RSS订阅面部识别
贡献者：不爱吃窝瓜 浏览：2061次 创建时间：2015-04-01
-
面部识别
中文名面部识别
外文名Face Recognition
别 称人脸识别
作 用鉴别人身份
目录
1简介
2产生背景
3识别算法
4功能模块
5人脸识别技术优势
1.使用方便，用户接受度高
2.直观性突出
3.识别精确度高，速度快
4.不易仿冒
5.使用通用性设备
6.基础资料易于获得
7.成本较低，易于推广使用
6缺点
相似性
易变性
7应用前景
8苹果专利
1简介
面部识别又称人脸识别、面像识别、面容识别等等，
面部识别使用通用的摄像机作为识别信息获取装置。以非接触的方式获取识别对象的面部图像，计算机系统在获取图像后与数据库图像进行比对后完成识别过程。面部识别是基于生物特征的识别方式 ，与指纹识别等传统的识别方式相比，具有实时、准确、高精度、易于使用、稳定性高、难仿冒、性价比高和非侵扰等特性，较容易被用户接受。
2产生背景
在当今社会信息安全问题备受人们关注。自身安全和个人隐私保护成为这个时代的热门话题。基于密码、个人识别码、磁卡和钥匙等传统的安全措施已不能完全满足社会要求。在这样一个背景下，人们把目光投向了生物特征识别技术 —— 利用人体固有的生理特征或行为特征来进行身份的鉴别或确认。
3识别算法
人脸识别技术中被广泛采用的区域特征分析算法，它融合了计算机图像处理技术与生物统计学原理于一体，利用计算机图像处理技术从视频中提取人像特征点，利用生物统计学的原理进行分析建立数学模型,即人脸特征模板。利用已建成的人脸特征模板与被测者的面像进行特征分析，根据分析的结果来给出一个相似值。通过这个值即可确定是否为同一人。
4功能模块
人脸捕获与跟踪功能：
人脸捕获是指在一幅图像或视频流的一帧中检测出人像并将人像从背景中分离出来，并自动地将其保存。人像跟踪是指利用人像捕获技术，当指定的人像在摄像头拍摄的范围内移动时自动地对其进行跟踪。
人脸识别比对：
人脸识别分核实式和搜索式二种比对模式。核实式是对指将捕获得到的人像或是指定的人像与数据库中已登记的某一对像作比对核实确定其是否为同一人。搜索式的比对是指，从数据库中已登记的所有人像中搜索查找是否有指定的人像存在。
人脸的建模与检索：
可以将登记入库的人像数据进行建模提取人脸的特征，并将其生成人脸模板（人脸特征文件）保存到数据库中。在进行人脸搜索时（搜索式），将指定的人像进行建模，再将其与数据库中的所有人的模板相比对识别，最终将根据所比对的相似值列出最相似的人员列表。
真人鉴别功能：
系统可以识别得出摄像头前的人是一个真正的人还是一幅照片。以此杜绝使用者用照片作假。此项技术需要使用者作脸部表情的配合动作。
图像质量检测：
图像质量的好坏直接影响到识别的效果，图像质量的检测功能能对即将进行比对的照片进行图像质量评估，并给出相应的建议值来辅助识别。
5人脸识别技术优势
人脸识别作为一种新兴的生物特征识别技术(Biometrics)，与虹膜识别、指纹扫描、掌形扫描等技术相比，人脸识别技术在应用方面具有独到的优势：
1.使用方便，用户接受度高
人脸识别技术使用通用的摄像机作为识别信息获取装置，以非接触的方式在识别对象未察觉的情况下完成识别过程。
2.直观性突出
人脸识别技术所使用的依据是人的面部图像，而人脸无疑是肉眼能够判别的最直观的信息源，方便人工确认、审计，“以貌取人”符合人的认知规律。
3.识别精确度高，速度快
与其它生物识别技术相比，人脸识别技术的识别精度处于较高的水平，误识率、拒认率较低。
4.不易仿冒
在安全性要求高的应用场合，人脸识别技术要求识别对象必须亲临识别现场，他人难以仿冒。人脸识别技术所独具的活性判别能力保证了他人无法以非活性的照片、木偶、蜡像来欺骗识别系统。这是指纹等生物特征识别技术所很难做到的。举例来说，用合法用户的断指即可仿冒合法用户的身份而使识别系统无从觉察。
5.使用通用性设备
人脸识别技术所使用的设备为一般的PC、摄像机等常规设备，由于目前计算机、闭路电视监控系统等已经得到了广泛的应用，因此对 于多数用户而言使用人脸识别技术无需添置大量专用设备，从而既保护了用户的原有投资又扩展了用户已有设备的功能，满足了用户安全防范的需求。
6.基础资料易于获得
人脸识别技术所采用的依据是人脸照片或实时摄取的人脸图像，因而无疑是最容易获得的。
7.成本较低，易于推广使用
由于人脸识别技术所使用的是常规通用设备，价格均在一般用户可接受的范围之内，与其它生物识别技术相比，人脸识别产品具有很高的性能价格比。
概括地说，人脸识别技术是一种高精度、易于使用、稳定性高、难仿冒、性价比高的生物特征识别技术，具有极其广阔的市场应用前景。
6缺点
面部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。面部识别的困难主要是面部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，所有的面部的结构都相似，甚至面部器官的结构外形都很相似。这样的特点对于利用面部进行定位是有利的，但是对于利用面部区分人类个体是不利的。
易变性
面部的外形很不稳定，人可以通过脸部的变化产生很多表情，而在不同观察角度，面部的视觉图像也相差很大，另外，面部识别还受光照条件（例如白天和夜晚，室内和室外等）、面部的很多遮盖物（例如口罩、墨镜、头发、胡须等）、年龄等多方面因素的影响。
在面部识别中，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，而称第二类变化为类内变化。对于面部，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。
7应用前景
目前生物识别技术已广泛用于政府、军队、银行、社会福利保障、电子商务、安全防务等领域。例如，一位储户走进了银行，他既没带银行卡，也没有回忆密码就径直提款，当他在提款机上提款时，一台摄像机对该用户的眼睛扫描，然后迅速而准确地完成了用户身份鉴定，办理完业务。这是美国德克萨斯州联合银行的一个营业部中发生的一个真实的镜头。而该营业部所使用的正是现代生物识别技术中的“虹膜识别系统”。此外，美国“9.11”事件后，反恐怖活动已成为各国政府的共识，加强机场的安全防务十分重要。美国维萨格公司的脸像识别技术在美国的两家机场大显神通，它能在拥挤的人群中挑出某一张面孔，判断他是不是通缉犯。 随着技术的进一步成熟和社会认同度的提高，人脸识别技术将应用在更多的领域。
1、企业、住宅安全和管理。如人脸识别门禁考勤系统，人脸识别防盗门等。
2、电子护照及身份证。这或许是未来规模最大的应用，国际民航组织(ICAO)已确定，从2010年起，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。中国的电子护照计划公安部一所正在加紧规划和实施。
3、公安、司法和刑侦。如利用人脸识别系统和网络，在全国范围内搜捕逃犯。
4、自助服务。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。
5、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。但是使用生物特征，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。
8苹果专利
2012年12月13日，美国专利商标局再度公布了苹果的一项新专利，这项专利发明所描绘的整套系统是，通过对特有照片的主题、标题进行分析，随后用这些搜集到的数据建立一个“faceprint（面部印记）”，已建立完成的faceprint就能与其他照片进行匹配，最终识别出照片上的人是谁。
苹果在专利申请中着重讲述这种faceprint自动识别系统主要针对的是公众人物，或是标志性图形，而不是用户的朋友家人之类的。这项发明需要数字图像管理应用的支持，用以分析给定照片中的内容，创建faceprint后再通过脸部识别来辨认其他照片上的人。
苹果获得的这项专利还描述了将多个faceprint数据通过可靠性分数分组的功能，比如说设备中存储了某人几十年以来的各种照片，现在他的长相肯定和40年前有很大的变化了，系统就能对这些年份跨度较大的照片进行统计分析，并且归为一组。
专利文件中指出，faceprint即是特征向量的一个子系统，可对物体进行识别，所以说faceprint实际上也可以用来识别非人脸的事物，比如建筑物。
要实现在选定的数码照片中进行人脸识别，脸部侦测/识别软件生成一组特性或是faceprint，这些特性和faceprint可对人脸的个性化细节做详细的描述。
然后生成的faceprint会和其他的faceprint进行比较，以确定两者是否吻合（或者足够相似）。如果发现对比的faceprint相互匹配，则脸部侦测/识别软件确定当前照片上的人就是数据中已存在faceprint信息的人。
在照片分析过程中，管理应用将faceprint于其他已经生成储存在本地或远程服务器上的faceprint进行比较。如果发现两个数据相互匹配，那么软件就会为此人贴标。
faceprint匹配的可靠性主要依赖于脸部识别技术，在匹配过程中会有一个相应的分数，如果分数低于临界值，即判定为两者不匹配。
用户也可以在识别的过程中进行反馈，干预此过程以便提高识别效率，点击绿色按钮表示正确，点击红色“X”按钮表示识别有问题。
这项专利还考虑到了类似iPhone这样的设备，可在本地创建和存储faceprint数据，或者使用离线缓存进行识别工作。另外faceprint内容的存储也可在云端进行，并且与设备进行同步。另外照片还可实现预读，以便整个识别的过程更快。
开放分类
参考资料
百度百科
贡献者
本词条在以下词条中被提及：
关于本词条的评论共：（0条）
