人脸识别技术的应用

面部识别系统以人脸识别技术为核心，是一项新兴的生物识别技术，是当今国际科技领域攻关的高精尖技术。人脸因具有不可复制、采集方便、不需要被拍者的配合而深受欢迎。现如今，人脸识别这个词已经慢慢走进了我们的生活，开始逐渐广泛的应用到日常生活之中。

手机、笔记本电脑中的人脸识别软件就是一个很好的例子，它帮助我们解锁手机、电脑，无需再输入密码，不用担心密码泄露从而导致的信息隐私泄露，它很好的帮助我们保护手机、电脑的安全。除此之外，人脸识别门禁系统开始应用于一些高档住宅和办公楼中，为人们省去了带钥匙刷卡的麻烦，也不用担心密码忘记的苦恼。人脸识别考勤机也开始被一些企业应用于日常管理。而一些美颜相机、美图软件的推出跟迎合了消费者的市场。它可以自动识别人脸，并对人脸进行美化。甚至一些小游戏被开发出来，可以将自己的脸与明星的脸比对相似之处，评价出你最有有谁的明星相。虽然这仅仅是一个游戏软件，只是供人们娱乐，真实度不高，但也可以看出现今人脸识别技术的广泛使用。

人脸识别技术在过去几年中得到了广泛的关注，正是因为它的应用程序涵盖了许多不同的领域。对于许多的应用程序来说，脸部识别系统的性能在可控的环境下已经达到了一个令人满意的水平。但是现有的大部分面部识别技术在不受控制的环境下识别性能明显下降。

在这次第十四届KSS国际知识与系统科学研讨会中，教授为我们介绍了如何在面部识别中应对不同光照环境下的情况。在过去几年中，处理不同光照的方法主要有：

1. histogram equalization. 2.logarithm transformations.

3.Apply DCT in the logarithm domain. 4.QI (Quotient Image).

5.SQI(Self-Quotient Image).

6.MQI (Morphological Quotient Image). 7.Local binary patterm operator. 经过了他们团队的研究，将这几种进行对照比较，建立一个PSO-SQI框架，利用算法的性能处理人脸识别中的光照问题。

PSO算法是一个新的基于群体智能的进化算法，其研究远没有像遗传算法和模拟退火算法那样深入，在理论上并不能保证能够得到最优解。PSO算法在进行优化问题的求解时应用范围有限,尤其对离散的组合优化问题,其理论建模还处于起步阶段。PSO算法中的一些参数，如学习因子、惯性权重以及粒子个数往往根据有限的应用经验确定,并不具有广泛的适应性。

而SQI是指自商图像 (self-quotient image),以提取一个目标(如人脸)图像的内在特性,同时去除与光照相关的外在因素.SQI (self-quotient image) 方法克服了原始的 QI 方法的局限性,且能够提取与光照无关的内在特性.对算法适用的条件进行了理论分析,并在 SQI 计算过程中提出了一个非迭代的各向异性滤波器以减小光晕现象和提高计算速度.实验结果表明该方法可以有效地提高不同光照条件下的人脸识别系统的识别率.

由着POS-SQI两种方法的结合，更好的处理了人脸识别在不可控的光线下识

别性能，提高人脸识别的准确性和精确性。

当然人脸识别技术不仅仅是光线影响这一问题，它更加的复杂和丰富。这一技术还包含面像检测、面像跟踪与面像比对等课题。面像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面像。面像跟踪指对被检测到的面像进行动态目标跟踪。面像比对则是对被检测到的面像进行身份确认或在面像库中进行目标搜索。

面像检测分为参考模板、人脸规则、样本学习、肤色模型与特征子脸等方法。参考模板方法首先设计一个或数个标准人脸模板，然后计算测试样本与标准模板之间的匹配程度，通过计算机比对来判断是否存在人脸；人脸具有一定的结构分布特征，人脸规则即提取这些特征生成相应的规则以判断是否测试样本包含人脸；样本学习则采用模式识别中人工神经网络方法，通过对面像样本集和非面像样本集的学习产生分类器；肤色模型依据面像肤色在色彩空间中分布相对集中的规律来进行检测；特征子脸将所有面像集合视为一个面像子空间，基于检测样本与其在子空间的投影之间的距离判断是否存在面像。

面像跟踪一般采用基于模型的方法或基于运动与模型相结合的方法，另外，肤色模型跟踪也不失为一种简单有效的手段。

面像比对从本质上讲是采样面像与库存面像的依次比对并找出最佳匹配对象。因此，面像的描述决定了面像识别的具体方法与性能。目前主要有特征向量与面纹模板两种描述方法，特征向量法先确定眼虹膜、鼻翼、嘴角等面像五官轮廓的大小、位置、距离、角度等等属性，然后计算出它们的几何特征量，这些特征量形成一描述该面像的特征向量；面纹模板法则在库中存储若干标准面像模板或面像器官模板，在比对时，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。另外，还有模式识别的自相关网络或特征与模板结合的方法。

面像识别系统则采用 \"局部特征分析\"(Local Feature Analysis,LFA)算法，该算法速度快，误认低，无需学习，利用人脸各器官及特征部位的方位、比例、对应

几何关系等数据形成识别参数，与数据库中所有原始参数比较、判断、确认。

与其他生物识别技术，诸如指纹识别，掌形识别，眼虹膜识别和声音识别相比较，人脸识别具有以下两点独一无二的特性：

1）其他每种生物识别方法都需要一些人的配合动作，而面像识别不需要被动配合，可以自动用在隐蔽的场合

2）当记录一个企图登录的人的生物记录时，只有面像能更直观，更方便的核查该人的身份。正是这与其他生物识别不同，独有的特性，才让人脸识别技术在近几年有了更大的发展。

基于这两个独一无二的特征，人脸识别的技术除了应用于个人信息安全的保护上，更多时候可以运用于国家安全监控中。前一段时间在看民侦探柯南最新一期的剧场版，我注意到了一段场景，就是在片中追击逃犯时只需将所有的实时监控调出，将逃犯面部清晰照片输入电脑，电脑就可以自动将照片与活动中的监控进行比较分析，从而最快速度找到逃犯的方向。很多大片中也都会出现这样的场景。而我常在电视中观看法制类的纪实节目，在我看到之中，很多时候寻找逃犯的去向总需要大量的警力去反复看周围的监控录像。不仅浪费警力，更加耽误破案的时间，简单说就是效率比较低。如果在这一过程中运用人脸识别的技术，将人物照片与监控自动校对，就可以大大缩短破案的时间。也可以将面部识别技术扩展到比如车辆车牌外形的识别，输出一些想要的信息。

因此与传统的生物识别技术相比，面像识别具有更为简便、准确、经济及可

扩展性良好等众多优势，可广泛应用于安全验证、监控、控制等各个方面。

除了人脸识别技术，其他照片的识别技术也被广泛使用着。网上有一款个性闹钟软件被大家疯传，这个闹钟需要你睡觉前拍一张照片，闹钟响后再在同样的位置拍一张几乎一摸一样的照片才能关闭闹钟，这就你无比清醒的头脑来拍照，而不是睡眼朦胧。更不能在睡前拍一张月亮的照片了。

照片识别也用在维护网络安全这一备受关注的问题上。现在的网络相比其他的传媒平台更加自由，但网络信息的准确性并不能保证。之间看过一个节目看过介绍微博幕后工作的一群人们。他们实时监控着微博信息发布的正确性，维护着微博平台的秩序，防止一些不法分子发布虚假的信息，搅乱混淆大家的视野。他们讲微博中发布的一些照片进行搜索，比较对照出最初照片的来源出处，判断信息的准确性。如果有明显的虚假不实信息，他们会对不发信息的散布着进行处罚。

在这一个高速发展的信息时代，相信人脸识别技术会更加广泛的应用于人们的生活之中，而这一技术也会在应用的过程中逐渐优化，成为一个更加精准，造福社会的技术。