Page 165 - 中国公共安全2-3月刊

浅谈安防行业

人脸识别技术应用

□ 文 / 顾长海

人脸识别是一种高精度、易于使用、稳定性高、 看， 2D 人脸图像线性子空间判别分析、统计表观
难仿冒的生物识别技术，是基于面部特征进行人员 模型、统计模式识别方法是这一阶段内的主流技术。
身份辨别的过程。人的面部特征与指纹、虹膜一样 第三阶段（1998 年 ~ 现在）, 这一阶段是人脸识别

具备唯一和不易被复制的优良属性。人脸识别研究 深度发展，研究面向真实条件下的人脸识别。主要
历史比较悠久，高尔顿（Galton）早在 1888 年和 1910 有如下进展，提出不同的人脸空间模型，如线性建
年就分别在《Nature》杂志发表了两篇关于利用人脸 模，非线性建模，3D 人脸建模；深入分析和研究影
进行身份识别的文章，对人类自身人脸识别能力进 响人脸识别的因素，如光照，年龄，姿态和表情等；
行了分析，但是当时还不涉及人脸的自动识别。 利用新的特征表示，局部描述子，深度学习。这一
人脸识别发展历程有明显的三个阶段，第一阶 时期也分为两个子阶段，2013 年之前，主要技术路
段（1964 年 -1990 年）是 以 Bertillon,Allen,Parke 线为人造或基于学习的局部描述因子 + 测度学习。
为代表，是人脸识别的初级阶段，为机器识别未实 2014 年起，主要技术路线为深度学习。深度学习
现系统自动识别，这一阶段没有出现重要成果，基 + 大数据（海量的有标注的人脸数据）成为人脸识
本没有得到实际应用；第二阶段（1991 年 ~1997 年）， 别领域的主要技术路线，网络变大变深（VGGFace
这一阶段是人脸识别技术的活跃期，涌现出大量的 16 层，FaceNet22 层），数据量不断变大（DeepFace
有条件可实用的人脸算法，如 MIT 特克和潘特兰德 400 万，FaceNet 2 亿），大数据成为提高人脸识别
提出的“特征脸”，促进了基于表观（Appearance- 性能的关键。
based）的线性子空间建模和基于统计模式识别技
术的人脸识别方法的发展；如贝尔胡米尔等提出 人脸识别技术的难点
的 Fisherface 人脸识别算法，该算法目前仍是主流 人脸识别技术尽管有了五十多年的研究历史，
算法之一，并产生了若干变种；如弹性图匹配技术 但其仍然受到光照、姿态、遮挡和年龄等多方面的
（Elastic Graph Matching，EGM）也是在这一阶段 因素影响。下面浅析识别技术的一些难点，首先姿

提出的，第一次提出用属性图来描述人脸。这一阶 态问题，人脸识别技术主要是通过人脸的表象特
段的人脸识别技术发展非常迅速。所提出的算法在 征来进行人员辨别，因此如何识别由姿态引起的面
较理想图像采集条件、对象配合、中小规模正面人 部变化就成了人脸识别技术的难点之一。如右图所
脸数据库上达到了非常好的性能。从技术方案上 示：姿态问题涉及头部在三维垂直坐标系中绕三个

2018第三届中国国际无人系统博览会(2018.6.22-6.24深圳会展中心)www.china-drone.com.cn 149

భခ࠯ඌ JOEE