全面解读人脸识别技术发展史.doc

《全面解读人脸识别技术发展史.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、全面解读人脸识别技术发展史　　要说人脸识别技术的爆发，当属去年9月份苹果iPhonex的发布，不再需要指纹，只需要扫描面部就可以轻松解锁手机。那么人脸识别究竟是什么呢？　　　　人脸识别技术，是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。　　人脸识别技术主要是通过人脸图像特征的提取与对比来进行的。人脸识别系统将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

2、。　　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。　　人脸识别技术发展　　早在20世纪50年代，认知科学家就已着手对人脸识别展开研究。20世纪60年代，人脸识别工程化应用研究正式开启。当时的方法主要利用了人脸的几何结构，通过分析人脸器官特征点及其之间的拓扑关系进行辨识。这种方法简单直观，但是一旦人脸姿态、表情发生变化，则精度严重下降。　　21世纪的前十年，随着机器学习理论的发展，学者们相继探索出了基于遗传算法、支持向量机（SupportVe

3、ctorMachine，SVM）、boosting、流形学习以及核方法等进行人脸识别。2009年至2012年，稀疏表达（SparseRepresentation）成为当时的研究热点。　　与此同时，业界也基本达成共识：基于人工精心设计的局部描述子进行特征提取和子空间方法进行特征选择能够取得最好的识别效果。Gabor及LBP特征描述子是迄今为止在人脸识别领域最为成功的两种人工设计局部描述子。这期间，对各种人脸识别影响因子的针对性处理也是那一阶段的研究热点，比如人脸光照归一化、人脸姿态校正、人脸超分辨以及遮挡处理等。　　自此之后，研究者们不断改进网络结构，同时扩大训练样本规模，将LFW上的

4、识别精度推到99．5％以上。　　人脸识别十大关键技术　　01　　人脸检测（FaceDetection）　　“人脸检测（FaceDetection）”的作用就是要检测出图像中人脸所在位置。　　人脸检测算法的原理简单来说是一个“扫描”加“判定”的过程。即首先在整个图像范围内扫描，再逐个判定候选区域是否是人脸的过程。因此人脸检测算法的计算速度会跟图像尺寸大小以及图像内容相关。在实际计算时，我们可以通过设置“输入图像尺寸”、或“最小脸尺寸限制”、“人脸数量上限”的方式来加速算法。　　02　　人脸配准（FaceAlignment）　　“人脸配准（FaceAlignment）”所实现的目的是定位

5、出人脸上五官关键点坐标。　　当前效果较好的一些人脸配准技术基本通过深度学习框架实现。这些方法都是基于人脸检测的坐标框，按某种事先设定规则将人脸区域抠取出来，缩放到固定尺寸，然后进行关键点位置的计算。另外，相对于人脸检测，或者是后面将提到的人脸特征提取的过程，人脸配准算法的计算耗时都要少很多。　　03　　人脸属性识别（FaceAttribute）　　“人脸属性识别（FaceAttribute）”是识别出人脸的性别、年龄、姿态、表情等属性值的一项技术。这在有些相机APP中有所应用，可以自动识别摄像头视野中人物的性别、年龄等特征并标注出来。　　　　人脸的属性识别包括性别识别、年龄估计、表情

6、识别、姿态识别、发型识别等等方面。一般来说每种属性的识别算法过程是独立的，但是有一些新型的基于深度学习实现的算法可以实现同时输出年龄、性别、姿态、表情等属性识别结果。　　04　　人脸提特征（FaceFeatureExtraction）　　“人脸提特征（FaceFeatureExtraction）”是将一张人脸图像转化为可以表征人脸特点的特征，具体表现形式为一串固定长度的数值。　　人脸提特征过程的输入是“一张人脸图”和“人脸五官关键点坐标”，输出是人脸相应的一个数值串（特征）。人脸提特征算法实现的过程为：首先将五官关键点坐标进行旋转、缩放等等操作来实现人脸对齐，然后在提取特征并计算出数

7、值串。　　05　　人脸比对（FaceCompare）　　“人脸比对（FaceCompare）”算法实现的目的是衡量两个人脸之间相似度。　　人脸比对算法的输入是两个人脸特征人脸特征由前面的人脸提特征算法获得，输出是两个特征之间的相似度。　　06　　人脸验证（FaceVerification）　　“人脸验证（FaceVerification）”是判定两个人脸图是否为同一人的算法。　　它的输入是两个人脸特征，通过人脸比对获得两个人脸特征的相似度，通过与预设的阈值