基于特征提取的人脸识别算法研究

基于特征提取的人脸识别算法研究

李申燕

广东岭南职业技术学院信息工程学院

摘 要：通常我们所了解的人脸识别算法是指将人的五官特征或者局部特征经过图像处理，上传到系统后端，再和数据库的人脸照片进行比对，最终识别出所需要的类别。人脸识别算法比较广泛应用于监控、公安系统、考试系统、门禁检查、身份识别等领域，而基于特征提取的人脸识别算法是人脸识别系统中的关键部分，接下来我们将通过本文了解一下关于人脸识别算法的特征提取需要注意的事项。

关键词：人脸识别 特征提取 注意事项 问题思考

从特征提取的人脸识别算法来看，人脸识别系统属于人工智能的一个缩影，利用高科技手段广泛运用在各个领域，目前人脸识别算法基于特征提取的方法常见的有四种：特征脸识别的方法、局部特征识别方法、基于模型识别方法、神经网络识别方法，通过照相或者录像等摄影设备采集人脸图像，再利用人脸识别算法，对人像进行计算比对，不仅可以帮助特定领域收集信息数据进行分析整理，还可以为普通人民群众的生活带来便利和安定，因此，本文将通过以下几个方面来对基于特征提取的人脸识别算法进行分析和研究。

一．人脸识别的应用领域及其重要性

我们常见的人脸识别系统的确给各行各业带来了新科技的体验感，诸如对人民群众生命财产安全和社会安定有着重要作用的监控领域，为公安系统侦破案件起到快速识别人像比对的作用，又或者是可以为家庭娱乐提供人脸识别的智能设备等等，可见人脸识别在当下以及未来的智能应用都是非常有必要的：

1. 就普通民众而言我国研究人脸识别技术相对国际而言比较晚，但随着社会的不断进步和发展，越来越多领域开始数字化网络化，随之而来的电子支付系统也越来越发达，人们出行也更加追求快捷便利，因此人脸识别技术的开发和应用也随之崛起，人们逐渐淡化使用各种随身携带的证件和卡，避免了遗失的尴尬，直接可以使用人脸识别就可以保证日常的出行和购物。

2. 从国家层面而言，我国各个领域的发展一直秉承跟随世界先进科技发展的脚步，实现科技强国，科技兴国的目标，不断培养人脸识别领域的高科技人才，吸收和学习国外先进经验，巩固和夯实我国的人脸识别技术，诸如国家举办的大型奥运会就采用了人脸识别系统，来确保运动会的顺利举办和安全性，又或者机场、地铁、车站等特殊领域的安检也都采用人脸识别系统，不仅可以方便旅客的出行还能确保旅途的安全问题，可见人脸识别的应用对国家和民众都具有着重要意义。

二．基于特征提取的人脸识别算法注意事项

通过以上对人脸识别系统重要性的简单了解，从中可以看出基于特征识别的人脸识别算法又是人脸识别系统的核心部分，那么就目前所采用的人脸识别算法来看，基于将人脸信息经过图像处理，模式计算，分析对比等特征提取来得出定位结果，同时人脸识别也逐渐从二维空间向三维立体转化，使得人脸识别更加形象化、准确化。接下来，我们从以下几个方面介绍基于特征提取的人脸识别算法的注意事项。

1. 通过人像几何图形识别算法的利弊：正如我们所常说的世界上不存在一模一样的两片叶子，同样人脸也是千差万别的，即使是五官长相极为相似的双胞胎，经过人脸识别算法也会有所差别，每张人脸都是由眼鼻耳口眉毛组成，经过人脸识别进行图像计算处理，会将这些人脸特征进行点线链接，组合成几何图形，再根据脸部五官距离角度的不同，设计计算参数，从而将提取的人像轮廓数据进行几何分类。这样的通过几何图形识别方法虽然可以直观简单的通过图像处理计算就能得出结论，但也存在一定的弊端，比如当有面部遮挡的时候，当人像五官的表情或者局部微调时，识别的准确率就会有所降低，所以几何图形的人脸识别算法是人脸识别系统运用最早也是进行最简单分类的一种方法，但是在需要进行精细人脸识别的领域就要慎重考虑这种算法了，细微的差距也会影响结论的判断。

2. 基于特征脸或者局部特征进行人脸识别算法的分析：从传统意义上来讲，特征脸识别方法就是将人脸五官特征信息进行分类，这些人脸基本元素比如将眼睛、面颊、下颌的样本集协方差矩阵的特征向量称为特征眼、特征颌和特征唇，统称特征子脸，再通过将人像基本元素和系统中的人脸参数进行识别和比对，不仅保留了人脸自身的数据信息，也可以通过提取脸部轮廓特征信息进行图像计算，总之，特征脸识别方法也存在一定局限性，从某种程度上理解，特征脸识别是一种简单快速基于变化系数的计算方法，但实际上还是依赖于训练集和测试集图像的灰度相关性。另外对于局部特征进行的人脸识别算法则是适用于样本较少的情况下，不需要太大的计算量，对提取的特征向量根据度量和距离的不同进行分类计算，将人像基本元素进行粗略比对，然后再将各个特征点进行调整计算。无论是基于特征脸识别还是局部特征识别的人脸识别算法，都是在二维空间处理的图像计算，利用人脸从上到下各个不同节点和特征，进行测量比对间距来确认身份的定论。

3. 基于模型人脸识别的算法分析：据有关研究者发现，基于模型人脸识别的算法是优于特征脸识别算法的，主要表现在可将人像模型建立在3D立体模型的基础上，进行曲面变形的分析方法，并根据点到点变形的情况判断人像身份的不同，这种模型的识别方法充分利用了3D思维空间的特性，比如有研究者就在此基础上作了改进，利用图像库已有信息数据，用300副人脸图像和另外300幅图像作比较，得出了高达97.3%的实验结论，这种比较灵活多样性的模型人脸识别算法，通过定位人像面部特征设定了特定模型参数，并充分利用和辨识各种人像特征的数据信息，结合了之前所提到的特征脸和局部特征识别算法的优点，具备更加准确和良好的识别度，但同时也存在着计算量很大，操作度较为复杂，识别速度较慢的缺点，由此可见，人脸识别技术在不断朝着更加有效科学化的方向发展。

4. 基于神经网络人脸识别的算法分析：众所周知人工智能发展时是未来的主基调，那么在人脸识别算法中的神经网络识别方法就是基于人工神经网络的发展，虽然任重道远，但目前就有研究者们通过不断的实验，将神经网络的识别方法在人像检测、定位、识别等各个步骤得到了较好的运用，而神经网络的识别方法的确也优于前面的几种识别方法，主要体现在对人脸识别在遵循某些规律和规则时，需要进行的直接描述是比较困难的，而神经网络的识别方法则可以通过学习和识别的过程中，将这些规则和规律进行隐性表达，主要体现在其适应性较强，识别速度较快，可进行降维处理，将人像作为一个一维向量输入，但同时也存在辨识率较低的缺点。

三．结束语

综上所述，通过基于特征提取的人脸识别算法的研究和分析，让我们了解到了人脸识别系统在当下科技发达的社会中有着极其重要的作用，同时也了解到人脸识别算法也存在着一定局限性，任何一个因素的变化比如光照、表情、姿态、图像清晰度等都会影响最终的结论，以及从事人脸识别技术研究的专业人才在日常数据采集和计算分析过程中，需要注意特征提取的方法运用，随着科学技术的不断进步，尤其人脸识别技术的广泛应用越来越注重其准确性、便利性，更需要研究者们在人脸识别算法的具体问题上，向着查缺补漏，吸取优点，弥补缺点的方向靠近，比如针对PCA计算量巨大，分析数据程度复杂等方面进行改进，又或者将二维方法向三维立体空间的模式变化，将人像图形通过3D模式呈现出来2D模式不能表现出来的部分，由此可见，针对人脸识别算法的特征提取方法，无论是国内外专家，都在寻找更为高效准确科学化的识别方法，针对不同的领域进行相关特征提取方法相结合，来得出正确率更高的结论为其服务。

参考文献：

1. 王映辉.人脸识别原理、方法和技术[M].北京科学出版社.2010

2. 山世光.人脸识别理论与应用研究[J].信息技术快报.2005

3. 刘翼光.《人脸识别原理及算法》人民邮电出版社.2014

作者简介：

姓名：李申燕

性别：女

出生年月:1981.11

民族:汉

籍贯:吉林

职称：副高

学历:硕士研究生

研究方向:计算机软件系统、图像处理算法

作者单位（含二级学院）:广东岭南职业技术学院信息工程学院