)控名單

46、進行比對，如達到預設的相似度，系統(tǒng)會自動發(fā)出聲、光報警，提示人工處理;同時保存相應照片、時間、通道等記錄信息。  系統(tǒng)采用高清工業(yè)級攝像機，能使獲得的圖像能滿足識別的質量要求，提高了準確率，使人臉識別在監(jiān)控中的應用達到應用水平。  系統(tǒng)采用高性能比對服務計算機，支持多路高清視頻同時采集、比對和報警。系統(tǒng)前臺采用C/S結構，系統(tǒng)穩(wěn)定、性能優(yōu)越;后臺采用B/S結構，使管理人員能實現遠程統(tǒng)一管理與集中處理，提高工作效率。  系統(tǒng)性能  環(huán)境說明：以下參數是基于我們實際人臉識別監(jiān)控項目(室內超市環(huán)境)、光線均勻的環(huán)境下統(tǒng)計的數據。  性能統(tǒng)計：

47、0; (1) 人臉檢測的準確率(Correct Face Detection Rate):>99%;  (2) 動態(tài)匹配準確率(CAR): >95%;  (3) 誤識率(FAR): <5%;  (4) 報警響應時間(Response Time): < 1秒;  (5) 檢測速度(Capture Speed)： 8-10幀/秒F/S，4幅人臉/幀 4 face/Frame;  (6) 可同時支持多路視頻比對。The system supports matching from multiple IP cameras.

48、0; 系統(tǒng)界面    系統(tǒng)應用  1、大型商場、超市、百貨公司  2、政府部門、金融機構等重要場所  3、機場、火車站、長途汽車站、地鐵等公共場所漢王人臉幼兒接送系統(tǒng)行業(yè)背景父母們都忙于工作，因此進入幼兒園的幼兒年齡越來越小，作為家長為孩子的安全終日焦慮，我們的耳邊也常常能夠聽到一些關于小孩子被一些不法分子冒領的事情。而為什么不法分子會有冒領的機會可趁呢？那就是幼兒園對來認領者缺乏有效的身份認證機制！人臉識別幼兒接送系統(tǒng)正是能夠幫你把握好認領者認證這道關！系統(tǒng)概述漢王采用最先進的人臉識別技術，推出人臉幼兒接送機，不但解決了接送孩子的身

49、份確認，而且方便出勤統(tǒng)計及相關管理。極大地滿足了幼兒人身安全的迫切需求，解決了家長的后顧之憂！每一位幼兒在入學注冊時都必需進行登記接送者、接送者面像。使用過程中，每次入園時和放學時，接送家長需要進行人臉識別，如果識別失敗拍照后即報警通知管理員，如果認證成功即拍照放行。每一次接都有詳細的時間、接送家長的拍照可供查詢。系統(tǒng)供應短信提示的擴展功能， 幼兒每一次被接走時，系統(tǒng)都會發(fā)短信到家長手機中。系統(tǒng)組成系統(tǒng)采用網絡式架構，可方便于不同規(guī)模的幼兒園使用本系統(tǒng)。架構拓樸圖如下：系統(tǒng)特點· 人臉身份驗證方式，可顯示家長或幼兒詳細信息與照片，便于教師進行辨認比對。 · 驗證快速，人臉驗

50、證小于1秒/人。· 驗證成功時系統(tǒng)自動拍照。· 身份識別數據存檔與人事資料管理，數據導出與打印功能。 · 具有完善的幼兒出勤統(tǒng)計功能，圖表與數據相結合，減少教師日常工作。 · 實時列表功能，教師可在自己班級便可知道哪位家長將要接送哪位幼兒。 · 數據實時傳輸，管理人員隨時都可任意在局域網上進行查詢與各項管理工作。 · 短信通知功能，當驗證成功時，系統(tǒng)會自動發(fā)送短信到家長指定的手機上。 · 語音提示功能，當進行驗證時，系統(tǒng)會自動進行語音提示驗證成功或失敗。 · 支持脫機驗證，在網絡阻塞，計算機故障等各種情況下均可保證

51、接送工作順利進行。業(yè)務流程山西太原駕照考試 人臉指紋挨個識別考生 駕照科目二 （樁考、場地）考試，俗稱內路考試，是駕照考試中需要考生上車操作的首個環(huán)節(jié)。10月31日起，太原試運行“駕照內路考試監(jiān)管系統(tǒng)”。太原考生凡是參加內路考試，都要經過臉部特征驗證，也就是人臉識別后，才能進入考試區(qū)。而要發(fā)動車輛，則必須指紋驗證。 該系統(tǒng)通過人臉、指紋識別驗證考生身份，最大程度杜絕代考舞弊行為，防止人為因素對考試的干擾。預計一周內，可正式運行。 臉部特征、指紋何時采集？采集時，要注意哪些事項？考試車上，按什么程序考試？新的監(jiān)管系統(tǒng)，是否會增加考生經濟負擔？試運行首日，本報記者進行

52、了實地體驗。人臉識別成功才能進入考區(qū) 10月31日上午，東山車管所候考大廳。樁考前，考生需在此等候?！按蠹蚁劝炎约旱男畔⒑藢σ幌?！”考試民警提醒。大廳東墻上，是一塊LED顯示屏，上面不斷刷新“樁考候考人員信息”。信息包括考試庫、考生姓名、身份證號、駕校、考車號牌等?？忌稍俅魏藢?。 考生手里，除了身份證，還有一張淡藍色卡片駕駛人信息卡，與身份證大小一樣。這張卡里，儲存了考生報名時的所有信息。當考生在駕校報名時，駕校會采集其身份證信息，同時采集指紋和臉部特征信息。 臉部特征信息的采集，不是簡單的拍照，而是通過專門的設備，掃描人臉部1000多個點的特征。 為

53、實錄監(jiān)控每個環(huán)節(jié)，經過特批后，在不影響考試的前提下，記者體驗了考試全過程。當候考廳內考試民警喊到名字時，記者走向考試區(qū)通道。通道入口處，安裝了“人臉通”系統(tǒng)。必須將信息卡放在系統(tǒng)掃描處，調取里面的臉部特征信息，然后掃描比對。“人臉識別成功，考生才能進入考試區(qū)?！苯痪ш犥嚬芴幐碧庨L王晶介紹，這就相當于一個考場的門禁系統(tǒng)。是不是進了考區(qū)，就能考試？不一定，那還得看下面的環(huán)節(jié)。指紋識別成功才能開車考試 記者隨同考試民警進入了樁考場地。考試車內加裝了一個設備，類似于電話機大小。設備上有插卡孔和按指紋處。進入考試車，關好車門，系安全帶。隨后，將信息卡插入儀器，信息讀取結束后，在“請采集指紋”

54、語音提示下，驗證指紋。 如果與起初報名時留下的指紋相符，考試車頂部黃色頂燈會自動閃爍?？紙稣{度室里的工作人員，就會提示考生開始考試。如果指紋信息不符，則無法進行下一步考試?！霸谶@個環(huán)節(jié)，指紋驗證極其重要?！蓖蹙Ы榻B說，試運行時，個別考生就卡在了這個環(huán)節(jié)。如果當初留的是拇指指紋，現在考試忘了，需要挨個嘗試，而驗證有個反應時間，不少考生越試越急，心情極度緊張，以致影響考試正常發(fā)揮。 那么，如何保證能一次驗證成功？對此，設備調試技術人員給出了一些建議，考生可按此操作。目前，駕校留取指紋時，需要留兩個手指指紋，這時，最好左右手各留一個，防止因手指受傷、蛻皮等意外情況，影響了指紋信息

55、。而且，要記住留的哪個手指指紋，以防考試時手忙腳亂?！懊糠N指紋認證系統(tǒng)都有一個共性，那就是干燥、光滑的指紋不易識別?！痹摴ぷ魅藛T建議考生驗證指紋時，可往手指上哈一口氣，稍微濕潤時更易驗證成功。指紋驗證成功，就是驗證了考生身份，可以開始考試。信息卡費用不會攤派到考生身上 “人臉識別、指紋認證，就是為了保證有一個公開、公平、公正的考試環(huán)境。”王晶表示，該系統(tǒng)的運用，減少了駕校工作人員、車管民警接觸考生信息的機會，既壓縮了人為操作空間，又節(jié)省時間，提高考試效率。 考試結束后，考生需要拿信息卡打印出成績單。“考試過程中，考試車內監(jiān)控系統(tǒng)會不定時、隨機抓拍3張考生照片?！笨荚嚸窬f，這些照片會一并打印到成績單上，以備核查?！耙郧凹s考，都要抱著一大堆考生檔案，現在只拿信息卡就行?！痹诤蚩即髲d，記者見到了景東駕校工作人員王丹景。她說，每個考生檔案至少有 7頁，以前有過檔案相互放錯的情況，影響考試流程，用信息卡就消除了這種問題。 而對于使用駕駛員信息卡，是否會加重考生經濟負擔，王晶給出了明確答復。他說，信息卡可重復使用，考生考完后，一打印成績單，信息卡會自動格式化，不會泄露考生信息，考生須將卡交還駕校。信