浅谈人脸识别技术发展

浅谈人脸识别技术发展（精选8篇）

1.浅谈人脸识别技术发展 篇一

人脸识别技术是什么原理

1面像识别原理2、1、1面像识别技术概述

面像识别是近年来随着计算机技术、图象处理技术、模式识别技术等技术的快速进步而出现的一种崭新的生物特征识别技术。生物识别技术是依靠人体的身体特征来进行身份验证的一种高科技识别技术，如同人的指纹、掌纹、眼虹膜、DNA以及相貌等人体特征具有人体所固有的不可复制的唯一性、稳定性、无法复制一样，不易失窃或被遗忘。由于每个人的这些特征都不相同，因此利用人体的这些独特的生理特征可以准确地识别每个人的身份。

随着计算机技术的迅速发展，人们开发了指纹识别、声音识别、掌形识别、签名识别、眼纹（视网膜）识别等多种生物识别技术，目前许多技术都己经成熟并得以应用。而面像识别技术则是生物识别技术的新秀，与其他识别技术相比较，面像识别具有简便、准确、经济及可扩展性良好等众多优势，可广泛应用于安全验证、监控、出入口控制等多个方面。

面像识别技术包含面像检测、面像跟踪与面像比对等课题。面像检测是指在动态的场景与复杂的背景中判断是否存在面像并分离出面像，面像跟踪指对被检测到的面像进行动态目标跟踪，面像比对则是对被检测到的面像进行身份确认或在面像库中进行目标搜索。

面像检测分为参考模板、人脸规则、样本学习、肤色模型与特征子脸等方法。参考模板方法首先设计一个或数个标准人脸模板，然后计算测试样本与标准模板之间的匹配程度，通过阀值来判断是否存在人脸；人脸具有一定的结构分布特征，人脸规则即提取这些特征生成相应的规则以判断测试样本是否包含人脸；样本学习则采用模式识别中人工神经网络方法，通过对面像样本集和非面像样本集的学习产生分类器；肤色模型依据面像肤色在色彩空间中分布相对集中的规律来进行检测；特征子脸将所有面像集合视为一个面像子空间，基于检测样本与其在子空间的投影之间的距离判断是否存在面像。

上述方法在实际系统中也可综合采用。

面像跟踪一般采用基于模型的方法或基于运动与模型相结合的方法，另外，肤色模型跟

踪也不失为一种简单有效的手段。

面像比对从本质上讲是采样面像与库存面像的依次比对并找出最佳匹配对象。因此，面像的描述决定了面像识别的具体方法与性能。目前主要有特征向量与面纹模板两种描述方

法，特征向量法先确定眼虹膜、鼻翼、嘴角等面像五官轮廓的大小、位置、距离、角度等等

属性，然后计算出它们的几何特征量，这些特征量形成一描述该面像的特征向量；面纹模板

法则在库中存储若干标准面像模板或面像器官模板，在比对时，采样面像所有象素与库中所

有模板采用归一化相关量度量进行匹配。另外，还有模式识别的自相关网络或特征与模板结

合的方法。

面像识别技术的最新进展是可以通过摄象机来搜索捕捉识别活动的人像，而不仅仅

识别照片。例如，最近由美国新泽西州Visionics公司开发的面像局部特征分析法识别

系统，仅用一部摄象机和一台计算机，即可在人群中识别出某个人来。

该系统利用摄象机扫描拍摄的某一区域，搜索有可能是人脸的形状。然后在存储器

中搜索已事先存入的与之类似的面部特征。为了确认扫描到的眼睛、鼻子和嘴等特征就是一

个活人而不是人体模型或图片，系统还对眨眼或其他可以提供信息的面部动作进行搜索。

然后系统对组成面部图像的像素进行分析。它将每个像素点的明暗度与相邻点进行比较，查找明暗度向周围呈放射突变的区域。在眉骨、眼睛、或者其他突起的特征，比如颧骨和鼻子等处，都会出现这种突变。系统将勾勒出每一个这种像素点的位置，这些点称为“参照点”然后在点之间连线，形成一个由三角形构成的网络。

系统将测量每个三角形的角度，生成由672个1和0组成的数来描述一张面孔。之后程

序尝试从它的数据库中找出与该数据相匹配的类似记录。这种匹配不可能绝对理想，因此软

件会将相似程度分为不同的等级。软件是根据骨络结构描绘参考点的，因此胡须、化妆和眼

睛等伪装都不可能骗过它。

用于扑捉面部图像的除了为标准视频外，近来的发展趋势是热成像技术。热成像技术通

过分析由面部的毛细血管的血液产生的热线来形成面部图像，与视频摄像头不同，热成像技

术并不需要在较好的光源条件下，因此即使在黑暗情况下也可以使用。并可更好地排除胡须、头发以及化妆引起的面部变化的干扰。2、1、2面像识别过程

1．建立面像档案:可以从摄像头采集面像文件或取照片文件，生成面纹(Faceprint)编码；

2．获取当前面像，可以从摄像头捕捉面像或取照片输入，生成其面纹；

3．将当前面像的面纹编码与档案中的面纹编码进行检索比对。

“面纹”编码方式是根据脸部的本质特征和开头来工作的，它可以抵抗光线、皮肤色调、面部毛发、发型、眼镜、表情和姿态的变化，具有强大的可靠性，使得它可以从百万人中精确地辨认出一个人。

上述整个过程都自动、连续、实时地完成，而且系统只需要普通的处理设备。几乎所有的生物测量过程对人们来说都是一种干扰。指纹和掌纹的测定需要人们将手放在玻璃表面。虹膜扫描需要用激光照射你的眼睛。面部识别最大的优越性在于它的方便性, 快速性，而且是非侵扰的。面部识别无需干扰人们行为而达到识别效果，无需为是否愿意将手放在指纹采集设备上，或对着麦克风讲话，或是将他们的眼睛对准激光扫描装置而进行争辩。你只要很快从一架摄像机前走过，你就已经被快速的检验。2、1、3面像识别技术应用范围

面像识别技术作为生物识别技术体系的后起之秀，将有着十分广泛的应用前景。可应用于诸多领域，如出入口控制、银行金融系统、公安追辑嫌疑犯、反恐怖斗争以及互联网中等等。在我国开展的“追逃”斗争，如果能利用面像识别技术，则可大大提高工作效率，并能对犯罪分子产生极大的威慑力量。使用面像识别系统只要在重要的车站、码头、机场、海关出入口附近架设摄像机，系统即可在无人职守的状态下，自动捕捉进、出上述场所的人员的头像，并通过计算机网络将面像特征数据传送到计算机中心数据库，自动与面像数据库中的逃犯面像比较，迅速准确地作出身份判断。一旦发现吻合的头像，可以自动报警并记录。

我国银行金融系统对安全控制有着极高的要求，如电子商务信息系统、金库的安全设施、保险柜、自动柜员机的使用等。由于近年来金融诈骗、抢劫发生率有所增高，对传统安全措施提出了新的挑战。面像识别技术不需要携带任何电子、机械“钥匙”，可以杜绝丢失钥匙、密码的现象，如果配合IC卡、指纹识别等技术可以使安全系数成倍增长。同时，在ATM自动取款机上应用面像识别技术，可以免除用户忘记密码的苦恼，还可以有效防止冒领、盗取的事件发生。

目前，在我国，面部识别技术的研究和应用还刚刚开始，但在欧美等发达国家这一技术已被应用在许多场所。特别是“9.11”恐怖事件之后，美国警方率先在冰岛国际机场、美国波士顿机场、美国奥克兰机场、美国亚特兰大机场、美国休斯敦机场等开始应用这一先进技术，借助闭路监视系统监控扫描人群自动搜寻警方所需要的恐怖分子目标。

蒋遂平:人脸识别技术及应用简介人脸识别的分类

1.1 鉴别、验证和监控

(1)鉴别(identification)：鉴别回答“这是谁？” 将给定的人脸图象与计算机中存储的N个人的图象逐个比较，输出M幅图象，这些按与给定图象的相似度从大到小排列，再由人来确定这是谁。通常，一个人在计算机中只存储一幅正面图象。

(2)验证(verification)：验证回答“这是否为某人？” 将给定的人脸图象与与计算机中存储的某人的图象比较，回答给定的图象是否为某人的图象。通常，一个人在计算机中存储多幅不同角度的图象。

(3)监控(watch list)：监控同时具有鉴别和验证，回?quot;这是否为要找的人？"(Are you looking for me?)。将未知身份的人的图象输入计算机，计算机决定这个人是否在监控名单中，如果在，还必须确定这个人的身份。

1.2 人脸识别和人头识别

(1)人脸识别：输入给计算机识别的人脸图象，只包括人的脸部部分，没有背景、头发、衣服等。这时，计算机在进行真正的人脸识别。

(2)人头识别：输入给计算机识别的人脸图象，除了包括人的脸部有皮肤的部分外，还有部分背景、头发、衣服。这时，人脸的五官特征是次要的，头发、背景、人脸轮廓等是主要特征，一旦头发、背景等变化，识别率下降。

1.3 自动与半自动人脸识别

(1)自动人脸识别：输入到计算机的图象可以是包含人脸的图象，由计算机自动检测人脸部分进行分割后，进行识别。最初人们认为人脸检测是件容易的事，后来发现人脸检测可能比人脸识别更困难（特别是在灰度图象情况下，这时没有运动信息和肤色信息可利用），人脸检测已经是一个独立的研究课题。

(2)半自动人脸识别：采用人工确定人脸图象中两眼各自的中心位置，计算机根据这两个位置分割人脸图象，进行识别。常用于人脸鉴别。人脸识别的性能

2.1主要性能指标

测量人脸识别的主要性能指标有：（1）误识率(False Accept Rate, FAR)：这是将其他人误作指定人员的概率；（2）拒识率(False Reject Rate, FRR)：这是将指定人员误作其它人员的概率。

计算机在判别时采用的阈值不同，这两个指标也不同。一般情况下，误识率FAR 随阈值的增大（放宽条件）而增大，拒识率FRR 随阈值的增大而减小。因此，可以采用错误率（Equal Error Rate, ERR）作为性能指标，这是调节阈值，使这FAR和FRR两个指标相等时的FAR 或 FRR。

2.2 影响人脸识别性能的因素及解决方法

(1)背景和头发：消除背景和头发，只识别脸部图象部分。

(2)人脸在图象平面内的平移、缩放、旋转：采用几何规范化，人脸图象经过旋转、平移、缩放后，最后得到的脸部图象为指定大小，两眼水平，两眼距离一定。

(3)人脸在图象平面外的偏转和俯仰：可以建立人脸的三维模型，或进行三维融合(morphing)，将人脸图象恢复为正面图象。

(4)光源位置和强度的变化：采用直方图规范化，可以消除部分光照的影响。采用对称的从阴影恢复形状(symmteric shape from shading)技术，可以得到一个与光源位置无关的图象。

(5)年龄的变化：建立人脸图象的老化模型。

(6)表情的变化：提取对表情变化不敏感的特征，或者将人脸图象分割为各个器官的图象，分别识别后再综合判断。

(7)附着物（眼镜、胡须）的影响。

(8)照相机的变化：同一人使用不同的照相机拍摄的图象是不同的。应用情况

在无数影视或新闻中出现过这样的场景：警方利用人脸识别技术抓住了罪犯。然而，在现实生活中，人脸识别技术的效果并不令人满意。

美国陆军实验室在13周时间内，用270人的图象测试一个人脸识别系统，发现识别率只有 51%。这套系统在机场中进行测试时，存储了250人的图象，其中的15人在1个月内通过摄影机958次，只有455次被正确辨认，识别率只有47%。在美国一个机场开展的一项为期8周的公开测试中，使用一家公司的人脸识别系统，在4个星期出错率为53%。在另一个机场开展的一项为期90天的测试中，人脸识别系统发出的错误警报也太多。

人脸识别技术效果不尽如人意的原因：真人的电视图像与存储在数据库中的照片在布光和角度方面有差别。目前的人脸识别技术在人处于静止状态或一小群人通过检测点时有效，因此不适合在交通流量大的机场和街道拐角处使用。人脸识别要得到广泛采用，还很有待时日。

2.浅谈人脸识别技术发展 篇二

关键词：智能分析,人脸识别,技术,领域

随着国内人脸识别技术与智能分析水平的不断成熟, 这两种技术已经被越来越多的推广到安防领域。随着计算机性能的飞跃性发展和成像技术的进一步提高, 三维人脸识别技术成为市场最受关注的新方法, 目前, 国内的人脸识别技术已经相对发展成熟。而对于国内的智能分析, 从早期的行为分析应用到目前的各行业的深化应用, 随着安防行业的迅速扩张和发展, 国内的智能分析得到了非常迅猛的发展。照现在安防行业的发展情况来看, 这两种技术相结合将会是未来的发展趋势。

1 智能分析+人脸识别技术应用的特点

大安防市场涉及了不同的领域, 从高端金融、交通领域到连锁商铺、小区安防等;涉及了不同的技术, 从光学、电学到通信及智能分析;面对复杂的社会与治安现状, 大安防市场为什么会选择智能分析+人脸识别技术为发展方向呢?先从大安防技术应用的三大特点来进行分析:

特点一:智能分析可以对画面中特定的物体进行建模, 并通过大量样本进行训练, 从而达到对视频画面中的特定物体进行检测及相关应用。它还可以带动高清的监控市场, 在高清成像显示的前提下, 融合计算机分析技术及其管理模式, 配合监控系统的“眼睛”与“大脑”, 将两者结合起来进行更好的应用。

特点二:人脸识别技术是一门融合生物学、心理学和认知学等多学科、多技术的新的生物识别技术。可用于身份确认 (一对一比对) 、身份鉴别 (一对多匹配) 、访问控制 (门监系统) 、安全监控 (银行、海关监控) 、人机交互 (虚拟现实、游戏) 等。由于其具有特殊的技术特征, 未来的识别领域, 人脸识别技术将会具有广泛的市场应用前景, 它带动生物识别的发展, 在区别人与人或物与物之间的不同时, 发挥生物识别的唯一性与准确性等特点。

特点三:在大安防市场中, 如何快速定位一个人, 在大量的数据库中快速寻找到所需要的人员面部信息。这就需要把智能分析与人脸识别技术结合起来, 另外还需要加入视频数据挖掘技术, 才能够真正实现大安防监控的作用。

2 大安防产品存在的特点

除了上面所分析的特点外, 还有许多技术融入其中。比如, 智能分析、网络化、高清华、数字化、识别跟踪技术等等。而且大安防市场涉及的监控产品也是数不胜数, 从这些产品中可以看出大安防市场存在的特点。

特点一:大安防市场不等同于一个单一的监控系统, 它的产品种类繁多, 所需要的设备多到很难用单一的数字去衡量。当大多数的产品都需要在工程中体现时, 将小产品嵌入到前端或存储设备中是很好的选择。另外, 现在越来越多的人将智能分析前移至监控摄像机中, 能够在第一时间获取有关信息, 因此, 要实现图像与声音的统一传播。大安防市场的需求包括音频的监听, 所以需要将拾音器集成在前端设备中, 通过内置微型光端机不同的编解码过程, 呈现到拼接屏中。

特点二:由于现在的监控设备已经越来越多, 因此要实现科学化管理及调度应该配备统一的指挥中心。将一个区域内的所有网络设备都由指挥中心统一管理、统一支配, 青睐于平台化管理, 实现监控管理正规化。

3 智能分析+人脸识别技术的发展趋势

目前人脸识别技术在国内已经得到了广泛的应用。人脸识别市场对金融行业、公安监狱、政府行业、边境管制等一些对保安要求较高的行业外, 现在一些普通的用户也逐渐对这种技术加以重视, 开始接受并且使用相关产品。人脸识别技术是一个更为安全可靠易用的身份鉴别手段, 可以提升整个网络信息系统的安全性能, 有效地遏止各类网络违法犯罪活动。现在的人脸识别技术可以与传统的技术紧密结合, 大大提升原有系统的智能化程度、安全性及易用性, 从而促进了传统产业的技术升级。从市场发展前景来看, 人脸识别技术将会得到更好地发展。

智能分析技术主要是朝着提高准确率的方向发展同时还会朝着关注效率的一些应用方向发展。主要可以从以下几个方面发展:

(1) 根据现在的发展情况来看, 后续的智能分析产品应该是带有强大的自学习和自适应功能的。对于不同的复杂环境进行自动学习和过滤, 把视频中一些干扰目标的东西进行自动过滤, 从而提到准确率, 降低调试复杂度的目的。

(2) 从源头增加可判断信息, 从获取的视频中搜索带有目标的深度信息。分析算法计算可以通过这些信息准确的判断物体之间的距离、深度、高度等信息, 能够提高整体算法的准确性。

(3) 随着智能分析技术的快速发展, 视频数据深入挖掘就应该得到迅速的发展。利用各种不同的算法计算, 从大量的视频数据中能够快速有效的寻找到所需要的信息。可以大大降低人工成本, 提高效率, 甚至有些方面可以让一些人工无法完成的任务成为可能。比如, 人脸数据库检索, 视频中穿某种衣服, 某种颜色的车辆查找, 车牌查找等。

无论是从技术上还是从产品上来说, 大安防市场智能分析+人脸识别技术已经成为未来的发展方向。在带动传统的安防技术外, 云计算、光学技术、LCD液晶技术等也许都可以成为大安防的左膀右臂。由于大安防市场中的监控设备布线及管理是一个比较复杂的工程, 如果想要解决这个难题还需要3G乃至4G的无线网络支持。

4 总结

目前, 随着数字化、网络化、高清化、智能化建设的不断发展, 以及用户对视频监控应用要求的不断提高, 很多产品已经不能满足信息化的需求。因此, 如今各个技术也是蓄势待发的状态, 我们相信在不久的将来, 大安防行业将会出现很好的发展趋势, 把智能分析与人脸识别技术结合起来是一个很好的市场发展前景, 为整个大安防的不断发展做出应有的贡献。

参考文献

[1]魏育成, 赵彩云.身体就是身份证——生物特征识别技术及其在安防领域的应用[J].中国安防.2009 (04)

[2]李建勇.人脸识别技术在视频监控系统中的应用[J].中国安防.2009 (04)

[3]陈永.人脸识别技术打造平安社会[J].中国安防.2009 (04)

[4]雷玉堂.面像识别与其他生物识别技术的比较[J].中国公共安全 (市场版) .2007 (06)

[5]王金庭, 杨敏.人脸检测技术研究[J].计算机系统应用.2006 (04)

3.人脸检测及识别技术综述 篇三

【关键词】人脸检测；人脸定位；特征提取；人脸识别

0.引言

在现实生活中，很多情况下都需要进行身份验证。人脸是人体最重要的外貌特征，由于脸部信息可以通过如摄像头等非接触的方式取得，所以非常适合作为身份鉴别的依据。与指纹识别、虹膜识别等诸多生物识别技术比较而言，人脸识别技术的独特之处还表现这种识别技术具有直接，友好，方便的特点，使用者无任何心理障碍，易于为用户所接受。该技术被广泛应用于国家安全、军事安全和公安、司法、民政、金融、民航、海关、边境、口岸、保险及其他民用安全控制系统等领域当中。此外，人脸识别技术的研究还涉及生理学、心理学、人工智能、模式识别、图像处理等多个学科领域，因此它具有重要的理论研究价值。

1.人脸检测

人脸检测问题起源于人脸识别技术。人脸检测从总体上可分为两大类：基于先验知识的人脸检测方法和基于后验学习和训练的人脸检测方法。

1.1基于先验知识的人脸检测方法

基于先验知识的人脸检测方法自上而下，依据人脸面部器官的对称性、灰度差异等先验知识，将人脸面部器官之间的关系编码并制定出一系列的准则。当待测图像中的某些区域符合该准则，该区域就被检测为人脸。

此类方法所使用的特征可以分为灰度特征、形状特征、结构特征、纹理特征和颜色特征。

1.1.1灰度特征

多个人脸图像的平均就是一个简单的人脸模板，同时，人脸的眉、眼、嘴、前额、鼻梁、下颌、脸颊等区域的灰度值较高，因而人脸具有特定的灰度分布特征。对人脸区域进行水平和垂直方向的灰度投影，根据极小值点位置即可得到眼、鼻、嘴等各自所处的区域。因此基于灰度特征建立人脸模板可以检测人脸。

1.1.2形状特征

从人脸子器官的形状和相互位置关系出发，提取人脸特征。人脸轮廓、眉毛轮廓、嘴唇轮廓、鼻侧线等可以近似视为椭圆、弧线、线段组合等简单的几何单元。与灰度特征相比，形状特征对光照变化具有一定的鲁棒性。Graf等首先利用带通滤波器选择出一段频率，然后根据形态学的知识设定一系列的阈值找出眼睛、嘴巴等区域，最后依照以上位置检测出人脸。Leung等提出任意图匹配的方法，其主要目的是用准则正确表达出面部特征的几何分布。

1.1.3结构特征

人脸具有对称性。正面人脸是左右对称的，对应的灰度特征和形状特征基本相同。眉毛、眼睛、鼻子和嘴巴等区域是按照一定比例关系组织在一起的。各个器官自上而下排列，两眼和嘴中心构成一个三角形。

1.1.4纹理特征

人脸图像具有一定的纹理特征。灰度共生矩阵或者Gabor小波等频域特征可以表征人脸图像的纹理特性。

1.2基于后验学习和训练的人脸检测法

这一方法实际上是将人脸检测问题转化为统计模式识别的二分类问题。通过对大量的“人脸”与“非人脸”样本进行训练，得到“人脸”与“非人脸”分类器，通过判别图像中所有可能区域属于哪类模式的方法实现人脸的检测。此类人脸检测方法主要有基于Adaboost级联分类器的方法，基于概率模型的方法，基于支持向量机的方法等。

2.人脸识别

2.1特征脸（Eigenface）方法

以主成分（Principal Component Analysis ，PCA）分析理论为基础的人脸识别方法称为特征脸方法。PCA是通过K-L变换展开的网络递推实现， K-L 变换是一种常用的特征提取方法，对消除模式特征之间的相关性、突出差异性有最显著的效果。特征脸识别方法就是把含有人脸图像的区域作为一种随机向量，继而用K-L变换得到其正交基底。这些基底中特征值较大的基底具与人脸的形状相似，所以称之为特征脸。而这些基底的线性组合可以表述和充分接近人脸的图像，就可以对人脸进行识别和合成。识别过程是首先得到由特征脸组成的子空间，将人脸图像映射到该子空间上，进而比较其与标准的人脸图像在特征脸空间中位置的差异。

2.2奇异值分解方法

奇异值特征是一种代数特征，它用于反映图像的本质属性。在某种程度上，奇异值特征除了具有比例不变性、旋转不变性等重要性质，在某种程度上还具有代数和几何的双重稳定性。利用这一特性，可以用奇异值分解对人脸图像矩阵提取出图像的代数特征后进行匹配识别。在奇异值分解的基础上利用奇异值分解方法可以产生多种人脸识别方法。例如基于图像集似然度的人脸识别方法，是用人脸图像集中每个人脸图像的奇异值向量构造出一个特征矩阵，再用待检测人脸的特征矩阵与已知的各类人脸图像的特征矩阵做似然度的对比，判断待检测人脸属于人脸图像集中的哪一类。

除了上述几种典型的方法之外，灰度模板、可变形模板、弹性属性图、频域特征表示法、光流形状模型、光照锥模型等也是较常用的人脸表示方法。

2.3弹性图匹配技术

弹性图匹配技术是对几何特征进行分析的基础上，结合对灰度分布信息进行小波纹理分析的识别算法。早期，Lades等人提出了针对畸变不变性物体的动态链接模型，用稀疏图形来描述物体，用局部能量谱的多尺度描述标记顶点，其拓扑连接关系用边来表示且标记为几何距离，然后应用塑性图形匹配技术来寻找最近的已知图形。随后，Wiscot等人对改技术进行了改进。由于该方法保留了人脸图像的空间信息，提取了描述人脸图像的局部特征，并在一定程度上允许人脸从三维投影到二维引起变形的情况，因此这种方法具有典型代表性。

2.4人工神经网络方法

在人脸识别技术的发展过程中，神经网络的应用研究从未停止。人工神经网络最早应用于人脸识别技术的是一种单层的自适应网络WISARD。后期多使用多层感知器（MLP）识别人脸图像，其方法是直接将原始的未经任何处理的人脸灰度图像送入MLP的输入层，却常常导致输入节点的数目过多。为了解决这个问题，研究者们将图像进行采样、分割或映射等处理后送到MLP中记性分类，大大提高了识别的精确度。除MLP外，研究人员还提出了许多不同的神经网络结构，取得了较为理想的识别效果。

3.总结与展望

本文结合人脸检测与识别技术的发展状况，对人脸检测技术和人脸识别技术分别进行了综述。由于各方面对身份验证这一人机交互技术需求的激增，作为身份验证中最重要技术的人脸检测与识别技术正日益受到重视。在世界范围内已经成为了研究的热点。人脸检测与识别技术牵涉面十分广泛，理论问题也非常多，目前出现形成一个专题的趋势。

4.浅谈人脸识别技术发展 篇四

2008年，北京奥运会开幕式正式使用了中国自主知识产权的人脸识别比对系统;

2010年 4月 1日起，国际民航组织(ICAO)已确定其 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;

2011年，Face book初次引入人脸识别技术，登陆人员可以免信息验证而激活页面;2012年3月6日，江苏省公安厅与南京理工大学日前签约共建“社会公共安全重点实验室”，开展“人脸识别”技术相关领域项目攻关;

目前，英国机场也开始启动人脸识别技术加强安检……

人脸识别技术自21世纪被引起中国，随着在各行各业的逐渐认识及应用，以及该技术水平的不断完善，现在已经被越来越多的推广到门禁和考勤等应用领域，被广泛用于政府、军队、银行、社会福利保障、电子商务、安全防务等领域。

人脸识别技术是基于人的脸部特征对输入的人脸图像或视频流，首先判断其是否存在人脸，如果存在人脸，则进一步的给出每个脸的位置、大小和各个主要面部器官的位置信息;并依据这些信息，进一步提取每个人脸中所蕴涵的身份特征，并将其与已知的人脸进行对比，从而识别每个人脸的身份。广义的人脸识别包括构建人脸识别系统的一系列相关技术，如人脸图像采集、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。

人脸识别有三大优势：一是其自然性，所谓的自然性是指该识别方式同人类(包括其它生物)进行个体识别时所利用的生物特征相同，是通过观察比较人脸区分和确认身份;具有自然性的识别还有语音识别和体形识别，而指纹识别和虹膜识别等因人类或其他生物不能通过此类生物特征区别个体所以是不具备自然性的。二是非强制性，被识别的人脸图像信息可以主动获取而不被被测个体察觉，人脸识别是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，从而带有可被伪装欺骗性。第三个优点是非接触性，相比较其他生物识别技术而言，人脸识别是非接触的，用户不需要和设备直接接触，而同时能够满足在实际应用场景下进行多个人脸的分拣、判断及识别。

现行用于门禁和考勤环境的是一种多光源人脸识别技术，可以实现在多种完全对人体无伤害的辅助光源的条件下进行人脸识别，支持 PC(Windows/Linux)和ARM/DSP(Linux等)系统环境，现今的算法已经能够保证识别率、识别速度、误识率和拒识率等各项指标的优异性，确保短距离人脸检测捕捉。

目前在国内，人脸识别技术的应用案例最典型的莫过于通过人脸识别解决监狱系统门禁管理：监狱系统对于门禁管理历来是要确保万无一失，但监狱如一个小型化社会，包括监室、生活区、劳动车间、医务室、教学楼、禁闭室、值班室、餐厅、浴室、操场等不同区域，无论如何防范到位，随着犯罪分子的作案能力和作案手法的不断增强，单纯以刷卡、指纹等识别方式的监狱门禁系统存在很大的隐患与漏洞，监狱不得不投入大量人力物力加强门禁管理，其中包括警卫巡逻、警卫站岗、视频监控等。在现有的监狱管理系统如刷卡门禁和指纹门禁的基础上加入人脸识别门禁解决方案，能有效地控制识别进出人员的真实身份、防止越狱发生的可能性。将人脸识别门禁机作为前端智能识别设备，具备非接触和自动实现人脸开门等功能，从而有效地防止门禁卡的遗失、冒用和盗用，真正实现专人专用，防止他人冒用等情况出现;同时人脸识别门禁系统具有活体检测功能，能有效防止指纹被盗用，可以消除目前监狱门禁系统普遍存在的安全隐患，更大力度避免越狱事件的发生。

消费者在选购人脸识别产品时，有哪些注意呢?我们可以从以下六个方面来选择产品：

5.浅谈射频识别技术在中国的发展 篇五

射频识别技术在国外发展得很快。RFID产品种类很多，像德州仪器、Motoro1a、Philips、Microchip等世界著名厂家都生产RFID产品。他们的

产品各有特点，自成系列。射频识别技术被广泛应用于工业自动化、商业自动化、交通运输控制管理等众多领域。如澳大利亚将它的RFID产品用于澳机场旅客行李管理中并发挥了出色的作用;瑞士国家铁路局在瑞士的全部旅客列车上安装RFID自动识别系统，调度员可以实时掌握火车运行情况，不仅利于管理，还大大减小了发生事故的可能性;德国BMW公司将射频识别系统应用在汽车生产流水线的生产过程控制中等。

据有关权威数据显示，射频识别产品在全世界的销量以每年25.3%的比例增长。由此可见，射频识别技术具有广阔的市场前景。

6.人脸识别监狱管理系统 篇六

人脸识别技术简介

随着高科技的蓬勃发展，人体特征分析技术已经作为身份快速识别及视频监控等领域的最新增值点与应用点，在身份识别、智能安防、智能监控、出入管理、证卡认证等方面发挥巨大作用。

面部检测识别技术，是利用计算机图像分析、模型理论、人工智能及模式识别技术的非接触性高端模式识别技术，其可完成从复杂的图像场景中检测、检出特征人像信息，并进行匹配识别的智能分析过程。

面部识别的流程如下图所示：

二、人脸识别监狱通道管理系统需求

随着计算机和网络技术的推广应用，信息化管理的新思路也开始进入到监狱管理的实践之中。根据司法部监狱安防技术要求，加强对出入监狱人员的管理和控制，提高监舍监管安全，提高监狱的安全技术防范水平和信息化管理水平，实现监狱管理的数字化。监狱是强制管理违法犯罪人员的场所，是实现社会治安综合治理的最重要环节之一。随着新一轮数字化监狱系统的改造升级，监狱管理正在朝着网

人脸识别监狱通道管理系统

络化、信息化、数字化方向快速发展。数字化监狱通道管理系统的建设可由视频监控、人像识别、出入口管理、周界报警、巡更管理、监舍对讲和进出通道管理、服狱人员定位等几部分组成。

而监狱通道出入人员身份快速识别及看守所安全方面的管理要求，具备非接触特点的人像生物特征识别技术，可以依靠常规的视频图像获取设备快速进行人员身份识别及陌生人预警等功能，满足监狱、看守所等特殊场所的管理要求及安全管理要求。场所现状及人脸识别需求：

滚闸门1滚闸门3出卡机进门闸门4B门出A门进值班室值班民警(还卡处)B门进滚闸门2A门出出门

监狱/看守所通道示意图

1.进入监狱通道时，临时人员需由1个狱警带队并从出卡机取卡方可进入； 2.临时人员在值班室办完手续后并进行人像注册，进入A门进区域，需进行刷卡人像识别验证，如果不是带队狱警所带入的人员，系统报警。禁止开启启B门出；

3.出滚闸门2时，临时人员需刷卡人像识别验证，如果不是带队狱警带入注册人员，系统报警，滚闸门2禁止开启。

4.离开人员在值班室办完离开手续后，出滚闸门3需再一次刷卡人像识别验证，果不是带队狱警带入注册人员，系统报警，滚闸门3禁止开启。

第1页 /共 12页

人脸识别监狱通道管理系统

三、人脸识别监狱通道管理系统

3.1系统架构

系统采用了最普通的IP摄像机与工业PC机及TCP/IP网为基础设备，配合人脸智能识别技术为核心，通过协议转换器，使系统在完成人脸识别的同时，也给道闸的闸机一个开关信号，同步开启人行通道的闸机，并且存储、分析所识别的人脸数据，生成统计信息与报表，主要构成：高清网络摄像机、读卡器、IC卡、门禁控制器、电控锁、服务器、PC机、高速局域网及人脸识别监狱通道管理系统。

系统应用架构分为三部分：

1、人脸采集与制证部分；主要用于通过照片信息或摄像机采集信息把来人身份信息及人脸信息建模、入库，并用于证件信息制作。

2、人脸识别与闸机触发部分；主要通过IP摄像机采集将要通过人行闸机的人员的人脸信息，并跟库中人员信息进行比对，如果识别结果正确，闸机将开启，允许通过。如果库中没有人员人脸信息，则可以通过刷卡方式，开启闸机。

3、人脸识别结果统计与大屏显示；保存人脸识别结果，提供统计分析功能，且能通过大屏显示现场人脸识别情况及查询识别结果。

3.2系统应用部署

第2页 /共 12页

人脸识别监狱通道管理系统

数据库服务器人像识别服务平台报警系统门禁控制器门禁控制器摄像机1摄像机2摄像机3摄像机4滚闸门2滚闸门3刷卡器1刷卡器2

部署说明：机房部署数据库服务器、人脸识别服务平台，前端部署显示端，出入通道设置4台高清网络摄像机和

滚闸门N台及IC卡读卡器数台。

第3页 /共 12页

人脸识别监狱通道管理系统

其中：

1、高清网络摄像机：捕获人脸视频设备；

2、闸门：通过门禁控制器控制的闸门，软件系统通过给控制器信号来控制滚闸门的开关。当比对成功后，闸门自动开启

3、刷卡器：用于刷卡时读取IC卡信息；

4、数据库服务器：存贮人像信息数据库及基础信息数据；

5、人脸识别服务器平台：主要将前端摄像机传输过来的人像信息与数据库中注册人员信息进行比对，并将比对结果显示到屏幕上。

系统运行流程：进出人员通过安装于出入通道的高清网络摄像机，系统自动检测并采集人像图片，建模后传送至人像识别服务平台与后台人像数据库信息进行比对，并将比对结果输送到显示屏显示，同时发送信号到门禁控制器进行滚闸门自动开启，非库内人员，则滚闸门关闭，并进行报警。

狱警刷卡B门进出门人员刷卡取卡登记出门人员刷卡失败人像采集注册人像比对成功失败人像比对报警成功报警狱警刷卡开启A门进滚闸门2开启出滚闸门2滚闸门3开启出滚闸门3进门人员刷卡狱警刷卡开启A门出还卡出门报警失败人像比对成功办理出门手续狱警刷卡开启B门出 第4页 /共 12页

人脸识别监狱通道管理系统

3.3系统功能设计

人员信息管理

1、人员基础信息管理

实现监狱干警及需中、长期进出监狱大门通道人员的基础信息管理功能，包括人员基本信息的新增、修改、删除、查询维护及进出人员的IC卡发卡管理。

2、人像信息注册

实现监狱干警及中、长期进出通道人员的视频人像信息注册功能，系统采集注册人员的人像信息，建立监狱正常出入通道人员的识别比对人像库。

值班人员信息管理

1、值班人员基础信息管理

实现监狱进出通道看守值班人员的基础信息管理功能，包括通道看守人员基本信息的新增、修改、删除、查询维护及通道看守人员的身份IC卡发卡管理。

2、值班人员登录确认

实现监狱进出通道看守值班人员的系统登录确认功能，通道值班人员在接班后，首先必须使用自己的登录帐户与登录密码登录系统后才能使用。

系统自动记录通道看守人员的人工确认记录信息（值班员姓名、放行时间等）。

3、值班人员交班信息 硬件管理

1、摄像机设备管理

第5页 /共 12页

人脸识别监狱通道管理系统

实现对现场安装的摄像机进行管理功能。包括摄像机基本信息的新增、修改、删除、查询维护。

2、刷卡机设备管理

实现对现场安装的摄刷卡设备进行管理功能。包括刷卡机基本信息的新增、修改、删除、查询维护。人像身份识别验证

1、临时人员发卡注册

实现监狱临时进入通道人员的发卡及人像注册功能。临时进入人员首先取一张临时通行卡（系统事先已编好一组指定号段），在得到值班人员身份确认后，由值班人员对临时人员进行人像采集注册。

2、出监人员身份识别验证

实现监狱出通道人员的视频人像识别验证功能。出通道人员包括临时人员，走入通道时，在该人员刷卡时，系统自动跟踪采集人像，并识别该人员的身份信息。一旦识别通过，报告被识别人员姓名，系统自动把识别结果显示在安装通道屏幕及值班室监控视频上，狱警通过人工识别确认无误后开启门禁，同时发出人员身份验证通过的提示声音或信号提示。

3、带队狱警放行确认

实现带队狱警确认开启门禁功能。在出监人员人像身份识别验证通过后，必须再进行带队狱警人工确认才能开启门禁。

4、出入日志信息查询

实现监狱出入通道通行人员的日志信息查询功能，实时按时间段、临时人员信息、人员类型、值班人员等信息字段的组合查询功能，实现系统审计功能。陌生人预警

1、陌生人报警管理

实现监狱陌生人的识别预警功能，系统自动采集识别视频监控范

第6页 /共 12页

人脸识别监狱通道管理系统

围出现的人像信息，一旦发现无法识别人员，系统自动采集该人员的人像信息并展示在值班看守人员的报警界面上，提示看守值班人员警示与确认。系统维护管理

1、用户管理

实现系统的使用用户信息管理，包括用户的基础信息、用户的登录信息、登录口令等数据内容。

2、用户权限管理

实现系统用户的权限管理功能，管理系统使用用户的操作权限与数据权限，实现系统用户角色的定义，用户角色权限的管理，用户所属角色维护等功能。

3、数据字典管理

实现系统基础数据字典的维护管理功能。

4、系统参数配置管理

维护系统的系统参数配置数据信息，管理系统各个控制字段配置信息，如人员类型、人像采集参数等。

四、公司简介

河南海一电子科技有限公司成立于2010年，是一家专业从事计算机软件开发、电子产品开发，生物识别技术研发的的高科技企业，第7页 /共 12页

人脸识别监狱通道管理系统

主要从事公安、银行、电信、旅店业、娱乐业等多个领域的应用软件、硬件研发、系统集成；在福州、西安、无锡等地设有分公司。公司致力于生物智能科技方面的技术研究，联合海外研发机构协同研发顶尖的人像识别技术，并同省内多家高校广泛深入的合作，不断最求与提升核心技术竞争力。公司秉承“海纳百川、一秉虔诚”的理念，始终坚持以人为本、恪守诚信、凝智聚心，有德有情。努力打造成立足于河南、面向全球高速发展的高科技企业。

河南海一电子科技有限公司基于人像生物识别技术针对不同的行业特点和需求成功研发了诸多行业的软、硬件产品。生物识别技术系列产品：

人脸识别技术--公安行业应用：

1、人脸识别技术—人证识别系统；

2、人脸识别技术—重点场所人脸识别追逃系统

3、人脸识别技术—卡口人证识别身份确认系统；

4、人脸识别技术—人证识别访客登记系统 人脸识别技术—金融行业应用

5、人脸识别技术—金融、证券交易人证识别身份确认系统 人脸识别技术—海关、港口、机场应用

6、人脸识别技术—人证识别身份核查系统 人脸识别技术—校园安全

7、人脸识别技术—校安通

8、人脸识别技术—高校学生智能考勤验证系统； 人脸识别技术—企事企单位应用

9、人脸识别技术—智能考勤系统

7.浅谈人脸识别技术发展 篇七

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。

一、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) 。这些算法识别速度快, 需要的内存小, 但识别率较低。

1、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, 由这些基可以形成低维线性空间。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。

2、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、局部纹理的二阶矩阵等。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。

3、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。

4、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, 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。

5、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。

二、人脸识别的基本方法

1、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。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、人脸图像或者相应的编码, 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。

2、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测个体察觉的特点。所谓自然性, 是指该识别方式同人类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。

3、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。

1) 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。

2) 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、人脸的很多遮盖物、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-class difference) , 而称第二类变化为类内变化 (intra-class difference) 。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。

4、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像中实时查找人脸, 并与人脸数据库进行实时比对, 从而实现快速身份识别。

5、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。

6、人脸识别的应用

人脸识别的应用主要有如下方面。

1) 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。

2) 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、住宅安全和门禁人脸识别。如人脸识别门禁考勤系统, 人脸识别防盗门等。

3) 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。

4) 网络应用

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。

5) 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。

6) 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, 如果使用生物特征, 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。

参考文献

8.浅谈人脸识别技术发展 篇八

关键词：人脸识别技术；公共安防视频监控领域；应用

中图分类号： TP242.6 文献标识码： A 文章编号： 1673-1069（2016）31-172-2

0 引言

目前，随着我国社会经济的不断发展和市场经济的需求，越来越多的企业逐渐在针对监控视频的人脸识别产品，同时在目前的交通、房屋建设中随处可见人脸识别产品。同时，公共安防领域的视频监控系统主要是针对收集到的视频图像进行事前预警分析，但是针对事后的视频分析就浪费了大量的人力和精力，因此，在公共安防视频监控领域采用了人脸识别技术，那么就会减少违法犯罪的发生概率，维护了社会和国家的稳定性。

1 人脸识别的概念

1.1 人脸识别的含义

在人脸识别中，包括很多的名词，我们应该重视这些名词解释，不要混淆名词解释。第一，针对人脸提取来说，人脸提取主要指的就是在视频资料中，把人脸相关的资料提取出来，然后对提取到的人脸资料进行有效分析。同时，在不同的地方，人脸提取的过程也被叫作人脸检测。第二，针对人脸识别来说，人脸识别主要指的就是把人脸的特征输入到人脸库中，然后针对人脸库进行有效对比，确定出人脸的可用信息，这个人脸识别的过程也被称之为人脸对比。第三，针对历史人脸数据库来说，历史人脸数据库主要指的就是通过监控对人脸进行有效抓拍，然后建立相应的人脸数据库[1]。

1.2 人脸抓拍实现过程

科学在进步，人脸识别技术也在逐渐发展，人脸抓拍过程是一个科技要求非常高的过程，比如，针对企业的人员卡口系统而言，相关的人员在进入检测区域时，算法就开始进行人脸检测，然后对每个抓拍的人脸进行有效分析和对比，然后当人员离开检测区域时，被筛选出来的最后一张图片就是最佳人脸图片。在进行人脸抓拍的过程中，影响抓拍的效果有很多，比如摄像机的光照、天气、角度等。

1.3 人脸识别的技术原理

人脸识别技术主要是采用基于统计学习的人脸特征选择算法，并对大量的人脸数据进行有效分析，对比出不同人像的特征，然后从大量的人像特征中选择出最佳的人像特征。同时，人脸对比识别主要是利用人脸识别算法对抓拍到的人脸图像进行建模，并对数据库中的人脸进行有效对比，一旦人脸的识别度达到一定的标准时，那么相关的系统就会自动报警，然后相关的管理人员就能够及时发现相似度极高的人脸。另外，人脸识别技术如果采用自动最优特征选择算法，不仅能够缩短人脸对比的速度，又能够保证人脸识别的质量[2]。

2 人脸识别的技术局限性

现如今，随着我国科技的发展，人脸识别技术已经取得了不小的成果，但是，与国外发达国家相比，我国的人脸识别技术依然存在一定的局限性，很多外部环境都对人脸识别效果有一定的影响性。下面我们就来具体说下人脸识别的技术局限性都包含哪些方面内容：

2.1 人脸的相似性

众所周知，针对同一人种来说，所有的人脸结构都是相似的，实质性的差别不大，由于我国人脸识别技术的限制，就算采用人脸识别算法也会影响人脸特征精确度的提取，因此，我国的相关研究人员应该重点研究人脸相似度的参数调节，加强对人脸细微差异性的提取，从而提高人脸识别率。

2.2 同一个人的人脸渐变性

每个人的人脸都会随着时间的推移、年龄的变化而变化，同时，由于不同条件下人的情绪也是不同的，从而导致了人脸的不同，因此，同一个人的人脸渐变性也会在很大程度上影响人脸识别率的高低。

2.3 遮挡物的干扰

随着人们物质生活水平的不断提高，人们越来越重视自身的打扮，因此，人脸会经常受到很多遮挡物的干扰，比如，墨镜、头发、面具等，这些脸部的遮挡物严重影响了人脸识别效果。

2.4 人脸的角度和图像质量

在对人脸进行识别的过程中，人脸的角度和图像质量也会严重影响人脸的识别效果。要想提高人脸的识别效果，在抓拍人脸时一定要收集一张正面的人脸清晰照片，如果没有抓拍到清晰的人脸照片，那么就会使得人脸识别率大大降低。同时，人脸图像的质量好坏也会直接影响识别的效果，比如，图像的分辨率等。因此，在对人脸识别技术研究的过程中，一定要加强与相关专业单位的合作关系，把人脸识别技术融入安防领域中，从而促进人脸识别技术的稳定发展。

3 人脸识别技术在公共安防视频监控领域的应用

最近几年，随着人脸识别算法技术的不断提高，人脸识别技术被广泛地应用到了公共安防视频监控领域。同时，很多地方政府为了提高当地的安全管理水平，已经建立了一套人脸识别系统，下面就来具体说下人脸识别技术在公共安防视频监控领域的应用：

3.1 情报领域应用

人脸信息是情报信息的重要来源，情报分析主要是针对各种基础信息的碰撞，并对情报信息进行有效分析，然后把危险扼杀在源头，减少安全事故的发生概率。相关部门通过对人脸的相关信息进行有效分析和对比，能够实现对犯罪分子的有效防控，从而消除恶性案件的发生概率。

3.2 户政应用

随着我国社会经济的不断发展，户政管理业变得越来越严谨。在传统的户籍管理中，由于缺乏先进的管理技术，从而出现了很多问题，其中包括骗领身份证、户籍重复性等问题。但是，目前在户籍管理中，逐渐使用了人脸识别技术，这样避免了骗领身份证等问题的发生。人脸识别技术不仅能够对身份证进行集中对比，而且还能够及时清理异常的户籍信息。与此同时，针对犯罪分子而言，通过人脸识别技术，能够有效识别出犯罪分子的行踪，例如：当地公安部可以把犯罪分子的人脸图像输入到全国数据库中，然后对人脸数据库进行有效对比，最后排查出是否有网上在逃人员套用本地居民户口资料的情况。除此之外，目前各地的宾馆或者街道中都安装了人脸抓怕系统，如果有人员进入到了视频监控中，那么就会及时抓拍到每个人的图像，然后公安部就能够根据人员的活动轨迹和人脸截图输入到人脸识别库中，对其进行重点监控，从而使得公安部对人员进行判断，判断其是否属于在逃人员[2]。

3.3 种族比对应用

人脸识别技术在公共安防视频监控领域的应用中，还有一个比较重要的应用那就是种族对比应用。种族比对应用主要也是采用人脸的抓拍形式，不同的种族人的面部特征也存在很大的差异性。各个地方应该建立种族识别分类器，以方便查找种族人脸的相关信息。种族识别分类器主要是针对大量的人脸特征数据进行有效分析，同时，要针对不同的种族特征信息进行分类，输入多个软分类器，然后再对这些数据进行深入分析，最后由强分类器确定种族，从而实现种族比对应用效果，最终为公安防范体系智能化的建立奠定坚实的基础[3]。

4 结束语

总而言之，随着我国科学技术和社会经济的不断发展，人脸识别技术在公共安防视频监控领域得到了广泛的应用。人脸识别技术一般采用基于统计学习的人脸特征选择算法，分析出人脸的主要特征，但是人脸识别技术目前还尚不完善，因此，相关的研究人员一定要加大研究力度，不断开发人脸识别技术，重视其在情报领域的应用，从而促进人脸识别技术的可持续发展。

参 考 文 献

[1] 苏大伟.人脸识别技术在安全保卫工作中的应用及发展趋势研究[J].无线互联科技，2015，21：135-137.

[2] 仝星.动态人脸识别监控系统研究[J].中国安防，2015，Z1：63-66.