人脸识别技术 通识
1 人脸识别概要
2 人脸识别工作原理
3 人脸识别技术分类
4 人脸识别技术优缺点
5 人脸识别技术应用
一、人脸识别概要
人脸识别(FaceRecognition，FR)是一种基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。
人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年后期；近几年随着以深度学习为主的人工智能技术进步，人脸识别技术得到了迅猛的发展。“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，是综合性比较强的系统工程技术。
利用人脸识别技术进行身份认定，安全、可靠、准确。借助于现代计算机技术实现，很容易配合电脑、网络和安全、监控、管理系统整合，实现自动化、智能化管理。
二、人脸识别工作原理
人脸识别系统通常包括几个过程：人脸图像采集及检测、图像预处理、特征关键点提取、和特征比对。
1）图像采集及检测
人脸图像采集：用户在采集设备的拍摄范围内时，采集设备会自动搜索并拍摄用户的人脸图像。
人脸检测：主要用于人脸识别的预处理，即在图像中准确标定出人脸的位置和大小。人脸检测过程中使用Adaboost算法挑选出一些最能代表人脸的矩形特征(弱分类器)，按照加权投票的方式将弱分类器构造为一个强分类器，再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，有效地提高分类器的检测速度。
2）图像预处理
对于人脸的图像预处理是基于人脸检测结果，对图像进行处理并最终服务于特征提取的过程。系统获取的原始图像由于受到各种条件的限制和随机干扰，往往不能直接使用，必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言，其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。
3）特征提取
根据人脸器官的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据（包括视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等），其特征分量通常包括特征点间的欧氏距离、曲率和角度等，对人脸进行特征建模。
4）特征比对
提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断。这一过程又分为两类：一类是确认，是一对一进行图像比较的过程，另一类是辨认，是一对多进行图像匹配对比的过程。
三、人脸识别技术分类
当前人脸识别采集技术主要分三类：可见光识别技术、近红外识别技术、3D成像识别技术。
1）可见光识别技术
可见光人脸识别技术是一种生物识别加智能视频分析技术，通过视频采集面部生物特征，在任何可见光和黑暗环境中与数据库数据分析比对，精确识别合法和黑名单用户，解决了监狱、军队、政府、公安、电力等高端用户室外可见光环境下精准识别，完全打破世界原有落后的生物技术识别和被动式监控安防格局，创造主动式高安全级别的完整意义的主动防范。
可见光识别技术最大的优势在于可以与现有的视频监控系统结合起来，能够智能、高效、精准、主动的对远距离大范围的特定场所进行人员管理，而且可以在不经意间完成对目标人群进行图像采集，具有更强的隐蔽性。其劣势在于在夜间等光线不好，或目标人员有遮挡的情况下识别精度大大降低甚至无法完成识别功能。
2）近红外识别技术
近红外人脸识别是为了解决人脸识别中的光照问题，而提出的一种解决方案，其包括两部分：主动近红外人脸成像设备；和相应的光照无关人脸识别算法。使用强度高于环境光线的主动近红外光源成像，配合相应波段的光学滤片，可以得到环境无关的人脸图像，人脸图像只会随着人与摄像头的距离变化而单调变化。在此图像上采用一些特定的特征提取方式，如：局部二元模式（Local Binary Pattern，LBP）特征，可以进一步消除图像的单调变化，得到完全光照无关的特征表达。
近红外识别技术最大的优势在于消除了光线对于识别效果的影响。劣势也很明显，1、为了降低环境光对识别效果的影响，红外主动光源的强度需要强于环境光强度，这也大大降低了识别距离2、主动光源会在眼镜上产生明显的反光，降低眼睛定位的精度；3、不能利用已有的大量可见光照片（如：二代证照片，逃犯照片库等），用户需要重新构建近红外照片库，费时费力；4、主动光源经过长期使用后，会出现损坏和衰减，带来更多的后期维护。
3）3D成像识别技术
3D成像识别技术是人脸识别重要发展发现。目前大部分的人脸识别应用的范畴限定在2D图像上。人脸实质上是一个立体模型，而2D人脸识别容易受到姿态、光照、表情等因素影响，是因为2D图像本身有一个缺陷，无法很好地表示深度信息。如果说深度学习是从人的认知角度来理解人脸识别，那么3D技术就是从现实模型来反映人脸识别。
目前关于3D人脸识别方向的算法研究并没有2D人脸识别技术那么丰富和深入，许多因素限制了这项技术的发展。首先，3D人脸识别往往需要特定的采集设备，如3D摄像机或双目摄像机。目前这类采集设备价格还比较昂贵，主要用于特定场景。其次，3D建模过程需要的计算量较大，对硬件要求较高，也限制了目前的应用。第三，3D人脸识别数据库比较稀少，研究者缺少训练样本和测试样本，无法开展更深入的理论研究。
目前常见的3D成像模组有：3D结构光识别模组、3D时间光（TOF）识别模组和双目立体成像识别模组。
3D摄像头相比传统摄像头，在硬件上最大的不同是前端引入了vcsel模组。3D摄像头特点在于除了能够获取平面图像以外，还可以获得拍摄对象的深度信息，即三维的位置及尺寸信息，其通常由多个摄像头+深度传感器组成。
结构光方案适合于消费电子产品前置3D成像，用于近距离场景。而ToF方案使用于消费电子产品的后置3D成像，用于远具体、室外强干扰环境。双目立体视觉方案因检测范围太小（不足1米），远距离检测问题很多，导致应用场景太少。
1）人脸识别优势
a）使用方便，用户接受度高
人脸识别技术使用通用的摄像机作为识别信息获取装置，以非接触的方式在识别对象未察觉的情况下完成识别过程。
b）直观性突出
人脸识别技术所使用的依据是人的面部图像，而人脸无疑是肉眼能够判别的最直观的信息源，方便人工确认、审计，“以貌取人”符合人的认知规律。
c）识别精确度高，速度快
与其它生物识别技术相比，人脸识别技术的识别精度处于较高的水平，误识率、拒认率低。
d）通用性设备
人脸识别技术所使用的设备为一般的PC、摄像机等常规设备，由于计算机、闭路电视监控系统等已经得到了广泛的应用，因此对 于多数用户而言使用人脸识别技术无需添置大量专用设备，从而既保护了用户的原有投资又扩展了用户已有设备的功能，满足了用户安全防范的需求。
c）基础资料易于获得
人脸识别技术所采用的依据是人脸照片或实时摄取的人脸图像，因而无疑是最容易获得的。
2）人脸识别劣势
a）相似性
不同个体之间的区别不大，所有的面部的结构都相似，甚至面部器官的结构外形都很相似。这样的特点对于利用面部进行定位是有利的，但是对于利用面部区分人类个体是不利的。
b）易变性
面部的外形很不稳定，人可以通过脸部的变化产生很多表情，而在不同观察角度，面部的视觉图像也相差很大，另外，面部识别还受光照条件（例如白天和夜晚，室内和室外等）、面部的很多遮盖物（例如口罩、墨镜、头发、胡须等）、年龄等多方面因素的影响。
c）环境影响
人脸识别易受环境影响。如对周围的光线环境敏感，可能会影响识别的准确性，在面对黑暗、相似等复杂场景，识别率表现不佳。
五、人脸识别技术应用
中国的人脸识别技术发展始于20世纪90年代后期，并经历了丰富的技术引进－技术改进－技术应用阶段。近几年，我国人脸识别技术突飞猛进。2018年，我国人脸识别行业专利公开数量已经达到5200项，同比增长93%。大到国家医保、医院、酒店、学校、地铁，小到超市、小卖铺、餐饮店，刷脸签到、刷脸支付、刷脸验证、刷脸开门……，人脸识别技术在越来越多的领域取得应用。
如：
1）企业、住宅安全和管理
2）电子护照及身份证。
国际民航组织(ICAO)已确定，从2010年起，其118个成员国家和地区，必须使用机读护照，人脸识别技术是首推识别模式，该规定已经成为国际标准。中国的电子护照计划公安部一所正在加紧规划和实施。
3）公安、司法和刑侦。
如利用人脸识别系统和网络，在全国范围内搜捕逃犯。
4）自助服务。
如银行的自动提款机，如果用户卡片和密码被盗，就会被他人冒取现金。如果同时应用人脸识别就会避免这种情况的发生。
5）信息安全。
如计算机登录、电子政务和电子商务。在电子商务中交易全部在网上完成，电子政务中的很多审批流程也都搬到了网上。而当前，交易或者审批的授权都是靠密码来实现，如果密码被盗，就无法保证安全。但是使用生物特征，就可以做到当事人在网上的数字身份和真实身份统一，从而大大增加电子商务和电子政务系统的可靠性。
