一、人脸图像采集及检测人脸图像采集主要是通对摄像机把不同场景下的人脸进行收集,比如静态图像、动态图像、不同的位置、不同的光线以及不同的表情等多方面采集。人脸检测主要是在图像中准确地标定出人脸的位置以及大小,包括颜色特征、模板特征、结构特征、Haar特征等,所以人脸检测就是把这其中有用的信息挑出来,并利用这些特征实现人脸检测,也为下一步的预处理做好准备。现在主流的人脸检测方法主要是采用Adaboost学习算法,Adaboost算法是一种用来分类的方法。
二、人脸图像预处理人脸图像预处理主要是通过对图像进行处理并最终服务于特征提取、纠正的过程,在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言,其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、几何校正、滤波以及锐化等。
三、人脸图像特征提取人脸图像特征提取主要是通过对预处理过的图像进行进一步的特征提取,比如人脸由眼睛、鼻子、嘴、下巴等局部构成,对这些局部和它们之间结构关系的几何描述等等都可作为识别人脸的重要特征,这些特征也被称为几何特征。
四、人脸图像匹配与识别人脸图像匹配与识别主要是通过提取人脸图像的特征数据以及数据库中存储的特征模板,进行搜索和匹配,可以通过设定一个阈值,当相似度超过这一阈值时,则把匹配的结果显示输出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较,根据相似程度对人脸的身份信息进行判断。其实人脸识别在生物识别技术比指纹、虹膜更有优势,因为虹膜、指纹都必须进行强制性的采集,人脸识别不用,只要能拍摄到脸部就可以进行检测识别,具有非强制性。但是也有一个很大的劣势,这也是导致人脸识别研发最难的一个因素,就是人脸的相似性和易变性。人脸其实有很大的相似性,比如五官位置相似,以及双胞胎人脸相似等因素。此外易变性也是人脸识别研发上很大的阻碍;人是会变的,随着时间的流逝,不同时期人的脸部总会有着不同的变化。
在未来,人脸识别可能会有更大的发展。对于未来,总会有奇迹的发生。在前几年人们都在质疑指纹识别技术的各种缺陷与不安全,现在人们还不都在用指纹识别技术?所以对于人脸识别,我们表示期待。尽管技术上还没有成熟,但是只要在技术上找到了研发点,我相信到时候很多巨头科技企业在人脸识别技术上会有质的提升。人脸识别可以应用的场景很多,比如远程信贷、证券事务办理、实名制系统验证、来访记录、安检审核等等范畴,甚至还在犯罪通缉方面也可以进行应用。在人脸识别技术研发方面,在国内就face++、云从企业做的挺不错的,其都应用了大数据技术,因为只有海量的大数据技术的支撑才能保证更高的识别准确度。其实我们的人脸识别技术还停留在1:1的技术上,还远远达不到1:N的技术。可能很多人不知道人脸识别1:1和1:N是什么意思?1:1就是面对面对人脸的采集,从而进行识别,比如安检时拿着身份证和真人进行对比,就是1:1。1:N是在广大的人群中对人脸进行识别,比如搜索通缉犯的时候就是在火车站或者多人流的地方进行人脸收集和识别。总的来说,1:N技术虽然充满着难点,不过这也是以后人脸识别必须要攻克的一项技术难题。虽然现在的很多企业还停留在1:1识别技术的初期阶段,但是随着研发的进展,未来人脸识别一定会频繁出现在人们的生活当中。现在很多手机以及应用都有人脸识别的功能供人们使用,比如在今年9月份将要上市的iPhone8或者都初步应用到了人脸识别技术。在未来,随着人脸识别、VR、大数据等多种技术的不断突破,我们都会提前进入到看脸的时代!END