人臉辨識技術原理

人臉辨識技術是指利用分析比較的電腦技術辨識人臉。人臉辨識是一項熱門的電腦科技研究領域，其中包括人臉追蹤偵測，自動調整影像放大，夜間紅外線偵測，自動調整曝光強度等技術。

技術原理

#人臉辨識技術包含三個部分：

#(1)人臉偵測

面貌偵測是指在動態的場景與複雜的背景中判斷是否存在面像，並分離出這種面像。

一般有下列幾種方法：

①參考模板法

先設計一個或數個標準人臉的模板，然後再計算測試所採集的樣本與標準模板之間的匹配程度，並透過閾值來判斷是否存在人臉；

②人臉規則法

由於人臉具有一定的結構分佈特徵，所謂人臉規則的方法即提取這些特徵產生相應的規則以判斷測試樣品是否包含人臉；

③樣品學習法

這種方法即採用模式識別中人工神經網路的方法，即透過對面像樣本集和非面像樣本集的學習產生分類器；

④膚色模型法

這種方法是依據面貌膚色在色彩空間中分佈相對集中的規律來進行檢測。

⑤特徵子臉法

這個方法是將所有面像集合視為一個面像子空間，並基於檢測樣品與其在子空間的投影之間的距離判斷是否存在面像。

值得提出的是，上述5種方法在實際偵測系統中也可綜合採用。

推薦課程：PHP教學。

(2)人臉追蹤

面貌追蹤是指對被偵測到的面貌進行動態目標追蹤。具體採用基於模型的方法或基於運動與模型結合的方法。此外，利用膚色模型追蹤也不失為一種簡單而有效的手段。

(3)人臉比對

面貌比對是對被偵測到的面貌像進行身分確認或在面像庫中進行目標搜尋。這實際上就是說，將採樣到的面像與庫存的面像依次進行比對，並找出最佳的匹配對象。所以，面像的描述決定了面像辨識的具體方法與表現。

主要採用特徵向量與面紋模板兩種描述方法：

①特徵向量法

此方法是先確定眼虹膜、鼻翼、嘴角等面像五官輪廓的大小、位置、距離等屬性，然後再計算它們的幾何特徵量，而這些特徵量形成一描述該面像的特徵向量。

②面紋模板法

此方法是在庫中存貯若干標準面像模板或面像器官模板，在進行比對時，將採樣面像所有像素與庫中所有範本採用歸一化相關量度量進行比對。此外，還有採用模式識別的自相關網路或特徵與模板結合的方法。

人臉辨識技術的核心實際為「局部人體特徵分析」和「圖形/神經辨識演算法。」這種演算法是利用人體臉部各器官及特徵部位的方法。如對應幾何關係多資料形成辨識參數與資料庫中所有的原始參數進行比較、判斷與確認。一般要求判斷時間低於1秒。

識別流程

一般分三步驟：

(1)先建立人臉的面像檔案。即用攝影機採集單位人員的人臉的面像文件或取他們的照片形成面像文件，並將這些面像文件生成面紋(Faceprint)編碼貯存起來。

(2)取得目前的人體面像。即用攝影機捕捉的目前出入人員的面像，或取照片輸入，並將目前的面像檔案產生面紋編碼。

(3)用目前的面紋編碼與檔案庫存的比對。即將目前的面像的面紋編碼與檔案庫存中的面紋編碼進行檢索比對。上述的「面紋編碼」方式是根據人臉臉部的本質特徵和開頭來工作的。這種面紋編碼可以抵抗光線、皮膚色調、臉部毛髮、髮型、眼鏡、表情和姿態的變化，具有強大的可靠性，從而使它可以從百萬人中精確地辨認出某個人。人臉的辨識過程，利用普通的影像處理設備就能自動、連續、即時地完成。

技術流程

人臉辨識系統主要包括四個組成部分，分別為：人臉影像擷取及偵測、人臉影像預處理、人臉影像特徵提取以及匹配與識別。

人臉影像擷取及偵測

人臉影像擷取：不同的人臉影像都能透過攝影機鏡頭擷取下來，例如靜態影像、動態影像、不同的位置、不同表情等方面都可以得到很好的採集。當使用者在擷取裝置的拍攝範圍內時，擷取裝置會自動搜尋並拍攝使用者的人臉影像。

人臉偵測：人臉偵測在實際中主要用於人臉辨識的預處理，即在影像中準確地標定人臉的位置和大小。人臉影像中包含的模式特徵十分豐富，如直方圖特徵、色彩特徵、模板特徵、結構特徵及Haar特徵等。人臉偵測就是把這其中有用的資訊挑出來，並利用這些特徵來實現人臉偵測。

主流的人臉偵測方法是基於上述特徵採用Adaboost學習演算法，Adaboost演算法是一種用來分類的方法，它把一些比較弱的分類方法合在一起，組合出新的很強的分類方法。

人臉偵測過程中使用Adaboost演算法挑選出一些最能代表人臉的矩形特徵(弱分類器)，依照加權投票的方式將弱分類器建構成一個強分類器，再將訓練所得的若干強分類器串聯組成一個級聯結構的層疊分類器，有效地提高分類器的偵測速度。

人臉影像預處理

人臉影像預處理：對於人臉的影像預處理是基於人臉偵測結果，對影像進行處理並最終服務於特徵提取的過程。系統取得的原始影像由於受到各種條件的限制和隨機 幹擾，往往不能直接使用，必須在影像處理的早期階段對它進行灰階校正、雜訊過濾等影像預處理。對於人臉影像而言，其預處理過程主要包括人臉影像的光線補 償、灰階變換、直方圖均衡化、歸一化、幾何校正、濾波以及銳化等。

人臉影像特徵擷取

人臉影像特徵擷取：人臉辨識系統可使用的特徵通常分為視覺特徵、像素統計特徵、臉部影像變換係數特徵、人臉影像代數特徵等。人臉特徵提取是針對人臉的某些特徵進行的。人臉特徵提取，也稱為人臉表徵，它是對人臉進行特徵建模的過程。人臉特徵提取的方法歸納起來分為兩大 類：一種是基於知識的表徵方法；另一種是基於代數特徵或統計學習的表徵方法。

基於知識的表徵方法主要是根據人臉器官的形狀描述以及他們之間的距離特性來獲得有助於人臉分類的特徵數據，其特徵分量通常包括特徵點間的歐氏距離、曲率和角度等。人臉由眼睛、鼻子、嘴、下巴等局部構成，對這些局部和它們之間結構關係的幾何描述，可作為識別人臉的重要特 徵，這些特徵被稱為幾何特徵。基於知識的人臉表徵主要包括基於幾何特徵的方法和模板匹配法。

人臉圖像匹配與識別

人臉圖像匹配與識別：提取的人臉圖像的特徵資料與資料庫中儲存的特徵模板進行搜尋匹配，透過設定一個閾值，當相似度超過這一閾值，則把匹配得到的結果輸出。人臉辨識是將待辨識的人臉特徵與已得到的人臉特徵模板進行比較，根據相似程度對人臉的身份資訊進行判斷。這個過程又分為兩類：一類是確認，是一對一 進行影像比較的過程，另一類是辨認，是一對多進行影像配對對比的過程。

以上是人臉辨識技術原理的詳細內容。更多資訊請關注PHP中文網其他相關文章！