面部识别技术的今天与明天

来源：SCI期刊网 分类：电子论文 时间：2022-04-11 10:06 热度：

　　摘 要：随着面部识别传感器成本的不断下降和人们接受程度的不断提高，面部识别技术将在防恐、安全保卫、刑事侦查、数字版权保护等等领域得到越来越广泛的应用，对此进行了详细的分析。

　　关键词：面部识别;人面识别;传感器;特征提取;匹配器;数据库

　　面部识别结合了图像处理、计算机图形学、模式识别、可视化技术、人体生理学、认知科学和心理学等多个研究领域，还存在许多有待解决的难题。今后，面部识别技术将在研发上取得一系列的突破，如光照条件、姿态、背景、面部表情的变化造成的影响将得到解决，随着面部识别传感器成本的不断下降和人们接受程度的不断提高，面部识别技术将在防恐、安全保卫、刑事侦查、数字版权保护等等领域得到越来越广泛的应用。

　　1 面部识别技术的今天

　　在人山人海的火车站走着，却马上被人认出，随即被人盯梢;迎面相逢的美女是致命杀手，手机发出嘀嘀的报警声，上面已经显示美女的姓名和信息。

　　这是《碟中谍 4》中的场景，面部识别技术将使它成为现实。面部识别是指通过面部，如人脸、动物面部，进行身份确认或者身份查找。面部识别是通过面部识别技术实现的。通过人脸、动物脸进行身份确认或者身份查找的技术称为面部识别技术，又称人像识别、人脸识别，它包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找。

　　面部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，生物特征识别是对生物体(目前主要用于人)本身的生物特征来区分生物体个体。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面部识别、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。

　　1.1 面部识别技术的研究范围

　　“面部识别(Face Recognition)”结合了图像处理、计算机图形学、模式识别、可视化技术、人体生理学、认知科学和心理学等多个研究领域，其研究范围可分为面部检测、面部的表征、面部的识别、表情姿态分析、生理分类等五个方面。

　　1.2 面部识别技术的原理

　　面部识别系统可分为传感器、特征提取、匹配器、系统数据库四个模块，如图 1 所示。

　　面部识别系统可以在认证(verification)或鉴别(identification)两种模式下工作。

　　1.3 面部识别技术的划分

　　从应用层面上，面部识别技术主要可分为面部检测、面部识别查询、面部识别身份认证和面部识别比对等四个方面。

　　从面部表征方式上，可将面部识别技术分为基于几何特征的识别方法、基于代数特征的识别方法和基于连接机制的识别方式等三类。

　　1.4 面部识别技术的系统组成(图 4)。

　　1.5 面部识别技术的应用

　　面部识别技术目前主要用于反恐、公共要地安全防范、门禁、出入境控制、金融支付安全、物联网、考勤等领域。

　　2 面部识别技术的明天

　　面部识别技术还存在许多有待解决的难题，面部图像受到很多因素的影响，如光照条件、姿态、背景、面部表情以及附属物等。这些因素的变化，都会导致面部图像的明显不同，目前还没有有效的识别算法能够完全解决这些因素的影响，很多识别算法都是对光照条件、姿态等因素进行约束化简。为了消除它们对识别效果的影响，通常的做法是扩大样本空间，收集各种光照和姿态下的样本，识别判断时考虑测试图像与各种条件下样本的差异，然后进行综合分类。

　　相关知识推荐：怎么提升英文论文顺利接收的几率

　　对于面部姿态的影响，可以利用弹性图匹配的方法，跟踪面部关键特征点的变化，估计姿态参。也可采用通用 3D 模型和形变模型的方法。一旦建好面部的 3D 模型，通过几何变换可以生成任意姿态的图像。采用图像或视频序列，通过调节通用 3D 模型的方法可以获得特定人的 3D 模型，但这要求图像质量较好，而且需要自动准确的定位特征点。

　　一种克服光照影响的做法是通过使用不同的采集源，如热红外 (IR)图像，以实现在暗光环境下的面部识别，或用来消弱不同角度光照对面部图像的影响。借助 3D 数据和形变模型的方法也可以用来改善光照变化带来的不利影响从而改善识别效果。

　　当光照和姿态变化混在一起时问题就更难解决。目前看来，弹性图匹配方法、特征脸方法和 3D 人脸建模是解决当下实际问题的较为行之有效的方法，将会得到更加深入的研究。

　　近几年来，国际上发表有关人脸识别方面的论文数量大幅度增加，每年的国际会议上关于人脸识别的专题也屡屡可见。

　　随着越来越多的计算机专业人才投入到面部识别技术的研发，随着各国政府、大学、企业界、国家安全部门投入资金的增加，面部识别技术将在研发上取得一系列的突破。

　　面部识别技术对非理想采集条件下或者对象不配合造成的变化鲁棒性将得到改善，光照、姿势、对象的不配合、大规模人脸数据库上的人脸识别等问题将获得解决方案。统计学习理论、非线性建模方法、基于 3D 模型的人脸建模与识别方法等将成为重要的技术发展趋势。

　　面部识别技术会逐渐从系统集成发展到嵌入式独立工作，再到模块化、芯片化。

　　如果将两种或两种以上的生物特征结合，将会使识别系统的性能得到很大提高。在准确性和安全性的要求日益提高的未来，多生物特征识别技术将得到更大的发展。多生物特征识别系统相对复杂，数据存储量大，计算量显著增加，但随着计算机技术的高速发展以及高性能价格比的专用芯片的出现，多生物特征识别技术必将成为生物识别技术的发展主流。

　　图像处理等面部识别技术的软件和测试技术将得到很大发展。

　　目前目标识别技术的应用仍然比较有限，但随着面部识别传感器成本的不断下降和人们接受程度的不断提高，面部识别技术必然取代过时的、不安全的身份认证方法，成为保密、安全、方便的身份识别手段。

　　在防恐、安全保卫、刑事侦查领域，面部识别技术将得到越来越广泛的应用。面部识别技术还将用于数字版权保护技术。——论文作者：计煌凯

　　参考资料

　　[1]景英娟，董育宁.生物特征识别技术综述[J].桂林电子工业学院学报，2005,4.

　　[2]Yang M lt, Kr legman D J, Ahuja H. Detecting faces in images: A survey[J]. IEEE Trans. On Pattern Analysis and Machine intelligence, 2002, 24 (1): 34-58.

　　[3]徐从东.动态人脸识别技术与应用研究.中国科学院等离子体所.

　　[4]吴振中.人脸识别特征提取的研究.南京理工大学. [5]王曙光，范科峰，黄冰.基于双生物识别技术的 DRM 系统设计[J]. 电子科技,2008,21,7.

文章名称：面部识别技术的今天与明天

文章地址：http://www.sciqk.com/lwfw/dzlw/13138.html