人臉識(shí)別的過程

　　人臉識(shí)別是現(xiàn)下非?；馃岬脑掝}，市場(chǎng)前景被看好，隨著生物識(shí)別技術(shù)的普及以及運(yùn)用，人臉識(shí)別也揭開了其神秘的面紗，今天就帶大家了解一下人臉識(shí)別技術(shù)的流程。

　　說起人臉識(shí)別流程，其實(shí)概況來說主要是人臉圖像采集及檢測(cè)、人臉圖像預(yù)處理、人臉圖像特征提取以及匹配與識(shí)別。一起來簡單了解每一個(gè)部分。

　　人臉圖像采集及檢測(cè)

　　顧名思義就是人臉錄入系統(tǒng)，一般是批量錄入，用戶主動(dòng)通過錄入端口上傳導(dǎo)入自己的人臉。另外一種就是現(xiàn)場(chǎng)視頻人臉圖像采集，類似于辦身份證，當(dāng)場(chǎng)攝像頭采集面部，當(dāng)人人臉識(shí)別的采集需要在指定攝像范圍內(nèi)，采集設(shè)備自動(dòng)搜索客戶的人臉圖像。

　　支付寶的人臉識(shí)別支付加入了活體檢測(cè)，需要讓客戶做一系列動(dòng)作，比如說張嘴，　抬頭、低頭，左轉(zhuǎn)頭、右轉(zhuǎn)頭，眨眼睛等，人臉識(shí)別技術(shù)也是在不斷的進(jìn)步，活動(dòng)檢測(cè)可有效抵御照片、換臉、面具、遮擋以及屏幕翻拍等常見的攻擊手段。

　　人臉圖像預(yù)處理

　　人臉圖像預(yù)處理是對(duì)系統(tǒng)所采集到的人臉圖像進(jìn)行光線處理、切割、旋轉(zhuǎn)、降噪、過濾、放大或縮小等一系列的復(fù)雜處理，通過這些處理使人臉圖像無論是光線還是角度、距離、大小等達(dá)到人臉圖像特征提取的標(biāo)準(zhǔn)要求，盡可能消除因光照和角度等因素造成的影響，為進(jìn)行人臉圖像特征提取做好準(zhǔn)備。

　　匹配與識(shí)別

　　● 人臉識(shí)別1:1比對(duì)

　　宇松科技人臉識(shí)別系統(tǒng)通過人臉識(shí)別算法實(shí)現(xiàn)上兩張圖像進(jìn)行比對(duì)，根據(jù)不同渠道的識(shí)別率返回比對(duì)結(jié)果，并將比對(duì)通過的圖像按照設(shè)定規(guī)則入庫保存。能夠最大限度的提高識(shí)別率，智能的解決像素較低（如芯片圖）、逆光、側(cè)光、昏暗、帶眼鏡、一定角度側(cè)臉等不利條件。

　　● 人臉識(shí)別1:N比對(duì)

　　宇松科技人臉識(shí)別系統(tǒng)通過客戶圖像，在客戶特征庫中識(shí)別出該將客戶身份，并返回該客戶的相關(guān)信息，如客戶信息號(hào)、姓名等。系統(tǒng)具有人臉識(shí)別 1：N功能，對(duì)外提供 1：N比對(duì)接口，可根據(jù)各系統(tǒng)傳送的照片提取特征值，并跟庫中模板比對(duì)，返回相似度最高的N個(gè)人（返回人數(shù)可自定義）。

　　人臉識(shí)別目前主要運(yùn)用在銀行VIP客戶身份識(shí)別、教育領(lǐng)域的考生身份識(shí)別、通關(guān)口岸、門禁考勤、智能視頻監(jiān)控等。

　　人臉識(shí)別分析算法

　　人臉識(shí)別技術(shù)中被廣泛采用的區(qū)域特征分析算法，它融合了計(jì)算機(jī)圖像處理技術(shù)與生物統(tǒng)計(jì)學(xué)原理于一體，利用計(jì)算機(jī)圖像處理技術(shù)從視頻中提取人像特征點(diǎn)，利用生物統(tǒng)計(jì)學(xué)的原理進(jìn)行分析建立數(shù)學(xué)模型，即人臉特征模板。利用已建成的人臉特征模板與被測(cè)者的人的面像進(jìn)行特征分析，根據(jù)分析的結(jié)果來給出一個(gè)相似值。通過這個(gè)值即可確定是否為同一人。

　　人臉識(shí)別的方法很多，主要的人臉識(shí)別方法有：

　?。?）幾何特征的人臉識(shí)別方法：幾何特征可以是眼、鼻、嘴等的形狀和它們之間的幾何關(guān)系（如相互之間的距離）。這些算法識(shí)別速度快，需要的內(nèi)存小，但識(shí)別率較低。

　?。?）基于特征臉（PCA）的人臉識(shí)別方法：特征臉方法是基于KL變換的人臉識(shí)別方法，KL變換是圖像壓縮的一種最優(yōu)正交變換。高維的圖像空間經(jīng)過KL變換后得到一組新的正交基，保留其中重要的正交基，由這些基可以張成低維線性空間。如果假設(shè)人臉在這些低維線性空間的投影具有可分性，就可以將這些投影用作識(shí)別的特征矢量，這就是特征臉方法的基本思想。這些方法需要較多的訓(xùn)練樣本，而且完全是基于圖像灰度的統(tǒng)計(jì)特性的。目前有一些改進(jìn)型的特征臉方法。

　　（3）神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法：神經(jīng)網(wǎng)絡(luò)的輸入可以是降低分辨率的人臉圖像、局部區(qū)域的自相關(guān)函數(shù)、局部紋理的二階矩等。這類方法同樣需要較多的樣本進(jìn)行訓(xùn)練，而在許多應(yīng)用中，樣本數(shù)量是很有限的。

　　（4）彈性圖匹配的人臉識(shí)別方法：彈性圖匹配法在二維的空間中定義了一種對(duì)于通常的人臉變形具有一定的不變性的距離，并采用屬性拓?fù)鋱D來代表人臉，拓?fù)鋱D的任一頂點(diǎn)均包含一特征向量，用來記錄人臉在該頂點(diǎn)位置附近的信息。該方法結(jié)合了灰度特性和幾何因素，在比對(duì)時(shí)可以允許圖像存在彈性形變，在克服表情變化對(duì)識(shí)別的影響方面收到了較好的效果，同時(shí)對(duì)于單個(gè)人也不再需要多個(gè)樣本進(jìn)行訓(xùn)練。

　　（5）線段Hausdorff 距離（LHD） 的人臉識(shí)別方法：心理學(xué)的研究表明，人類在識(shí)別輪廓圖（比如漫畫）的速度和準(zhǔn)確度上絲毫不比識(shí)別灰度圖差。LHD是基于從人臉灰度圖像中提取出來的線段圖的，它定義的是兩個(gè)線段集之間的距離，與眾不同的是，LHD并不建立不同線段集之間線段的一一對(duì)應(yīng)關(guān)系，因此它更能適應(yīng)線段圖之間的微小變化。實(shí)驗(yàn)結(jié)果表明，LHD在不同光照條件下和不同姿態(tài)情況下都有非常出色的表現(xiàn)，但是它在大表情的情況下識(shí)別效果不好。

　?。?）支持向量機(jī)（SVM） 的人臉識(shí)別方法：支持向量機(jī)是統(tǒng)計(jì)模式識(shí)別領(lǐng)域的一個(gè)新的熱點(diǎn)，它試圖使得學(xué)習(xí)機(jī)在經(jīng)驗(yàn)風(fēng)險(xiǎn)和泛化能力上達(dá)到一種妥協(xié)，從而提高學(xué)習(xí)機(jī)的性能。支持向量機(jī)主要解決的是一個(gè)2分類問題，它的基本思想是試圖把一個(gè)低維的線性不可分的問題轉(zhuǎn)化成一個(gè)高維的線性可分的問題。通常的實(shí)驗(yàn)結(jié)果表明SVM有較好的識(shí)別率，但是它需要大量的訓(xùn)練樣本（每類300個(gè)），這在實(shí)際應(yīng)用中往往是不現(xiàn)實(shí)的。而且支持向量機(jī)訓(xùn)練時(shí)間長，方法實(shí)現(xiàn)復(fù)雜，該函數(shù)的取法沒有統(tǒng)一的理論。