李環(huán)

（鄭州工業(yè)應(yīng)用技術(shù)學(xué)院，河南鄭州，451100）

1 人臉識別技術(shù)概述

1.1 人臉識別技術(shù)概念

人臉識別技術(shù)是通過機器自動化的對批定圖像或視頻中的人臉進行定位、身份識別，具有鮮明的自動化特征。其應(yīng)用主要以相機或攝像機為基本接入工具，采集與人臉識別需求相關(guān)的數(shù)據(jù)信息，然后實施檢測、跟蹤、識別，因而一般也將其叫做人像識別技術(shù)或者面部識別技術(shù)。

1.2 人臉識別技術(shù)的發(fā)展歷程

從人臉識別技術(shù)的發(fā)展歷程看，人臉識別經(jīng)歷了主要的三大發(fā)展階段，1964年到1990年屬于其發(fā)展的早期階段，主要以人臉面部幾何特征為主要識別方法；自1990年到1998年則進入到了其研發(fā)高潮的過渡階段，研究者與研究論文數(shù)量均獲得了爆發(fā)式增長，其重點集中在多維特征矢量層面的人臉面部特征方面，尤其是麻省理工學(xué)院提出的“特征臉”（Eigen-face）在同行業(yè)內(nèi)受到了高度評價。以此為分界點，自1998年到今天，人臉識別技術(shù)進入到了研發(fā)與應(yīng)用的同步發(fā)展階段，尤其是人工智能中人臉識別技術(shù)的應(yīng)用范圍涉及到了社會生產(chǎn)與日常生活的各個方面，加上各大科技公司加快了對3D模型人臉建模與識別方法的研究，人臉識別技術(shù)的應(yīng)用正處于全面智能化的關(guān)鍵發(fā)展階段。

1.3 人工智能中人臉識別技術(shù)

與早期階段與過渡階段的傳統(tǒng)人臉識別技術(shù)相比，人工智能增加了機器智能行為，以深度學(xué)習(xí)方法為基本研究路徑，通過主要的五大步驟實施人臉識別技術(shù)的應(yīng)用。首先，搭建人臉識別系統(tǒng)，如獲取圖像與視頻信息等。其次，通過檢測定位與輸入圖像對人臉進行大小、姿態(tài)、位置的定位。第三，在建立的系統(tǒng)上根據(jù)定位獲取的數(shù)據(jù)信息進行預(yù)處理，表現(xiàn)出圖像具有的特征。第四，對預(yù)處理后的常規(guī)人類圖像實施算法提取，并運用特征矢量進行識別，同時，把原始人臉空間數(shù)據(jù)以映射方式上傳至特征空間。第五，通過分類器設(shè)計、決策，分類識別信息，并確定識別結(jié)果。

2 人臉識別技術(shù)的具體應(yīng)用分析

以智慧生活中最常用的人臉識別門禁系統(tǒng)應(yīng)用為例：

首先，該系統(tǒng)采用相對簡單的輕型差別自歸一化神經(jīng)網(wǎng)絡(luò)，簡稱ANN，以生物大腦神經(jīng)元為原型，根據(jù)神經(jīng)元自身包含輸出值與神經(jīng)元之間的在連接權(quán)值連接的特征，將其引入到了機器學(xué)習(xí)之中，提出了ANN神經(jīng)元模型，以信號處理（內(nèi)部強度默認）——樹突P（強度權(quán)重）——傳遞函數(shù)之間的關(guān)聯(lián)搭建了完整結(jié)構(gòu)，通過卷積層（BN層）、池化層、全連接層（展平層）的三部分組合，能夠訓(xùn)練圖像、轉(zhuǎn)化圖像格式數(shù)據(jù)。該技術(shù)的非接觸性延伸出了非侵犯性，大眾易于接受。該技術(shù)的應(yīng)用采用遠距離數(shù)據(jù)采集方案，減少了生理傷害幾率，也適用于隱蔽式監(jiān)控與實時動態(tài)化追蹤。具體可以參考圖1。

圖1 基于ANN神經(jīng)元模型的分層架構(gòu)系統(tǒng)

其次，當(dāng)人臉以圖像輸入后，卷積層（BN層）就能夠?qū)斎雸D像進行生物特征提升，并在池化層進行采樣，實施降維操作，并于全連接層（展平層）完成映射，映射到計算機空間，以概率分布的一維向量形式存在，達到分類效果。系統(tǒng)設(shè)計方面，首先設(shè)置人臉訓(xùn)練集獲取模塊，通過機器學(xué)習(xí)建立模型，具體操作中要求調(diào)用攝像頭采集相對清晰的圖像，一般要求正臉與側(cè)臉及點頭動作各兩次即可。在訓(xùn)練集預(yù)處理模塊，則將獲取的照片進行地區(qū)裁剪，使其成為正方形，臉部在其中的占比要求達到82%以上，在人類識別習(xí)慣方面，本案例中應(yīng)用的人臉識別技術(shù)適應(yīng)性強，這種交互屬性明顯符合人類需求，如日常工作與生活中，透過人臉識別方式極易實現(xiàn)交互式協(xié)作，提升系統(tǒng)安全性與可用性，而且體現(xiàn)了個體化的獨有屬性，極易張顯個體特征；因而只需在MATLAB圖像三維矩陣進行統(tǒng)一處理，通過翻轉(zhuǎn)、轉(zhuǎn)向擴充訓(xùn)練。

第三，通過搭建加載AlexNet網(wǎng)絡(luò)、調(diào)節(jié)參數(shù)、運行代碼建立機器學(xué)習(xí)模塊，并通過它獲得學(xué)習(xí)結(jié)果，最后，只需要根據(jù)學(xué)習(xí)結(jié)果驗證模塊對每一個進門的人臉進行識別驗證即可，而不在訓(xùn)練集中的人臉則會馬上以異常信號進行顯示并提出預(yù)警，尤其是該技術(shù)在識別方面的精準(zhǔn)性高、識別速度快、圖像采集成本低，應(yīng)用推廣十分便利。但是，應(yīng)該人臉識別組件本身進行配套的型號、規(guī)格與系統(tǒng)設(shè)置選擇；并在采集人臉圖片、影像、實體時，對面部遮擋物、配飾、整容、蓄須與剃須、面部表情變化等進行綜合采集；將人體面部的表情與身體部位的姿態(tài)進行對應(yīng)規(guī)范。

3 人工智能中人臉識別技術(shù)的應(yīng)用

3.1 教育領(lǐng)域的應(yīng)用

教育是國家發(fā)展的基石，人工智能中人臉識別技術(shù)的應(yīng)用將在教育領(lǐng)域發(fā)揮重大作用。

比如，教育公平中最為根本的考試與選拔環(huán)節(jié)，就能夠通過對人臉識別技術(shù)的應(yīng)用，克服以無線設(shè)備進行作弊的行為，并在整個考核期間實時動態(tài)化跟蹤式監(jiān)察，以起到預(yù)防作用。至于以相似人臉為基礎(chǔ)的替代考試行為，則能夠在人工智能的深度學(xué)習(xí)方式下，透過對相關(guān)臉部的多重要素組成加以識別。尤其是在線教育快速發(fā)展后，在跨地域教育、遠程教育中，傳統(tǒng)教育模式中的實時監(jiān)管很難實現(xiàn)有效管理，比如，在新冠疫情期間，很多教育機構(gòu)實施了在線教育，但是，透過手機學(xué)員在出勤率、學(xué)習(xí)狀態(tài)方面相對松散，具有明顯的懈怠行為，但采用視頻記錄與遠程文件發(fā)送，以及在線聽課簽到與問答敲擊數(shù)字的實證經(jīng)驗并不能證明學(xué)生的出勤率與學(xué)習(xí)狀態(tài)是否處于真實狀態(tài)，所以，證偽機制也難于建立。應(yīng)用人工智能中人臉識別技術(shù)，可以使簽到系統(tǒng)、學(xué)習(xí)狀態(tài)均受到實時監(jiān)控，確保學(xué)員在規(guī)定時間內(nèi)按照教育教學(xué)要求完成自身的學(xué)習(xí)任務(wù)，因此，由此途徑增加了在線教育缺乏的交互管理屬性，能夠幫助教育機構(gòu)促進教師與學(xué)員之間的主動交互與客觀約束，進而為教育領(lǐng)域的轉(zhuǎn)型升級提供技術(shù)路徑下的支持功能，并對一些關(guān)鍵環(huán)節(jié)實施監(jiān)管與收集可證明相關(guān)行為的數(shù)據(jù)信息等。

3.2 安防領(lǐng)域的應(yīng)用

與教育在國家發(fā)展中的基石作用相比，安防領(lǐng)域牽涉到國家的生死存亡，也關(guān)系到日常生活中民眾的生命財產(chǎn)安全等。

比如，在我國全面實現(xiàn)現(xiàn)代化轉(zhuǎn)型的新時期，社會化的活動范圍與公共場所的人員流動頻率均明顯增加，尤其是不法分子混跡人群或非法行為較為隱性的發(fā)生等，在此類場合均無法進行精準(zhǔn)判斷。在評估此類風(fēng)險后，可以在安防領(lǐng)域應(yīng)用人工智能中的人臉識別技術(shù)，對不法非子實施預(yù)設(shè)性識別與警示，則可以有效化解其中的風(fēng)險，并及時的運用安防資源配置震懾、逮捕犯罪分子。另一方面，公共服務(wù)質(zhì)量提升，使公共場所的使用空間正在逐漸擴大，而人工檢查識別往往會耗費較多資源，造成社會資源的浪費，也不利于工作效率的提升。此時，根據(jù)實際需求將人工智能中的人臉識別技術(shù)應(yīng)用于公共安防空間，則能夠通過公共攝像頭、計算機處理中心的中心化控制方案，對其中的所有人員實施人臉自動化識別與監(jiān)控。而且，能夠?qū)σ恍╇[藏性較大的違法行為進行證據(jù)采集，比如，以地鐵乘車為例，若發(fā)生偷竊、猥褻等非法行為時，就能夠以人工智能中人臉識別技術(shù)采集數(shù)據(jù)信息，當(dāng)違法者否認其非法行為時，就可以根據(jù)證據(jù)對其進行證偽，并保護其他公民的合法權(quán)益不受損害。另外，新時期的人臉識別技術(shù)在安防領(lǐng)域的智能化、高效化、精準(zhǔn)性應(yīng)用，可以借助信息獲取動態(tài)視頻監(jiān)控系統(tǒng)與靜態(tài)圖像，并對其實施系統(tǒng)內(nèi)的對比分析。比如，動態(tài)化視頻監(jiān)控系統(tǒng)中的人臉識別技術(shù)應(yīng)用多以大型公共場所居多，包括視頻照片采集、人臉檢測、特征提取、目標(biāo)數(shù)據(jù)庫比對識別、布控等。而靜態(tài)圖像對比系統(tǒng)則是以身份信息驗證為主要應(yīng)用方式，如重大會議現(xiàn)場、銀行系統(tǒng)等之類的場景活動中，就能夠運用系統(tǒng)數(shù)據(jù)庫對收集到的人員圖像實施比對分析，搜索識別出相關(guān)人員的身份信息等。

3.3 社會化應(yīng)用

就當(dāng)前現(xiàn)實情況而言，人工智能人臉識別技術(shù)的應(yīng)用已經(jīng)成為社會生活領(lǐng)域中的常見事物，如搭乘地鐵、消費支付、家庭管理、社區(qū)安保、快遞取件等方面，已經(jīng)開始成功應(yīng)用人臉識別技術(shù)，并且獲得了社會民眾的積極參與和支持。以此路徑能夠進一步推動“社會生活的智能化”并產(chǎn)生真正意義上的“智慧生活”。比如，在現(xiàn)代城市生活中，社區(qū)管理中的安保十分關(guān)鍵，它關(guān)系到群體性的財產(chǎn)與生命安全，也牽涉到個體的法律權(quán)益保護等。而運用人臉識別技術(shù)，則可以在門禁制度、樓層進入關(guān)上設(shè)置、電梯監(jiān)控、流動租戶管理等各個層面實現(xiàn)全程式無死角的動態(tài)化監(jiān)控。一方面，通過人臉識別技術(shù)應(yīng)用能夠減少人工識別檢查中的失誤率，提高小區(qū)管理效率；另一方面，在居民統(tǒng)計數(shù)據(jù)信息與人臉信息驗證方面提供雙重保險，并根據(jù)實際居民信息的變化而進行即時狀態(tài)的更新，完成全天候的出行、生活化安全防護。另外，在社會公共與私人領(lǐng)域?qū)θ四樧R別技術(shù)的應(yīng)用，也可以對違法行為形成一種強大的無人職守式震懾，并對已經(jīng)參與違法犯罪活動的非法分子進行實時動態(tài)的搜索與識別，以及跟蹤、監(jiān)控和布控。這在很大程度上促進了智慧生活環(huán)境中的生存安全性與生活智慧化，也是現(xiàn)代社會生活的一種形式變化的典型表現(xiàn)。

4 結(jié)束語

隨著信息技術(shù)的發(fā)展與推廣應(yīng)用，社會領(lǐng)域的各個生產(chǎn)環(huán)節(jié)均實現(xiàn)了信息化、智能化、網(wǎng)絡(luò)化；以此為基礎(chǔ)，在人工智能與工業(yè)改革資源整合的工業(yè)4.0升級方案實踐下，主要發(fā)達國家也相即推出了與自己國家工業(yè)發(fā)展情況相適用的人臉識別應(yīng)用技術(shù)。結(jié)合以上分析，建議在新時期增強“人臉識別+物聯(lián)網(wǎng)”的新應(yīng)用模式研究，逐漸推進人工智能中人臉識別技術(shù)方面的多種生物識別模式向融合方向發(fā)展，為其后續(xù)的活體檢測與虹膜識別應(yīng)用提供技術(shù)支持。另外，在新時期也應(yīng)該強化3D人臉庫的建設(shè)工作，通過配套化的數(shù)據(jù)信息積累，提升人工智能中人臉識別技術(shù)研發(fā)效率，擴增其在應(yīng)用層面的效用生產(chǎn)效率。