文/謝海東 華南研發(fā)

人臉識別是通過(guò)分析臉部器官的唯一形狀和位置來(lái)進(jìn)行身份鑒別，它是一種重要的生物特征識別技術(shù)，應用非常廣泛。與其它身份識別方法相比，人臉識別具有直接、友好和方便等特點(diǎn)，以“天翼銷(xiāo)售門(mén)戶(hù)”中的預受理業(yè)務(wù)為例，傳統的流程：

可以看出，現有的預受理業(yè)務(wù)中存在大量為實(shí)名認證服務(wù)、卻與實(shí)際業(yè)務(wù)流程無(wú)關(guān)的環(huán)節，對提升工作效率十分不利。

而引入人像識別之后的業(yè)務(wù)流程：

很明顯，引入人像識別之后，業(yè)務(wù)流程能夠得到極大的簡(jiǎn)化。同時(shí)，人臉識別問(wèn)題的研究不僅有重要的應用價(jià)值，而且在模式識別中具有重要的理論意義，目前人臉識別已成為當前模式識別和人工智能領(lǐng)域的研究熱點(diǎn)。

目前在國內和國外研究人臉識別的方法有很多，常用的方法有：基于幾何特征的人臉識別方法、基于代數特征的人臉識別方法、基于連接機制的人臉識別方法以及基于三維數據的人臉識別方法。人臉識別流程圖如圖所示：

基于幾何特征的方法是一種自下而上的人臉檢測方法。研究人員認為有一個(gè)潛在的假設：人臉或人臉的部件可能具有在各種條件下都不會(huì )改變的特征或屬性，如形狀、膚色、紋理、邊緣信息等?；趲缀翁卣鞯姆椒ǖ哪繕司褪菍ふ疑鲜鲞@些不變特征，并利用這些特征來(lái)定位人臉。這類(lèi)方法在特定的環(huán)境下非常有效且檢測速度較高，對人臉姿態(tài)、表情、旋轉都不敏感。但是由于人臉部件的提取通常都借助于邊緣檢測算子，因此，這類(lèi)方法對圖像質(zhì)量要求較高。對光照和背景等有較高的要求，因為光照、噪音、陰影都極有可能破壞人臉部件的邊緣，從而影響算法的有效性。

模板匹配算法首先需要人TN作標準模板(固定模板)或將模板先行參數化(可變模板)，然后在檢測人臉時(shí)，計算輸入圖像與模板之間的相關(guān)值，這個(gè)相關(guān)值通常都是獨立計算臉部輪廓、眼睛、鼻子和嘴各自的匹配程度后得出的綜合描述，最后再根據相關(guān)值和預先設定的閾值來(lái)確定圖像中是否存在人臉?；诳勺兡０宓娜四槞z測算法比固定模板算法檢測效果要好很多，但是它仍不能有效地處理人臉尺度、姿態(tài)和形狀等方面的變化。

基于外觀(guān)形狀的方法并不對輸入圖像進(jìn)行復雜的預處理，也不需要人工的對人臉特征進(jìn)行分析或是抽取模板，而是通過(guò)使用特定的方法(如主成分分析方法(PCA)、支持向量機(SVM)、神經(jīng)網(wǎng)絡(luò )方法(ANN)等)對大量的人臉和非人臉樣本組成的訓練集(一般為了保證訓練得到的檢測器精度，非人臉樣本集的容量要為人臉樣本集的兩倍以上)進(jìn)行學(xué)習，再將學(xué)習而成的模板或者說(shuō)分類(lèi)器用于人臉檢測。因此，這也是種自下而上的方法。這種方法的優(yōu)點(diǎn)是利用強大的機器學(xué)習算法，快速穩定地實(shí)現了很好的檢測結果，并且該方法在復雜背景下，多姿態(tài)的人臉圖像中也能得到有效的檢測結果。但是這種方法通常需要遍歷整個(gè)圖片才能得到檢測結果，并且在訓練過(guò)程中需要大量的人臉與非人臉樣本，以及較長(cháng)的訓練時(shí)間。近幾年來(lái)，針對該方法的人臉檢測研究相對比較活躍。

在基于代數特征的人臉識別中，每一幅人臉圖像被看成是以像素點(diǎn)灰度為元素的矩陣，用反映某些性質(zhì)的數據特征來(lái)表示人臉的特征。但在這種矩陣對應的多維空間中，并不是每一部分都包含有價(jià)值的信息，故一般情況下，需要通過(guò)某種變換，將如此巨大的空間中的這些點(diǎn)映射到一個(gè)維數較低的空間中去。然后利用對圖像投影間的某種度量來(lái)確定圖像間的相似度，最常見(jiàn)的就是各種距離度量。 在基于代數特征的人臉識別方法中，主成分分析法（PCA）是目前研究者使用最多的方法之一。而完整的PCA(PrincipalComponentAnalysis)人臉識別的應用包括四個(gè)步驟：

1、 人臉圖像預處理；

2、 讀入人臉庫，訓練形成特征子空間；

3、 把訓練圖像和測試圖像投影的上一步驟中得到的子空間上；

4、 選擇一定的距離函數進(jìn)行識別。

基于連接機制的識別方法的代表性有神經(jīng)網(wǎng)絡(luò )和彈性匹配法。

神經(jīng)網(wǎng)絡(luò )(ANN)在人工智能領(lǐng)域近年來(lái)是一個(gè)研究熱門(mén)，基于神經(jīng)網(wǎng)絡(luò )技術(shù)來(lái)進(jìn)行人臉特征提取和特征識別是一個(gè)積極的研究方向。神經(jīng)網(wǎng)絡(luò )通過(guò)大量簡(jiǎn)單神經(jīng)元互聯(lián)來(lái)構成復雜系統，在人臉識別中取得了較好的效果，特別是正面人臉圖像。常用的神經(jīng)網(wǎng)絡(luò )有：BP網(wǎng)絡(luò )、卷積網(wǎng)絡(luò )、徑向基函數網(wǎng)絡(luò )、自組織網(wǎng)絡(luò )以及模糊神經(jīng)網(wǎng)絡(luò )等。BP網(wǎng)絡(luò )的運算量較小耗時(shí)也短，它的自適應功能使系統的健壯性增強。神經(jīng)網(wǎng)絡(luò )用于人臉識別，相比較其他方法，其可以獲得識別規則的隱性表達，缺點(diǎn)是訓練時(shí)間長(cháng)、運算量大、收斂速度慢且容易陷入局部極小點(diǎn)等。彈性匹配法采用屬性拓撲圖代表人臉，拓撲圖的每個(gè)頂點(diǎn)包含一個(gè)特征向量，以此來(lái)記錄人臉在該頂點(diǎn)位置周?chē)奶卣餍畔?。拓撲圖的頂點(diǎn)是采用小波變換特征，對光線(xiàn)、角度和尺寸都具有一定的適應性，且能適應表情和視角的變化，其在理論上改進(jìn)了特征臉算法的一些缺點(diǎn)。

一個(gè)完整的人臉識別系統包括人臉面部數據的獲取、數據分析處理和最終結果輸出三個(gè)部分。三維人臉識別的基本步驟：

1 、通過(guò)三維數據采集設備獲得人臉面部的三維形狀信息；

2 、對獲取的三維數據進(jìn)行平滑去噪和提取面部區域等預處理；

3 、從三維數據中提取人臉面部特征，通過(guò)與人臉庫中的數據進(jìn)行比對；

4 、用分類(lèi)器做分類(lèi)判別，輸出最后決策結果。

基于三維數據的方法中比較有代表性的，是基于模型合成的方法的方法。

基于模型合成的方法，它的基本思想為：輸入人臉圖像的二維信息，用某種技術(shù)恢復(或部分恢復)人臉的三維信息，再重新合成指定條件下的人臉圖像。典型代表是3D可變形模型和基于形狀恢復的3D增強人臉識別算法。3D可變形模型首先通過(guò)200個(gè)高精度的3D人臉模型構建一個(gè)可變形的3D人臉模型，用這個(gè)模型來(lái)對給定的人臉圖像擬合，獲得一組特定的參數，再合成任何姿態(tài)和光照的人臉圖像?；谛螤罨謴偷?D增強人臉識別算法則是利用通用的3D人臉模型合成新的人臉圖像，合成過(guò)程改變了一定的姿態(tài)與光源情況。

以上就是當下常見(jiàn)的一些人臉識別研究方向的簡(jiǎn)單描述。當然，在海量人臉數據比對速度甚至精度方面，現有的自動(dòng)人臉識別系統可能已經(jīng)超過(guò)了人類(lèi)，但對于復雜變化條件下的一般人臉識別問(wèn)題，自動(dòng)人臉識別系統的魯棒性和準確度還遠不及人類(lèi)。這種差距產(chǎn)生的本質(zhì)原因現在還不得而知，但從模式識別和計算機視覺(jué)等學(xué)科的角度判斷，這既可能意味著(zhù)人類(lèi)尚未找到對面部信息進(jìn)行合理采樣的有效傳感器(考慮單目攝像機與人類(lèi)雙眼系統的差別)，更可能意味著(zhù)目前為止的研究都采用了不合適的人臉建模方法(人臉的內部表示問(wèn)題)。但無(wú)論如何，賦予計算設備與人類(lèi)相類(lèi)似的人臉識別能力是眾多該領(lǐng)域研究人員的夢(mèng)想。相信隨著(zhù)研究的繼續深入，人類(lèi)的認識應該能夠更加逼近這些問(wèn)題的正確答案。