未来智讯 > 人脸语音识别论文 > 人脸识别技能

人脸识别技能

发布时间:2018-12-03 01:06:05 文章来源:未来智讯    
    人脸识别技能作者: 袁振洲   (东南大学成贤学院)   人脸的自动识别是生物测定学研讨的内容之一,是模式识别领域中的一个前沿课题。该课题的研讨已有?30多年的历史。人脸识别正越来越成为当前模式识别和人工智能领域的一个研讨热点。目前,人脸识别现已成功应用到机场口岸检查、刑侦办案系统、门禁系统等许多领域。
  与指纹识别技能相比,因为不需要直接的肢体接触,在应用中更加受到人们的欢迎,很大的便利了人们的使用。人脸识别技能的研讨虽然已有多年的历史,但因在实际应用中,容易受到光照、姿态、年龄、表情、尺寸、背景等诸多外界因素的影响,所以对其研讨及改善仍然是个热门话题。
  人脸识别过程:
  1.建立人脸图片档案:能够先用相机或摄像头拍取头像或照片文件,生成头像编码。
  2.获得当事人的现成头像,能够通过相机摄像头现拍,或者通过图像输入,生成其编码。
  3.将刚获得的图像编码与之前建立的图库编码进行对比,并进行检索,看是否适合。
  图片录入编码方法是通过当事人脸部的特征和开头事务的,它能够不受光线、表情、发型、姿态以及眼镜位置等其他外部因素变换的影响,从而能够从众多不同的人中鉴别出来。
  在进行识别的过程中,这一系列的过程都是自动的、连续的、即时的进行的,并且不需要太复杂的设备,所以实际应用时还是很便利易懂的。与指纹识别技能相比,进行指纹识别时,是需要当事人肢体即手指与设备进行直接接触的,这无疑有一定的不方便之处,也会带来不必要的时间浪费。而人脸识别技能则不需要进行直接的肢体接触,仅仅需要将面部对准摄像头即可,大大的便利了使用。
  在摄像头接收到当事人的脸部图像时,系统将会实时的对接收到的头像进行一系列的图像处理,一系列的处理后,再与之前录入的图库进行匹配。
  人脸识别的发展能够追溯到20世纪60年代,通过了几十年的探索及研讨,大体能够将其分为三个阶段:
  第一阶段是主要解决了人脸识别过程中需要的面部的种种特征。在这一阶段中,Bertillon、Allen和Parke等人做出了主要的贡献。在Bertillon的系统中,用一个基本的语句和图库中的某一张图片相联合,提供了一个较强的识别系统。而Allen?则设计了一种有效的摹写手段,在这之后再交给Parke用计算机进行实现。但是无论是用哪种方式,这个阶段的识别过程仍然全部依赖于操作人员,还是需要很多人员的干预,并不能实现人脸的自动识别。
  第二阶段是人机交互式识别阶段。研讨人员用数学模型描述人脸图像的五官特征,并通过欧式距离来进行相似性度量。Harmon和Lesk利用多维特征矢量表示人脸面部特征,并设计了基于这一特征表示法的识别系统。在这之后,又陆续有人也采取了不同的方式,对几何特征计算进行了研讨。然而,该方法仍然依赖于操作人员的知识,仍然没有摆脱人为的干预。
  第三阶段才是真正的机器自动识别阶段。在这个阶段人脸识别技能有了重大的突破,很多经典算法陆续出现,如特征法,子空间方法,弹性图匹配法,基于统计外观模型和神经网络的人脸识别等。同时也出现很多用于算法本能测试的公开人脸库,比如ORL人脸库,YaleB人脸库,FERET人脸库等。在这个阶段,人们发现主要的人脸识别技能对于一些外部因素比如光照强度、姿势形态等由于收集数据的时候不是在理想情况下进行的,或者是因为当事人在被收集图像数据的时候不配合造成的变换鲁棒性对照差。所以以上这些因素成为了那时以及后来技能人员的攻克重点。也便是在这个时候,人脸识别技能的商业应用得到了迅速发展。21世纪初,美国先后两次对人脸识别的商用价值进行了系统的评测。
  总的来说,当前的主要问题是解决在非理想条件下,以及当事人不配合以及人脸数据库里面的数据过于庞大而产生的一系列问题。
  最初,就人脸识别技能的特点而言,人脸识别是一种精度很高、使用便利、不容易进行仿冒的一种识别技能,因此具有相当广泛的应用前景。在海关、交通、社保、公安、国防等多个行业和部门有着相当广泛的应用。
  其实,人脸识别技能已经深深地走入了我们的生活,我们生活的很多方面都在和人脸识别技能打交道了。比如,在一些企业中,人们不在使用指纹识别技能来完成考勤任务,因为指纹识别技能的一些技能上上的特点逐步的显示出其短板之处,更是有人会投机取巧从而并不能很好的完成它的使命。并且指纹识别技能需要进行直接的肢体接触,这些无疑带来很大的不便,效率小了很多。所以人们尝试寻求一种新型的方式,所以人脸识别技能被很好的利用在了事务部门考勤方面,人脸识别考勤相当方便,只需要刷一下脸即可,方便高效,深受企业欢迎。
  正因为人脸识别技能给人们的生活以及方方面面都带来极大的便利,而它的应用潜力还远远不止于此,接下来技能人员仍然有大量的空间去发展人脸识别技能,还能够运用到更多能够便利到人们生活的方面。但是,只管目前为止人脸识别技能方面已经有一定的成就,还是存在许多技能上的不足,仍然会有一些不方便的地方,接下来技能人员仍然需要大力的去探索人脸识别技能的应用以及消除某些方面还不够成熟的方面,尽量的去填好技能上的缺陷。
  在应用过程中,人脸识别的速度和正确率无疑是这门技能最关键的点,而这也将是技能人员进行不时优化和不时改进的关键。人脸图像的识别会受到很多外界因素的干扰:人脸表情的多样性;以及外在的成像过程中的光照,图像尺寸,旋转,姿势变换等。使得同一个人,在不同的环境下拍摄所得到的人脸图像不同,偶尔更会有很大的差别,给识别带来很大的难度。因此在各种干扰条件下实现人脸图像的识别,也就更具有挑战性。
  所以总的来说,人脸识别技能得到如此迅猛的发展并不是偶然的,能够说是因为其极大的满足了人说所追求的人工智能的需求。目前,IT行业内大数据,云计算以及深度学习的算法无疑是技能新贵,行业内花费大量的人力物力财力去进行这几项技能的探索。而在这些技能取得一定的成果之后,对于人脸识别技能而言也是很好的催化剂,它们有助于人脸识别技能发展到更高的高度,这样的话,大规模的商业运用就是自但是然的事。在接下来的很长时间里,基于计算机视觉方面的运用,以及在视频监控领域中,对人的行为模式的识别、跟踪和分析,这些方面都会成为一个相当大的市�觯�当然了,它的成熟度还有待于进一步的检验。
  总的来说,人脸识别技能有着相当广广泛的发展前景,人脸识别也仅仅是一个发展支点,更多方面的运用还有待于进一步的研讨和探索。
转载请注明来源。原文地址:https://www.7428.cn/page/2018/1203/50527/
 与本篇相关的热门内容: