‧ 智慧影像之人臉辨識是如何實現的?

 來源： 物聯網智庫

人臉辨識，一種基於人的臉部特徵資訊，進行身份認證的生物特徵辨識技術。近年來，隨著歐美先進國家人臉辨識技術開始進入實用階段後，人臉辨識迅速成為近年來全球的一個市場熱點。

人臉辨識技術包含三個部分：

1.人臉檢測

面貌檢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

首先設計一個或數個標準人臉的模板，然後計算測試採集的樣品與標準模板之間的匹配程度，並通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布特徵，所謂人臉規則的方法即提取這些特徵生成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辨識中人工神經網絡的方法，即通過對面像樣品集，和非面像樣品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，在色彩空間中分布相對集中的規律來進行檢測。

⑤特徵子臉法

這種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種方法在實際檢測系統中也可綜合採用。

 

2.人臉跟蹤

面貌跟蹤，是指對被檢測到的面貌，進行動態目標跟蹤。具體採用基於模型的方法或基於運動與模型相結合的方法。此外，利用膚色模型跟蹤也不失為一種簡單而有效的手段。

3.人臉比對

面貌比對是對被檢測到的面貌像，進行身份確認或在面像庫中進行目標搜索。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性能。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

該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，然後再計算出它們的幾何特徵量，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

該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，將採樣面像所有象素與庫中，所有模板採用歸化相關量度量進行匹配。此外，還有採用模式辨識的自相關網路，或特徵與模板相結合的方法。

人臉辨識技術的核心實際為「局部人體特徵分析」和「圖形/神經識別算法。」這種算法是利用人體臉部各器官，及特徵部位的方法。如對應幾何關係多數據形成辨識參數，與數據庫中，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。

按此回今日3S Market新聞首頁