人脸识别技术概述

--执生命密匙，启身份之锁

目录：

摘要、关键词、引言……………………………………………………2 一、人脸识别技术介绍………………………………………………3 二、人脸识别技术的方法……………………………………………3 三、人脸识别的技术指标…………………………………………4 四、人脸识别技术国内外发展现状…………………………………5 五、人脸识别技术的展望……………………………………………6 六、结论………………………………………………………………7 【摘要】：生物特征识别技术是利用人的生理特征或行为特征，来进行个人身份的鉴定。在不同的生物特征识别方法中，人脸识别有其自身特殊的优势，因而在生物识别中有着重要的地位。文章论述了人脸识别技术的原理、方法和特征以及应用的优缺点，介绍了国内外人脸识别技术的发展现状和展望。

【关键词】：生物特征识别技术；人脸识别；基本方法；指标；性能；现状；展望 【引言】： 网络信息化时代的一大特征就是个人身份的数字化和隐性化。如何准确鉴定一个人的身份，保护信息安全是当今信息化时代必须解决的一个关键性社会问题。目前，我国的各种管理大部分使用证件、磁卡、IC卡和密码，这些手段无法避免伪造或遗失，密码也很容易被窃取或遗忘。这些都给管理者和使用者带来很大不方便。生物特征身份鉴别方法可以避免这些麻烦。因此，这一技术已成为身份鉴别领域的研究热点。 所谓生物特征识别技术就是，通过计算机与各种传感器和生物统计学原理等高科技手段密切结合，利用人体固有的生理特性和行为特征，来进行个人身份的鉴定。 生理特征与生俱来，多为先天性的；行为特征则是习惯使然，多为后天性的。生理和行为特征统称为生物特征。但并非所有的生物特征都可用于个人的身份鉴别。身份鉴别可利用的生物特征必须满足以下几个条件： 第一， 普遍性，即必须每个人都具备这种特征； 第二， 唯一性，即任何两个人的特征是不一样的； 第三， 可测量性，即特征可测量； 第四， 稳定性，即特征在一段时间内不改变。 现在常用的生物特征有人脸识别、虹膜识别、手形识别、指纹识别、掌纹识别、笔迹

识别、声音识别等。 在不同的生物特征识别方法中，人脸识别有其自身特殊的优势，因而在生物识别中有

着重要的地位。人脸识别所拥有良好的特性，使其具有非常广泛的应用前景，正在引起学术界和商业界越来越多的关注。随着近十年来人脸识别技术的飞速发展，它且正在越来越多被应用在通关，企业安全和管理，刑侦等各个领域。 一、人脸识别技术介绍 人脸识别[1]是基于人的脸部特征，对输入的人脸或者视频流。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，然后依据这些信息，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。 人脸识别技术的优点是显而易见的： 1）非侵扰性，也即非接触性。人脸识别无需干扰人们的正常行为就能较好地达到识别效果，无需担心被识别者是否愿意将手放在指纹采集设备上，他们的眼睛是否能够对准虹膜扫描装置……只要在摄像机前自然地停留片刻，用户的身份就会被正确识别。 2）采集设备简单，使用快捷。一般来说，常见的摄像头就可以用来进行人脸图像的采集，不需特别复杂的专用设备。采集一般可在数秒内完成。 3）通过人脸识别身份，与人类的习惯一致。也就是说，人和机器都可以使用人脸图片进行识别，这使得人和机器可以配合工作。而指纹，虹膜等方法没有这个特点，一个没有经过特殊训练的人，无法利用指纹和虹膜图像对其他人进行身份识别，但利用人脸对他人进行识别却是人的本能。 任何事物都具有两面性，人脸识别自然也有它的不足之处：要比较高级的摄像头才可有效高速地扑捉面部图像；使用者面部的位置与周围的光环境都可能影响系统的精确性，而且面部识别也是最容易被欺骗的；另外，对于因人体面部的如头发，饰物，变老以及其他的变化可能需要通过人工智能技术来得到补偿；对于采集图像的设备会比其他技术昂贵得多。这些因素限制了面部识别技术广泛地运用。但是，人脸识别的显著优点使其具有非常广泛的应用前景，正在引起学术界和商业界越来越多的关注。

二、人脸识别技术的方法 人脸识别的方法很多，有基于几何特征、特征脸（PCA）、神经网络、弹性图匹配、线段Hausdorff 距离(LHD) 和支持向量机(SVM)等多种人脸识别方法。当前的一个研究方向是多方法的融合，以提高识别率。以下则简单介绍“多重对照人脸”[2]的识别方法。 简单来说，“多重对照人脸”，首先是从拍摄到的人像中找到人脸，然后从人脸中找出对比最明显的眼睛，判断包括两眼在内的领域是不是想要识别的面孔。由于事先大量地存储了人脸及其他图像，因此能够高速、精确地进行对比识别。 具体而言，即为人脸的捕获与追踪、识别对比、建模搜索、真人鉴别和图像质量检测。 人脸捕获与跟踪：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。 为提高人脸认证性能而开发的利用三维技术的“摄动空间法”，是事先存储人脸正面数据，再利用三维技术对人脸侧面及灯光发生变化时的人脸进行准确预测后将数据存储的一种方式。 此外，根据“适应领域混合对照法”，对带着墨镜、带着面具等部分伪装的人脸也能进行识别。因为人脸画像被分成数个小块图象，只认证相似度较高的部分，所以即使面部的某一部分被遮挡也可对照识别。上述这两种独特的技术，大大减轻了用户的负担，实现了快速而高精度的身份认证。 在人脸识别技术中，算法占据举足轻重的地位。被广泛采用的区域特征分析算法，融合了计算机图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。

三、人脸识别的技术指标 人脸识别与其他识别技术类似，都需要一定指标，这是建立在大量试验的基础之上的。2002年国际上举行的人脸识别性能测试（Face Recognition VendorContest），最好的测试结果表明： 1）样本集为37,437人的库，随着样本库中图像获取时间与测试图像获取时间间隔的增加，识别率（首选）从83下降到58（最大时间间隔1140天）。 2）将测试集分为12个小的年龄集，每个小集合包含5年的图像。年龄随着样本年龄的增加，识别率（首选）从62上升到89（年龄从18到78）。 3）随着样本库从25人增加到37,437人，识别率（首选）从93下降到75。其中对不同的大小，尽可能产生12个不相交的样本库，识别率为平均识别率。但是不相交的样本库的生成要受限于大库的大小。 4）可接受的错误率（false acceptrate）为0.01，样本库为87个人的全部正面人脸图像。每个测试集包含87个人的87幅图像，拍摄时间相差小于5分钟，不同的只有姿态。变换左右侧45度到正面图像，认证率(verificationrate) 从47上升到82；变换俯仰30度的图像到正面图像，认证率从50上升到81。 5）可接受的错误率为0.01，样本库为787人的库，室内照相室光照条件。

测试库的条件为室内照相室光照条件时，认证率为95（有表情的变化，同一天拍摄，测试库为781人的786幅图像）； 测试库条件 认证率 测试库规模 拍摄时间 室内上部打光 94 786人的786幅图像 室内照相室光照条件 90 320人的320幅图像 平均相差152天（最大505天） 室外同一天拍摄 52 435人的444幅图像 室外不同天拍摄 45 103人的145幅图像 平均相差152天（最大505天）

一个人脸识别系统的性能[3]，主要从以下两方面来考查： （1）识别率 人脸识别的识别率是针对确定的数据库来说的，很难有一个绝对的标准。在国际上已有的一些人脸数据库：Yale人脸库（美国）：耶鲁大学，15人，每人11张照片，主要包括光照条件的变化，表情的变化等； ORL人脸库（英国）：剑桥大学，40人，每人10张照片，包括表情变化，微小姿态变化，20以内的尺度变化；FERET人脸库（美国）：为了促进人脸识别算法的研究和实用化，美国国防部的Counterdrug Technology Transfer Program(CTTP)发起了一个人脸识别技术(Face Recognition Technology 简称FERET)工程，它包括了一个通用人脸库以及通用测试标准等。 在实际应用中，要注意以下几个重要问题： 年龄变化 ：不同年龄的人脸有较大的差别。身份证是以前照的，在逃犯的照片也是以前的，因此，在公安部门的实际应用中，年龄问题是一个最突出的问题。 姿态变化 ： 这一问题在活动人脸的识别中更为突出。一般的，主要测试左右角度的识别率。当前的水平是：±10º可以达到较高的识别率。 不同介质 ：采集人脸图像的设备较多，主要有扫描仪（照片）、数码相机、摄像机。由于成像的机理不同，形成了同类人脸图像的识别率较高而不同类别间人脸图像的识别率较低的情况。随着人脸识别技术的发展，这一问题也将逐步得到解决。 2）识别速度 识别速度有两种，一种是基于文件的，即把特征存成文件，在文件级进行比对。另一种是基于数据库的，如在oracle数据库中进行比对，在数据库中存有详细的人员档案由此可以进行图文混合查询，而借助图文混合查询，可以提高查中率。 基于文件的比对速度可以达到20万人/秒；基于数据库的，单服务器的比对速度可以达到1万人/秒。 这两种方式各有特点，目前的研究是将两者的优点结合在一起，以实现高速、高识别率的人脸识别。活动人脸的识别要求系统有较高的识别速度。其中包括人脸检测的速度以及人脸的识别速度。在40ms内可以实现人脸检测，在10万人的数据库中，2秒内完成从人脸检测定位到人脸识别的全过程，应能满足大多数实际应用的要求。