人臉識別人工智能系統的原理與發展一、引言 人臉識別系統以人臉識別技術為核心，是一項新興的生物識別技術，是當今國際科技領域攻關的高精尖技術。它廣泛采用區域特征分析算法，融合了計算機圖像處理技術與生物統計學原理于一體，利用計算機圖像處理技術從視頻中提取人像特征點，利用生物統計學的原理進行分析建立數學模型，具有廣闊的發展前景。2012年4月，鐵路部門宣布車站安檢區域將安裝用于身份識別的高科技安檢系統人臉識別系統；可以對人臉明暗偵測，自動調整動態曝光補償， 人臉追蹤偵測，自動調整影像放大； 二、概述 人臉識別系統概述 廣義的人臉識別實際包括構建人臉識別系統的一系列相關技術，包括人臉圖像采集、人臉定位、人臉識別預處理、身份確認以及身份查找等;而狹義的人臉識別特指通過人臉進行身份確認或者身份查找的技術或系統。 生物特征識別技術所研究的生物特征包括臉、指紋、手掌紋、虹膜、視網膜、聲音(語音)、體形、個人習慣(例如敲擊鍵盤的力度和頻率、簽字)等，相應的識別技術就有人臉識別、指紋識別、掌紋識別、虹膜識別、視網膜識別、語音識別(用語音識別可以進行身份識別，也可以進行語音內容的識別，只有前者屬于生物特征識別技術)、體形識別、鍵盤敲擊識別、簽字識別等。人臉識別系統功能模塊人臉捕獲與跟蹤功能：人臉捕獲是指在一幅圖像或視頻流的一幀中檢測出人像并將人像從背景中分離出來，并自動地將其保存。人像跟蹤是指利用人像捕獲技術，當指定的人像在攝像頭拍攝的范圍內移動時自動地對其進行跟蹤。人臉識別比對：人臉識別分核實式和搜索式二種比對模式。核實式是對指將捕獲得到的人像或是指定的人像與數據庫中已登記的某一對像作比對核實確定其是否為同一人。搜索式的比對是指，從數據庫中已登記的所有人像中搜索查找是否有指定的人像存在。人臉的建模與檢索：可以將登記入庫的人像數據進行建模提取人臉的特征，并將其生成人臉模板(人臉特征文件)保存到數據庫中。在進行人臉搜索時(搜索式)，將指定的人像進行建模，再將其與數據庫中的所有人的模板相比對識別，最終將根據所比對的相似值列出最相似的人員列表。真人鑒別功能：系統可以識別得出攝像頭前的人是一個真正的人還是一幅照片。以此杜絕使用者用照片作假。此項技術需要使用者作臉部表情的配合動作。圖像質量檢測：圖像質量的好壞直接影響到識別的效果，圖像質量的檢測功能能對即將進行比對的照片進行圖像質量評估，并給出相應的建議值來輔助識別。 人臉識別系統識別優勢慧眼人臉識別考勤機 人臉識別的優勢在于其自然性和不被被測個體察覺的特點。所謂自然性，是指該識別方式同人類(甚至其他生物)進行個體識別時所利用的生物特征相同。例如人臉識別，人類也是通過觀察比較人臉區分和確認身份的，另外具有自然性的識別還有語音識別、體形識別等，而指紋識別、虹膜識別等都不具有自然性，因為人類或者其他生物并不通過此類生物特征區別個體。 不被察覺的特點對于一種識別方法也很重要，這會使該識別方法不令人反感，并且因為不容易引起人的注意而不容易被欺騙。人臉識別具有這方面的特點，它完全利用可見光獲取人臉圖像信息，而不同于指紋識別或者虹膜識別，需要利用電子壓力傳感器采集指紋，或者利用紅外線采集虹膜圖像，這些特殊的采集方式很容易被人察覺，從而更有可能被偽裝欺騙。人臉識別系統識別特點人臉識別 雖然人臉識別有很多其他識別無法比擬的優點，但是它本身也存在許多困難。人臉識別被認為是生物特征識別領域甚至人工智能領域最困難的研究課題之一。人臉識別的困難主要是人臉作為生物特征的特點所帶來的。人臉在視覺上的特點是。 第一、不同個體之間的區別不大，所有的人臉的結構都相似，甚至人臉器官的結構外形都很相似。這樣的特點對于利用人臉進行定位是有利的，但是對于利用人臉區分人類個體是不利的。 第二、人臉的外形很不穩定，人可以通過臉部的變化產生很多表情，而在不同觀察角度，人臉的視覺圖像也相差很大，另外，人臉識別還受光照條件(例如白天和夜晚，室內和室外等)、人臉的很多遮蓋物(例如口罩、墨鏡、頭發、胡須等)、年齡等多方面因素的影響。 在人臉識別中，第一類的變化是應該放大而作為區分個體的標準的，而第二類的變化應該消除，因為它們可以代表同一個個體。通常稱第一類變化為類間變化(inter-class difference)，而稱第二類變化為類內變化(intra-class difference)。對于人臉，類內變化往往大于類間變化，從而使在受類內變化干擾的情況下利用類間變化區分個體變得異常困難。人臉識別系統身份識別慧眼人臉識別考勤機視頻監控正在快速普及，眾多的視頻監控應用迫切需要一種遠距離、用戶非配合狀態下的快速身份識別技術，以求遠距離快速確認人員身份，實現智能預警。人臉識別技術無疑是最佳的選擇，采用快速人臉檢測技術可以從監控視頻圖象中實時查找人臉，并與人臉數據庫進行實時比對，從而實現快速身份識別。但近距離人臉識別技術對用戶的種種限制使得其在視頻監控中難以使用。面向視頻監控的遠距離人臉識別技術在強勁的需求帶動下應運而生。 由于視頻監控攝像機距離目標較遠且用戶處于非配合的運動狀態，使得采集質量好的人臉圖像比較困難，極易產生運動模糊，所采集圖像的質量遠低于近距離配合狀態下獲取的人臉圖像;同時由于用戶處于非配合的運動狀態，活動更自由，側臉和背對攝像機的概率大大增加，這就給人臉檢測、人臉跟蹤、人臉對比識別帶來相當大的困難;此外。監控場景中通常會有多人同時出現，身體容易相互遮擋，給身份關聯帶來一定的困難，且系統還需要對每一個人保持跟蹤識別，這一系列因素導致面向視頻監控的遠距離人臉識別難度非常大。 經過長期持續的研究探索，在視頻監控人臉識別技術上取得重大階段性進展，使得把人臉識別技術應用在視頻監控上成為可能。 相對于近紅外人臉識別技術，可見光人臉識別會受到光線變化的影響和照片視頻的攻擊，但另一方因其可以很方便的與現有各種普通監控攝像頭聯系，不需要專用的紅外攝像頭，所以在與傳統監控相結合，乃至升級都比較方便。 但其自身局限性也決定了其識別準確率遠不及近紅外技術，所以建議開發者使用在輔助人工之場合，例如人臉監控，VIP通道等。人臉識別系統基本方法人臉識別的方法很多，主要的人臉識別方法有：(1) 幾何特征的人臉識別方法：幾何特征可以是眼、鼻、嘴等的形狀和它們之間的幾何關系(如相互之間的距離)。這些算法識別速度快，需要的內存小，但識別率較低。(2) 基于特征臉(PCA)的人臉識別方法：特征臉方法是基于KL變換的人臉識別方法，KL變換是圖像壓縮的一種最優正交變換。高維的圖像空間經過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練樣本，而且完全是基于圖像灰度的統計特性的。目前有一些改進型的特征臉方法。(3) 神經網絡的人臉識別方法：神經網絡的輸入可以是降低分辨率的人臉圖像、局部區域的自相關函數、局部紋理的二階矩等。這類方法同樣需要較多的樣本進行訓練，而在許多應用中，樣本數量是很有限的。(4) 彈性圖匹配的人臉識別方法：彈性圖匹配法在二維的空間中定義了一種對于通常的人臉變形具有一定的不變性的距離，并采用屬性拓撲圖來代表人臉，拓撲圖的任一頂點均包含一特征向量，用來記錄人臉在該頂點位置附近的信息。該方法結合了灰度特性和幾何因素，在比對時可以允許圖像存在彈性形變，在克服表情變化對識別的影響方面收到了較好的效果，同時對于單個人也不再需要多個樣本進行訓練。(5) 線段Hausdorff 距離(LHD) 的人臉識別方法：心理學的研究表明，人類在識別輪廓圖(比如漫畫)的速度和準確度上絲毫不比識別灰度圖差。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應關系，因此它更能適應線段圖之間的微小變化。實驗結果表明，LHD在不同光照條件下和不同姿態情況下都有非常出色的表現，但是它在大表情的情況下識別效果不好。(6) 支持向量機(SVM) 的人臉識別方法：近年來，支持向量機是統計模式識別領域的一個新的熱點，它試圖使得學習機在經驗風險和泛化能力上達到一種妥協，從而提高學習機的性能。支持向量機主要解決的是一個2分類問題，它的基本思想是試圖把一個低維的線性不可分的問題轉化成一個高維的線性可分的問題。通常的實驗結果表明SVM有較好的識別率，但是它需要大量的訓練樣本(每類300個)，這在實際應用中往往是不現實的。而且支持向量機訓練時間長，方法實現復雜，該函數的取法沒有統一的理論。人臉識別系統技術細節一般來說，人臉識別系統包括圖像攝取、人臉定位、圖像預處理、以及人臉識別(身份確認或者身份查找)。系統輸入一般是一張或者一系列含有未確定身份的人臉圖像，以及人臉數據庫中的若干已知身份的人臉圖象或者相應的編碼，而其輸出則是一系列相似度得分，表明待識別的人臉的身份。 目前人臉識別的算法可以分類為： 基于人臉特征點的識別算法(Feature-based recognition algorithms)。 基于整幅人臉圖像的識別算法(Appearance-based recognition algorithms)。 基于模板的識別算法(Template-based recognition algorithms)。 利用神經網絡進行識別的算法(Recognition algorithms using neural network)。人臉識別系統用途人臉識別系統其實是臺特殊的攝像機，判斷速度相當快，只需要0.01秒左右，由于利用的是人體骨骼的識別技術，所以即使易容改裝，也難以蒙過它的眼睛。而且“人臉識別系統”具有存儲功能，只要把一些具有潛在危險性的“重點人物”的“臉部特寫”輸入存儲系統，重點人物如擅自闖關，就會在0.01秒之內被揪出來，同時向其他安保中心“報警”。另外，某些重要區域如控制中心只允許特定身份的工作人員進出，這時候面部檔案信息未被系統存儲的所有人全都會被拒之門外。與此前的指紋識別系統相比，人臉識別系統有很多的改進。指紋技術的使用壽命不如人臉識別系統，使用成本也高于人臉識別系統。由于沾水、沾汗、沾灰，還有傳感器只能在室內使用等原因，指紋識別系統在露天戶外使用的可能性很小。而用于人臉識別的攝像機一天24小時都可工作，第一它不侵犯人權，第二它是很安全的，無論室內還是戶外均可使用。人臉識別系統意味著每個人的臉上都貼著名字，外人看不見，但監控系統能看得見。包括外國人，從踏入中國的一瞬間，他的圖像和個人資料就會進入電腦的控制中心，不管在什么地方出現，都可認出此人。而且被觀察的人不知道有設備在監視他，起到了科技奧運、文明奧運的功能。人臉識別系統具有廣泛的應用：人臉識別出入管理系統、人臉識別門禁考勤系統、 人臉識別監控管理、人臉識別電腦安全防范、人臉識別照片搜索、人臉識別來訪登記、人臉識別ATM機智能視頻報警系統、人臉識別監獄智能報警系統、人臉識別RFID智能通關系統、人臉識別公安罪犯追逃智能報警系統等等。人臉識別系統應用案例1. 企業、住宅安全和管理。如人臉識別門禁考勤系統，人臉識別防盜門等。2. 電子護照及身份證。這或許是未來規模最大的應用。在國際民航組織( ICAO)已確定，從 2010年 4月 1日起，其 118個成員國家和地區，必須使用機讀護照，人臉識別技術是首推識別模式，該規定已經成為國際標準。美國已經要求和它有出入免簽證協議的國家在2006年10月 26日之前必須使用結合了人臉指紋等生物特征的電子護照系統，到 2006年底已經有 50多個國家實現了這樣的系統。今年年初，美國運輸安全署( Transportation Security Administration)計劃在全美推廣一項基于生物特征的國內通用旅行證件。歐洲很多國家也在計劃或者正在實施類似的計劃，用包含生物特征的證件對旅客進行識別和管理。中國的電子護照計劃公安部一所正在加緊規劃和實施。3. 公安、司法和刑偵。如利用人臉識別系統和網絡，在全國范圍內搜捕逃犯。4. 自助服務。如銀行的自動提款機，如果用戶卡片和密碼被盜，就會被他人冒取現金。如果同時應用人臉識別就會避免這種情況的發生。三、總結 人臉識別技術是一門融合生物學、心理學和認知學等多學科、多技術(模式識別、圖像處理、計算機視覺等)的新的生物識別技術，可用于身份確認(一對一比對)、身份鑒別(一對多匹配)、訪問控制(門監系統)、安全監控(銀行、海關監控)、人機交互(虛擬現實、游戲)等，因其技術特征而具有廣泛的市場應用前景。 人臉識別 相比于其他識別技術，人臉識別的優勢比較明顯，主要集中在三個方面： 一是自然性，所謂的自然性是指該識別方式同人類(包括其它生物)進行個體識別時所利用的生物特征相同，是通過觀察比較人臉區分和確認身份;具有自然性的識別還有語音識別和體形識別，而指紋識別和虹膜識別等因人類或其他生物不能通過此類生物特征區別個體所以不具備自然性。 二是非強制性，被識別的人臉圖像信息可以主動獲取而不被被測個體察覺，人臉識別是利用可見光獲取人臉圖像信息，而不同于