下载掌阅APP，畅读海量书库
立即打开
人脸识别技术就是通过计算机提取人脸特征，并根据这些特征进行身份验证的一种技术。目前比较常用的特征识别技术中，人脸识别是一种更为优越的识别技术。人脸识别是唯一不需要使用者配合的生物识别方法，操作隐蔽性强。这一点特别适合于重要的安全防范、监控罪犯与网上抓逃等应用。另外，人脸识别不会对用户造成生理和心理上的伤害，也比较符合一般用户的习惯，不会给人造成不适的感觉，容易被大多数的用户接受，而且具有方便、快捷和强大的事后追踪功能。基于人脸的身份验证系统可以在事件发生的同时记录并保存当事人的面像，从而可以确保系统具有良好的事后追踪能力。目前，数码相机、数码摄像机和照片扫描仪等摄像设备在普通家庭的日益普及，造成人脸识别图像采集设备成本低，进一步增加了其可用性。
在现代经济飞速发展的社会中，随着现代网络技术的不断迅猛发展，信息安全也向人们显示出其前所未有的重要性，这些领域都需要新的更精确的身份验证技术，可以说对快速有效的个人身份验证技术的需求无处不在。人脸识别作为一种典型生物特征识别技术，有着十分广泛的应用前景。
（1）视频图像监控。这是人脸识别的主要用途之一。将一些犯罪嫌疑人或是要寻找的人的照片预先存放在人脸图像数据库中，然后在一些重要场所，如飞机场、火车站、地铁、超市和银行等场所安装上摄像头和人脸识别视频监控及软件。这样，如果被查找的人出现，就能自动报警进而协助警方做出相应的判断处理 [4] 。
（2）身份识别验证。应用于信用卡、工作证、车牌和身份证等身份验证中，进行身份的鉴别。如果在这一类上加上人脸的一些特征信息，通过读码和人脸的双重验证，这样就可以大大提高安全性能。
（3）犯罪嫌疑人的定位和查找。公安部门获得罪犯的照片后，可以利用人脸识别技术，在照片数据库中找出与罪犯特征最为相像的人作为嫌疑犯。
（4）入口控制。入口控制的范围区域大，如小到个人计算机的使用权限控制，大到重要的国家安全重地、政府的重要职能部门、银行金库、监狱和广播电视电影集团入口处的门卫检查等。
近年来，随着相关技术的不断发展和实际生活中需求的日益增加，自动人脸识别系统已经引起了越来越多的关注，新的研究成果和实用系统不断涌现出来。总之，人脸识别技术具有极大的市场前景，未来甚至可能形成一个巨大的和对人类生活产生深远影响的高科技产业。
人脸识别技术是一门涵盖多门学科的应用技术，它涉及信号处理、数字图像处理、计算机视觉、模式识别和人工智能等多门学科。一个完整的人脸识别系统如下
1）图像采集
用摄像机等设备采集包含人脸的原始图像。
2）图像预处理
为了更精确地获得图像的有效特征信息，在特征提取前一般需要对图像做几何归一化和灰度归一化的处理。前者是指根据人脸定位结果将图像中的人脸位置和尺度调整到同一位置和同样大小；后者主要是采用光照补偿等处理方法解决光照变化对检测的影响，消除背景的干扰和消除光照对识别结果的影响。
3）人脸检测
检测图像中是否有人脸图像，若有，确定其在图像中的位置，消除头发的干扰，从中定位和分割出人脸区域。
4）特征提取
进行特征提取时，根据所采取识别方法的不同，具体提取的特征形式也不相同。如在基于几何特征的识别方法中，需要提取特征点，然后构造特征矢量；在基于统计的特征脸方法中，则是提取图像相关矩阵的特征矢量来构造特征脸。
5）人脸识别
特征提取结束后，下一步就是人脸识别。在数据库中预先存放了已知的人脸图像或有关的特征值，识别的目的就是将待识别的图像或特征与数据库中的数据进行匹配，根据相似程度的高低决定最后的识别结果。识别任务分为两类。人脸辨认，确定输入图像为库中哪一个；人脸证实，验证某人的身份是否属实。
基于图像的人脸识别是当前图像处理、模式识别和计算机视觉领域内的一个热门研究课题。尽管人的视觉系统能够非常轻松而可靠地区分出两张不同的人脸，然而，一个对图像光照变化、脸部姿势变化和表情变化均具有高鲁棒性的人脸自动识别系统目前仍然面临很多问题和难点，是人们努力追求的目标。
（1）在样本获取方面，在复杂背景下获得的图像，由于人脸在图像中的位置是未知的，此时人脸的检测与定位将受到人脸在图像中的位置、旋转角度和尺度的变化，以及发型和化妆会遮盖某些特征等诸多因素的影响。在某些控制拍摄条件的场合，如证件照等，背景相对简单，定位比较容易，而比如法律实施、护照验证和身份证验证等，每类人只能得到一幅图像，只能用这些数目有限的图像去训练人脸识别系统，因而产生了单训练样本人脸识别技术，即指每人仅存储一幅人脸图像作为训练集去识别姿态和光照等可能存在变化的人脸图像的身份。单训练样本人脸识别技术同样也面临着一般人脸识别技术所面临的挑战，这些挑战主要包括光照变化，姿态变化和表情变化，以及同时存在这些变化的情况。
（2）人脸具有一个非常特殊的特征：就是人脸具有相似形状和轮廓，并且由于姿态、光照和表情等因素导致每个人人脸图像的变化也具有很强的相似性。尽管近年来经过众多研究人员的努力，单训练样本人脸识别技术已取得令人欣喜的成果，但其仍面临着许多重大挑战。
（3）人脸图像是一个复杂、具有非常高的维数的视觉模式；人脸塑形变形（如表情等）的不确定性；图像获取过程中的不确定性（如是否发型改变、戴眼镜等），这使得人脸识别过程必然会受到各种不同外界因素的干扰。目前复杂背景图像中的人脸识别方法（特别是侧面人脸识别）还存在很大的困难，它的识别效果离实用还有较大的距离，现有的方法一般都是针对某一类问题提出的。因此，多分类器的混合使用、多特征的融合（头发、肤色、器官、轮廓和运动等）和三维建模是今后解决人脸识别难题的有效方法。
（4）如何提高识别率是单训练样本人脸识别急需完成的任务。目前新出现的各种人脸识别方法都要求有多个训练样本。当有充分数量的有代表性的训练样本时，能取得较好的识别效果。然而，当每个人只有一个训练样本时，在有多个训练样本时能够取得相当好的识别效果。但在单训练样本情况下，由于类内散布矩阵不存在，这种方法就不能使用了因此，研究出特别适合单样本情况的效果好的识别算法、充分利用单幅人脸图像所提供的信息和提高识别率是单训练样本人脸识别急需解决的问题。
（5）人脸识别是涉及心理学、生理学和神经科学等众多学科的一门边缘学科，一个实用的和高性能的人脸识别系统不仅和人脸特征的表征与提取、人脸模式间相似度的计算等问题有关，也必须借鉴生物生理模型和心理模型的研究成果，最大限度地获取各种信息并且有机地集成起来加以利用，提高人脸识别系统的识别率。
随着模式识别、计算机视觉、神经网络和图像处理等与人脸识别相关学科的向前发展，以及众多研究者的不懈努力，单训练样本人脸识别问题也将会被加速得到解决。