當今，生物識別技術飛速發(fā)展。作為公共場所安全防務重要的技術手段，生物識別技術被廣泛應用于政府、軍隊、銀行、交通等公共設施。特別的，通過視頻圖像的人臉識別技術，以其源數(shù)據(jù)采集容易、成本較低廉等眾多優(yōu)勢越來越得到安防產(chǎn)業(yè)的重視。相比于指紋識別、虹膜識別、筆跡鑒定、DNA鑒定等技術，人臉識別僅僅需要在重要場所部署攝像設備，經(jīng)過比對算法運算，比對的速度十分快捷。但是作為廣泛存在的人臉數(shù)據(jù)，容易采集的圖像數(shù)據(jù)，在人物不同表情、年齡等狀態(tài)下人臉數(shù)據(jù)往往呈現(xiàn)出不盡相同的姿態(tài)。在一般的人臉圖像中，可以用來識別的圖像特性往往不易提取，而且極易受到圖像質量、人物表情姿勢、光照條件、面部遮擋等諸多因素的影響。如何提高識別的準確率是人臉識別技術的最大課題。
傳統(tǒng)人臉識別技術與發(fā)展
傳統(tǒng)的人臉識別技術必定經(jīng)過“人臉檢測”、“特征提取”和“識別算法”這3個步驟。其中基于Boosting的人臉檢測算法已經(jīng)相對成熟，部分大廠商的人臉檢測技術更是達到了國內領先水平。同時其中個別廠商的人臉檢測SDK可以支持5路同時檢測最小尺寸達20×20像素的人臉目標，在人臉左右旋轉45度之內，準確率可以達到98%以上。
人臉圖像的“特征提取”是將圖像信息數(shù)字化，一張人臉圖像轉變?yōu)榈囊淮當?shù)字(一般稱為特征向量)需要具有生物個體唯一性、可以測量、用于識別和驗證等特征。幾何模板參數(shù)是早期的提取方法，近年來出現(xiàn)的Gabor、LBP、SIFT等基于圖像紋理的特征提取方式都取得了良好的效果。然而，很多特征提取方式得出的特征向量數(shù)據(jù)量遠遠超出了原有的圖像數(shù)據(jù)量，從而引發(fā)所謂的“維度災難”，不利于特征的存儲、計算，更不利于識別。一方面，需要在圖像最有信息量的部分計算、提取特征，另一方面，可以通過采用降維方法來避免“維度災難”。
“識別算法”指的是分類特征向量的方法，LDA、SVM分類器、貝葉斯模型等都是具有代表性的分類識別算法?；诙喑叨雀呔SLBP/SIFT特征降維的貝葉斯模型等方法是近年來傳統(tǒng)人臉識別架構最新的研究成果。
人臉比對算法
在2014年北京召開的國際安全產(chǎn)品博覽會上，就發(fā)現(xiàn)一款基于糾錯碼的視頻身份認證系統(tǒng)，并獲得很好的反響。該系統(tǒng)通過攝像機跟蹤抓拍一張人臉圖片，并與預先登錄的人臉圖像比對，以確定使用該證件的是否為其本人。算法最大的特色是，算法可以精確定位人臉49個關鍵部位的位置，通過關鍵部位信息校正圖像從而一定程度上彌補了人物表情造成的差異。僅在關鍵點附近計算特征也極大地減少了系統(tǒng)開銷并提高了運行速度。此外，人臉關鍵點檢測方法，可以用于人臉的表情、動作檢測，從而可以用于實現(xiàn)包括人物性別、年齡等屬性的檢測，以及活體人臉檢測、遮擋物(如眼鏡)檢測及去除等眾多應用場景。在安博會上，這套視頻身份認證系統(tǒng)就包含一套完整強大的眼鏡檢測與去除算法，使得即使目標佩戴(或摘除)眼鏡也能獲得準確的認證結果。
人臉比對算法是對樣本數(shù)據(jù)進行特征描述和分類的問題，在計算機領域稱作模式識別或模式分類。模式識別試圖表述屬于特定類別的數(shù)據(jù)特性，建立一個數(shù)學模型使得屬于一個類別的數(shù)據(jù)差別盡量的小，而不同類別則存在較大的差別。模式識別方法多種多樣，但在傳統(tǒng)的人臉識別體系中，所有的方法都建立在特征向量已知的情況下。人為設定的特征提取過程在一定程度上制約了傳統(tǒng)架構的人臉比對算法的性能。而且傳統(tǒng)的識別方法在一定程度上依賴于用來訓練學習的數(shù)據(jù)，不能快捷的將最新的數(shù)據(jù)反映到最新的模型中。
人臉識別技術的未來
傳統(tǒng)人臉識別技術必須要使用人工設定的特征提取規(guī)則計算特征向量，近年來，“深度學習”架構的出現(xiàn)使圖像識別技術的架構理念出現(xiàn)了革命性的變化。
深度學習架構最大的特色是利用深度網(wǎng)絡強大的表述能力，“自動學習”提取有利于識別分類的圖像信息。系統(tǒng)將不斷隨著識別的進行而更新預測參數(shù)，海量的圖像數(shù)據(jù)有利于提高準確率。近年來，隨著存儲設備、計算設備等硬件性能的增強，原本制約深度架構性能的瓶頸一一得到解決。同時，大數(shù)據(jù)時代所帶來的需求與機遇也都促使深度學習這種全新的思維方式越來越多的被應用于各種模式識別問題中。在人臉識別領域，深度學習架構已經(jīng)獲得了遠超傳統(tǒng)方式，甚至出現(xiàn)超過人眼的識別結果。
然而，構建深度學習架構對于技術人員的專業(yè)知識和經(jīng)驗要求是很高的。同時，海量的人臉數(shù)據(jù)也并非所有的企業(yè)所能獲得的。所以在強大的技術力量與資源支持下，目前不少廠商也在正在努力構建一套自己的深度學習架構，相信在不遠的將來，準確率更高的人臉比對方法很快將出現(xiàn)在市場上。
a&s傳媒是全球知名展覽公司法蘭克福展覽集團旗下的專業(yè)媒體平臺，自1994年品牌成立以來，一直專注于安全&自動化產(chǎn)業(yè)前沿產(chǎn)品、技術及市場趨勢的專業(yè)媒體傳播和品牌服務。從安全管理到產(chǎn)業(yè)數(shù)字化，a&s傳媒擁有首屈一指的國際行業(yè)展覽會資源以及豐富的媒體經(jīng)驗，提供媒體、活動、展會等整合營銷服務。
粵公網(wǎng)安備 44030402000264號
