人脸识别
百科名片
人脸识别人脸识别特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸识别是一项热门的计算机技术研究领域，它属于生物特征识别技术，是对生物体（一般特指人）本身的生物特征来区分生物体个体。
目录
简介
人脸识别的基本方法几何特征的人脸识别方法
基于特征脸（PCA）的人脸识别方法
神经网络的人脸识别方法
弹性图匹配的人脸识别方法
线段Hausdorff距离(LHD)的人脸识别方法
支持向量机(SVM)的人脸识别方法
人脸识别算法
采用人脸识别的优势
人脸识别困难性相似性
易变性
人脸识别主要用途
人脸识别模块在门禁系统中的应用
人脸识别新技术
人脸识别的应用公安刑侦破案
门禁系统
摄像监视系统
网络应用
身份辨识
信息安全
简介
人脸识别的基本方法几何特征的人脸识别方法
基于特征脸（PCA）的人脸识别方法
神经网络的人脸识别方法
弹性图匹配的人脸识别方法
线段Hausdorff距离(LHD)的人脸识别方法
支持向量机(SVM)的人脸识别方法
人脸识别算法
采用人脸识别的优势
人脸识别困难性相似性
易变性
人脸识别主要用途
人脸识别模块在门禁系统中的应用
人脸识别新技术
人脸识别的应用
公安刑侦破案门禁系统摄像监视系统网络应用身份辨识信息安全展开编辑本段简介
广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。 生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音（语音）、体形人脸识别
、个人习惯（例如敲击键盘的力度和频率、签字）等，相应的识别技术就有人脸识别、指纹识别、掌纹识别、虹膜识别、视网膜识别、语音识别（用语音识别可以进行身份识别，也可以进行语音内容的识别，只有前者属于生物特征识别技术）、体形识别、键盘敲击识别、签字识别等。
编辑本段人脸识别的基本方法
几何特征的人脸识别方法
几何特征可以是眼、鼻、嘴等的形状和它们之间的几何关系（如相互之间的距离）。这些算法识别速度几何特征的人脸识别
快，需要的内存小，但识别率较低。
基于特征脸（PCA）的人脸识别方法
特征脸方法是基于KL变换的人脸识别方法，KL变换是图像压缩的一种最优正交变换。高维的图像空间经过KL变换后得到一组新的正交基，保留其中重要的正交基，由这些基可以张成低维线性空间。如果假设人脸在这些低维线性空间的投影具有可分性，就可以将这些投影用作识别的特征矢量，这就是特征脸方法的基本思想。这些方法需要较多的训练样本，而且完全是基于图像灰度的统计特性的。目前有一些改进型的特征脸方法。
神经网络的人脸识别方法
神经网络的输入可以是降低分辨率的人脸图像、局部区域的自相关函数、局部纹理的二阶矩等。这类方法同样需要较多的样本进行训练，而在许多应用中，样本数量是很有限的。
弹性图匹配的人脸识别方法
弹性图匹配法在二维的空间中定义了一种对于通常的人脸变形具有一定的不变性的距离，并采用属性拓扑图来代表人脸，拓扑图的任一顶点均包含一特征向量，用来记录人脸在该顶点位置附近的信息。该方法结合了灰度特性和几何因素，在比对时可以允许图像存在弹性形变，在克服表情变化对识别的影响方面收到了较好的效果，同时对于单个人也不再需要多个样本进行训练。
线段Hausdorff距离(LHD)的人脸识别方法
心理学的研究表明，人类在识别轮廓图（比如漫画）的速度和准确度上丝毫不比识别灰度图差。LHD是基于从人脸灰度图像中提取出来的线段图的，它定义的是两个线段集之间的距离，与众不同的是，LHD并不建立不同线段集之间线段的一一对应关系，因此它更能适应线段图之间的微小变化。实验结果表明，LHD在不同光照条件下和不同姿态情况下都有非常出色的表现，但是它在大表情的情况下识别效果不好。
支持向量机(SVM)的人脸识别方法
近年来，支持向量机是统计模式识别领域的一个新的热点，它试图使得学习机在经验风险和泛化能力上达到一种妥协，从而提高学习机的性能。支持向量机主要解决的是一个2分类问题，它的基本思想是试图把一个低维的线性不可分的问题转化成一个高维的线性可分的问题。通常的实验结果表明SVM有较好的识别率，但是它需要大量的训练样本（每类300个），这在实际应用中往往是不现实的。而且支持向量机训练时间长，方法实现复杂，该函数的取法没有统一的理论。
编辑本段人脸识别算法
一般来说，人脸识别系统包括图像摄取、人脸定位、图像预处理、以及人脸识别（身份确认或者身份查找）。系统输入一般是一张或者一系列含有未确定身份的人脸图像，以及人脸数据库中的若干已知身份的人脸识别
人脸图象或者相应的编码，而其输出则是一系列相似度得分，表明待识别的人脸的身份。 人脸识别算法分类 基于人脸特征点的识别算法（Feature-basedrecognitionalgorithms）。 基于整幅人脸图像的识别算法（Appearance-basedrecognitionalgorithms）。 基于模板的识别算法（Template-basedrecognitionalgorithms）。 神经网络识别
利用神经网络进行识别的算法（Recognitionalgorithmsusingneuralnetwork）。 基于光照估计模型理论 提出了基于Gammar灰度矫正的光照预处理方法,并且在光照估计模型的基础上，进行相应的光照补偿和光照平衡策略。 优化的形变统计校正理论 基于统计形变的校正理论，优化人脸姿态； 强化迭代理论 强化迭代理论是对DLFA人脸检测算法的有效扩展； 独创的实时特征识别理论 该理论侧重于人脸实时数据的中间值处理，从而可以在识别速率和识别效能之间，达到最佳的匹配效果
编辑本段采用人脸识别的优势
人脸识别的优势在于其自然性和不被被测个体察觉的特点。 所谓自然性，是指该识别方式同人类（甚至其他生物）进行个体识别时所利用的生物特征相同。例如人脸识别，人类也是通过观察比较人脸区分和确认身份的，另外具有自然性的识别还有虹膜识别
语音识别、体形识别等，而指纹识别、虹膜识别等都不具有自然性，因为人类或者其他生物并不通过此类生物特征区别个体。 不被察觉的特点对于一种识别方法也很重要，这会使该识别方法不令人反感，并且因为不容易引起人的注意而不容易被欺骗。人脸识别具有这方面的特点，它完全利用可见光获取人脸图像信息，而不同于指纹识别或者虹膜识别，需要利用电子压力传感器采集指纹，或者利用红外线采集虹膜图像，这些特殊的采集方式很容易被人察觉，从而更有可能被伪装欺骗。
编辑本段人脸识别困难性
人脸识别被认为是生物特征识别领域甚至人工智能领域最困难的研究课题之一。人脸识别的困难主要是人脸作为生物特征的特点所带来的。
相似性
不同个体之间的区别不大，所有的人脸的结构都相似，甚至人脸器官的结构外形都很相似。这样的特点人脸类似性
对于利用人脸进行定位是有利的，但是对于利用人脸区分人类个体是不利的。
易变性
人脸的外形很不稳定，人可以通过脸部的变化产生很多表情，而在不同观察角度，人脸的视觉图像也相差很大，另外，人脸识别还受光照条件（例如白天和夜晚，室内和室外等）、人脸的很多遮盖物（例如口罩、墨镜、头发、胡须等）、年龄等多方面因素的影响。 在人脸识别中，第一类的变化是应该放大而作为区分个体的标准的，而第二类的变化应该消除，因为它们可以代表同一个个体。通常称第一类变化为类间变化（inter-classdifference），而称第二类变化为类内变化（intra-classdifference）。对于人脸，类内变化往往大于类间变化，从而使在受类内变化干扰的情况下利用类间变化区分个体变得异常困难。
编辑本段人脸识别主要用途
人脸识别主要用于身份识别。由于视频监控正在快速普及，众多的视频监控应用迫切需要一种远距离、用户非配合状态下的快速身份识别技术，以求远距离快速确认人员身份，实现智能预警。人脸识别技术无疑人脸识别主要用于身份识别
是最佳的选择，采用快速人脸检测技术可以从监控视频图象中实时查找人脸，并与人脸数据库进行实时比对，从而实现快速身份识别。
编辑本段人脸识别模块在门禁系统中的应用
1．1社会背景 当前社会上频繁出现的入室偷盗、抢劫、伤人等案件的不断发生，鉴于此种原因，防盗门开始走进千家万户，给家庭带来安宁；然而，随着社会的发展，技术的进步，生活节奏的加速，消费水平的提高，人们对于家居的期望也越来越高，对便捷的要求也越来越迫切，基于传统的纯粹机械设计的防盗门，除了坚固耐用外，很难快速满足这些新兴的需求：便捷，开门记录等功能。 1．2技术概况 目前，人脸识别技术已经得到广泛的认同，但其应用门槛仍然很高：技术门槛高（开发周期长），经济门槛高（价格高）。 为了加快人脸识别技术在不同行业的应用，降低人脸识别技术的应用门槛，银晨公司为此专门开发设计了人脸识别模块，并根据防盗门这一家居行业的应用需求，提出参考设计。 基于“银晨人脸识别模块”的智能电子防盗门系统，除了具有上述功能，还可以在系统设计上增加：人脸识别﹑访客留言﹑陌生人报警﹑场景监控﹑陌生人留影（主要是脸部）。本设计主要针对“电子防盗门”或者“智能防盗门”（如IC卡，指纹等）的升级换代；同时兼顾传统的纯粹机械防盗门的升级。 系统 系统组成：电源（输入220V，输出DC12V）摄像机键盘喇叭人脸识别小模块接口板 系统描述：系统上电后，开始工作。使用时，首先用键盘输入工号建模；具体使用时，输入工号，开始识别，识别通过，控制继电器输出，从而控制门锁状态。 2．应用系统简介 2．1系统概述 系统组成： l门禁系统（主机）：内部安装有“人脸识别模块”选用“机械电控两用锁” 智能电子防盗门：与家庭防盗报警系统互连智能电子防盗门之三（与报警系统互连） 2．2系统功能以及技术参数： 系统功能： 自动人脸识别：当有人站在门口，红外感应器感应到有人，启动人脸识别；识别成功后，门自动打开 开门记录：每次开门，都有记录，可以查询 访客留言：录音与录像 陌生人录像：陌生人留影（主要是脸部）以及报警（主要是脸部） 场景监听： 门未关好语音提示：主人进屋后，如果门没有关好，会有语音提示 强行撞击报警:当有人强行撞击大门，震动传感器感应到此信号，启动报警开关，并抓拍场景以及人脸，保存在系统中。 非法开门报警:随时监测防盗门的情况 喇叭功能：内置喇叭，也可外接125dB高响度警号。 联网功能：通过串口联网 技术参数： 1、安装方式：本设备镶嵌在防盗门内，安装简单，使用方便。 2、外接电源：DC12V。 3、电池供电：5节5号电池，DC6V
编辑本段人脸识别新技术
传统的人脸识别技术主要是基于可见光图像的人脸识别，这也是人们最熟悉的识别方式，已有30多年的研发历史。但这种方式有着难以克服的缺陷，尤其在环境光照发生变化时，识别效果会急剧下降，无法满足实际系统的需要。解决光照问题的方案有三维图像人脸识别，和热成像人脸识别。但目前这两种技术还远不成熟，识别效果不尽人意。 最近迅速发展起来的一种解决方案是基于主动近红外图像的多光源人脸识别技术。它可以克服光线变化的影响，已经取得了卓越的识别性能，在精度、稳定性和速度方面的整体系统性能超过三维图像人脸识别。这项技术在近两三年发展迅速，使人脸识别技术逐渐走向实用化。
编辑本段人脸识别的应用
人脸识别的应用主要有如下方面。
公安刑侦破案
通过查询目标人像数据寻找数据库中是否存在重点人口基本信息。例如在机场或车站安装系统以抓捕在逃案犯。
门禁系统
受安全保护的地区可以通过人脸识别辨识试图进入者的身份。人脸识别系统可用于企业、住宅安全和管门禁人脸识别
理。如人脸识别门禁考勤系统，人脸识别防盗门等。
摄像监视系统
可在机场、体育场、超级市场等公共场所对人群进行监视，例如在机场安装监视系统以防止恐怖分子登机。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。
网络应用
信用卡网络支付
利用人脸识别辅助信用卡网络支付，以防止非信用卡的拥有者使用信用卡等。
身份辨识
如电子护照及身份证。这或许是未来规模最大的应用。在国际民航组织已确定，从2010年4月1日起，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。美国已经要求和它有出入免签证协议的国家在2006年10月26日之前必须使用结合了人脸指纹等生物特征的电子护照系统，到2006年底已经有50多个国家实现了这样的系统。今年年初，美国运输安全署（TransportationSecurityAdministration）计划在全美推广一项基于生物特征的国内通用旅行证件。欧洲很多国家也在计划或者正在实施类似的计划，用包含生物特征的证件对旅客进行识别和管理[7]。中国的电子护照计划公安部一所正在加紧规划和实施。
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。如人脸识别过程
果使用生物特征，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。
