利用计算机对人脸进行识别的应用领域是,计算机人脸识别技术及应用简析

摘要：社会在发展，科学在进步，传统身份认证在很多领域已经不能满足人们的需求，尤其是随着计算机技术的出现，快速有效的自动身份验证成为人们的需求。人脸识别技术就是利用计算机提取有效信息进行自动的特点，易于被用户接受。本文以计算机人脸识别技术及应用为研究论题，首先对计算机人脸识别技术进行了概述，而后介绍阿了计算机人脸识别的主要方法，基于方法分析，论文最终分析了计算机人脸识别技术的应用。

关键词：计算机；人脸识别技术；应用

中图分类号：TP391.41 文献标识码：A 文章编号：1007-9599 (2012) 17-0000-02

人类身份识别技术就是采用某种技术和手段对人的身份进行标识，身份识别人类自古就有，随着计算机技术的不断发展，将人类带到了信息时代，计算机的广泛普及和应用，为快速身份识别奠定了基础。计算机人脸识别技术涵盖的范围比较广泛，包括信号处理、数字图像处理、模式设别等很多学科的理论知识。计算机人脸识别技术的主要核心内容是根据已知的人脸来确定未知人脸的归属问题，因此从这个层面来讲，计算机人脸识别技术可以认为是模式识别的范畴。

1 计算机人脸识别技术概述

计算人脸识别技术属于模式识别范畴，模式识别是通过对具体的个别事物进行观测所得到的具有时间和空间分布的信息，同一类别中模式的总体货模式所属的类别则成为模式类。统计模式识别方法和句法模式识别方法是模式识别的两种基本方法，计算机人脸识别技术就是应用模式识别的方法，这个过程需要需要先对已知信息进行采样量化，继而再转化为计算机可以处理的数据。

要研究计算机人脸识别技术，就必须明白计算机人脸检测技术。计算机人脸检测的过程就是在给定的一个空间中来确定人脸的大小和位置的过程。计算机人脸检测的技术方法很多，主要有镶嵌图方法，模板匹配方法，基于人工神经网络方法，可变性模板方法等。通常情况下计算人人脸检测流程为：输入图像—预处理—特省提取—人脸检测—是(不是)。由于计算机人脸识别技术在实际的应用中存在诸多问题，计算机人脸检测技术在这种情况下营运而生。这不仅是计算机人脸识别的前端技术，也在智能监视、内容图像等多领域显示着重要作用和价值。

计算机人脸识别技术是利用计算机对人脸图像进行分析，并从中选取有效的识别技术，对身份进行辨别，这个辨别过程可以分为两部分，第一个问题就是“是不是谁”的问题，另一个是“是谁”的回答问题，也就是通常所说的身份识别。计算机人脸识别过程的通常流程为：输入图像—预处理—特征提取—人脸识别—是谁(人脸识别)/是或不是(人脸验证)。计算机进行人脸识别主要基于两大方向，第一个方向是包括人脸特征、人脸密度线分配方法、神经网络方法等整体特征研究方法；第二方向就是将人脸基准点的相对比和其他描述人脸部特征进行参数等结合起来构成的基于部件特征的方法。有学者研究证明，基于部件特征的人脸识别方法没有整体特征的人脸识别方法优点突出。

2 几种人脸识别方法

基于几何特征的人脸识别方法：嘴巴、眼睛、鼻子下巴等组成部件构成了每一个人的人脸，基于每个部件大小、形状及结构存在各种差异，因此可作为人脸识别的重要依据。Brunelli小组，用积分投影的方法提取出欧式距离表征的人脸特征矢量进行模式分类，几何特征、变换系数特征、可视特征是图像特征的几种表现方式。

基于模板匹配的人脸识别方法：这种方法是利用可变性模板对面部特征进行抽取，这些模板可以变形、平移和旋转，这样就能较好的展现出它们在图像中形状。有学者对基于模板和基于特征的两种方法进行比较，发现基于模板在提高识别率上更有优势，而基于特征的方法在存储量和速度方面有着更好的一面。

特征脸方法：这种方法是从主成成份分析导出的一种人脸识别和描述技术，实质上是通过K—L变换压缩技术中的一种优正交换来实现的。从理论上来讲，任何人脸图像集合都可以用两个相近的集合进行重建，一是一组标准的图像集合，二是每个人脸的权值集合。这种理论的基本思想就是通过K—L交换，得到高维图像的一组正交基，将较大特征的正交基作为特征值，组成正脸空间，而后再将新人脸图像映射到特征脸的空间中，得到一组投影向量，来作为识别的特征向量，而后和库中已知人脸的位置进行比较，最后判断库中的人脸是哪一副人脸。

基于小波变换的方法：小波变换是一种时间和频率的局域变换，通过平移、伸缩的方式对图像进行尺寸细化处理，根据使用不同宽带的一系列滤波，成功的从图形中提取信息函数。有研究者用局部尺度和小波分解对人脸图像曲率进行提取继而进行特征识别。还有学者采用矩的方法对此进行预处理，这种方法可以对人脸的平面旋转和伸缩进行矫正。

基于神经网络方法：利用神经网络的分类能力和学习能力对人脸进行特征识别和提取，这种方法少了很多复杂的特征提取工作，而且保存了人脸图像中的形状及材质信息。这种识别方法在人脸识别上的应用具有很多优势，由于人脸识别的很多规律无法进行显性描述，但是神经网络却能对这些规律进行隐形表达，比较容易实现。

3 计算机人脸识别技术的应用

人脸自动识别技术是目前模式识别领域中一个极富挑战性的前沿难题和热点。在司法部门、身份验证、医学、视频会议、档案管理等多种场合都发挥着重要作用。另外，随着多媒体技术的广泛应用，反恐怖活动等对高科技的要求，人机智能交互界面的需要，可见在现实生活中队人脸自动识别技术的需要日益迫切。

人脸识别技术的应用比较广泛，最为熟悉的就是警方利用人脸识别技术抓罪犯。除此之外，对于某些敏感场所，处于安全考虑，都会采用特定的方法来监视这个场景，以便能够即时监控这个场景。计算机人脸识别技术在寻人寻亲方面也有着重要作用，对业务部门提供了照片，直接送入系统进行对比检索。在大型活动安全监控方面，如果发现有人滋事，公安机关可以用镜头采取其面部特征，对系统对比查证。还可应用于查证无名尸源，先拍摄正面照片，输入计算机，而后在对比系统中进行查证。计算机人脸识别技术在视频监控机目击者描述排查方面都发挥着重要作用，对暂住人口、常住人口、在逃人员进行对比查证，能够在获取目标后，采用关联的方式在数据库中进行查询。

计算机人脸识别过程非常复杂，涵盖的理论知识比较多，涉及图像处理、信号处理、模式识别等很多知识，因此这种技术一直是诸多学者深入研究但又具有挑战性的课题。但是计算机人脸识别技术的运用却越来越广泛，在安全防范、公安破案及一些公共事业方面都发挥着重要作用。因此，对计算机人脸识别技术的研究应该更加得到更多领域学者的研究和关注，也希望计算机人脸识别技术能够发挥出更大的作用。

参考文献：

[1]陈建成.人脸识别技术与研究[D].西安电子科技大学，2011.

[2]苏宏涛.基于统计特征的人脸识别技术研究[D].西北工业大学，2004.

[3]陈绵书.计算机人脸识别方法研究[D].吉林大学，2004.