王伊琳

(西北政法大學(xué) 信息網(wǎng)絡(luò)中心，陜西 西安 710122)

人臉識(shí)別，又稱人像識(shí)別、面部識(shí)別，是一種根據(jù)人的臉部特征信息進(jìn)行身份驗(yàn)證的生物識(shí)別技術(shù)。隨著人工智能時(shí)代的到來，人臉識(shí)別技術(shù)也取得了較大的突破，逐漸成為計(jì)算機(jī)視覺和模式識(shí)別領(lǐng)域的熱門話題[1]。

1 人臉識(shí)別技術(shù)的概述

1.1 人臉識(shí)別技術(shù)的基本原理

現(xiàn)階段的人臉識(shí)別技術(shù)主要包括了數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、特征提取和匹配識(shí)別4個(gè)過程。數(shù)據(jù)采集主要通過攝像設(shè)備對(duì)不同的人臉圖像進(jìn)行采集，包括靜態(tài)圖像、動(dòng)態(tài)圖像、不同表情、不同角度的人臉圖像等，當(dāng)用戶出現(xiàn)在拍攝范圍內(nèi)，設(shè)備就會(huì)自動(dòng)對(duì)其面部圖像進(jìn)行拍攝。在采集到人臉圖像后不能直接進(jìn)行特征提取，因?yàn)橹苯硬杉膱D像通常存在噪聲大、模糊、曝光不均勻等特點(diǎn)，需要通過圖像處理的方法如灰度變換、直方圖均衡化，幾何校正等對(duì)采集到的人臉圖像進(jìn)行預(yù)處理，這樣處理后的圖像再進(jìn)行特征提取就不會(huì)受到隨機(jī)信號(hào)的干擾。人臉特征提取又稱人臉表征，是指對(duì)人臉的特征信息進(jìn)行建模的過程。人臉特征提取方法分為兩類：基于知識(shí)的表征方法，主要根據(jù)人臉五官的形狀描述以及它們之間的距離特性來獲取特征；基于代數(shù)特征的表征方法，包括主成分分析和線性判別分析兩種經(jīng)典方法，基于代數(shù)特征的方法因計(jì)算復(fù)雜度較低成為最受歡迎的表征方法。最后對(duì)人臉特征進(jìn)行匹配與識(shí)別，通過將提取到的特征與數(shù)據(jù)庫(kù)中存儲(chǔ)的特征模板進(jìn)行搜索匹配，通常設(shè)定一個(gè)閾值，當(dāng)特征之間的相似度高于設(shè)定的閾值時(shí)，則將匹配到的結(jié)果進(jìn)行輸出。

1.2 人臉識(shí)別技術(shù)的優(yōu)勢(shì)

人臉識(shí)別技術(shù)在市場(chǎng)上被應(yīng)用得越來越普遍，其優(yōu)勢(shì)也越來越明顯，具體可概括為以下三點(diǎn)：高效性，隨著設(shè)備硬件性能的不斷提升和算法的不斷成熟，人臉識(shí)別技術(shù)通常識(shí)別精度高且識(shí)別速度快，具有效率高的特點(diǎn)；可靠性，人臉屬于暴露在外的生物特征，采集設(shè)備通常能夠不被察覺地主動(dòng)獲取直觀的特征信息，從而不會(huì)被經(jīng)過偽裝的信息所輕易蒙蔽；非接觸性，人臉識(shí)別設(shè)備在進(jìn)行數(shù)據(jù)采集時(shí)不需要和人進(jìn)行直接接觸，而且不受時(shí)間場(chǎng)地的限制，采集方式高效靈活。

2 經(jīng)典的人臉識(shí)別算法

2.1 基于幾何特征的人臉識(shí)別算法

在基于幾何特征的人臉識(shí)別算法中，主要通過利用人的眼睛、鼻子、嘴巴等器官的基本特征和形狀以及各器官之間的幾何聯(lián)系進(jìn)行識(shí)別，這種方法原理簡(jiǎn)單，識(shí)別速度快，但由于其對(duì)人臉的細(xì)節(jié)特征信息無法做到具體的描述，一旦采集的人臉圖像有光照的變化或有遮擋的情況下，這種方法的識(shí)別準(zhǔn)確率就會(huì)快速下降，產(chǎn)生較大的誤差[2]。

2.2 基于特征臉的人臉識(shí)別算法

特征臉也稱主成分分析法，是一種基于K-L變換的人臉識(shí)別算法。K-L變換是指在統(tǒng)計(jì)特征的基礎(chǔ)上進(jìn)行多維正交線性變換，其基本原理是將高維的人臉圖像經(jīng)過K-L變換后得到一組新的正交基，保留其中主要的正交基構(gòu)成低維線性空間。在識(shí)別過程中，將測(cè)試的人臉圖像投影到這個(gè)空間，可以得到一組投影系數(shù)并以此作為用于識(shí)別的特征矢量。這種算法使圖像在壓縮前后能夠保持較小的均方誤差，且變換后的低維空間也具有良好的分辨能力。

2.3 基于紋理特征的人臉識(shí)別算法

基于紋理的人臉識(shí)別，就是從面部區(qū)域提取紋理特征，其中較為經(jīng)典的是局部二值模式算子。它是通過將中心像素與鄰域像素進(jìn)行比較，若周圍像素大于中心像素則標(biāo)記為1，周圍像素小于中心像素則標(biāo)記為0，這樣可以得到一串二進(jìn)制數(shù)，將其轉(zhuǎn)換為十進(jìn)制數(shù)作為該中心像素點(diǎn)的值，該值可以用來表示該區(qū)域的紋理特征，然后再對(duì)圖像進(jìn)行分塊并統(tǒng)計(jì)直方圖，將測(cè)試圖像的直方圖與訓(xùn)練圖像的直方圖進(jìn)行對(duì)比，從而輸出識(shí)別結(jié)果。相比較特征臉的算法，局部二值模式算子對(duì)于光照條件的變化具有良好的魯棒性，但是對(duì)于人臉表情、姿態(tài)的變化局部二值模式算子仍具有局限性。

2.4 基于神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別算法

近年來，隨著大數(shù)據(jù)和人工智能的快速發(fā)展，早期由學(xué)者提出的模仿人類大腦的神經(jīng)網(wǎng)絡(luò)模型重回人們的視野。學(xué)習(xí)是神經(jīng)網(wǎng)絡(luò)研究的一個(gè)重要內(nèi)容，根據(jù)學(xué)習(xí)方式可分為監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)，其中卷積神經(jīng)網(wǎng)絡(luò)作為一種深度的監(jiān)督學(xué)習(xí)下的模型被廣泛應(yīng)用在模式識(shí)別的各個(gè)領(lǐng)域。卷積神經(jīng)網(wǎng)絡(luò)通過挖掘數(shù)據(jù)的局部特征，提取全局訓(xùn)練特征和分類，其權(quán)值共享結(jié)構(gòu)網(wǎng)絡(luò)使之類似于生物神經(jīng)網(wǎng)絡(luò)，卷積神經(jīng)網(wǎng)絡(luò)能夠結(jié)合人臉圖像空間的局部感知區(qū)域共享權(quán)重，在空間或時(shí)間上進(jìn)行降采樣來充分利用數(shù)據(jù)本身包含的局部性等特征，優(yōu)化模型結(jié)構(gòu)，保證一定的位移不變性[3]。基于此，香港中文大學(xué)的DeepID項(xiàng)目以及Facebook公司的DeepFace項(xiàng)目在LFW人臉數(shù)據(jù)集上的識(shí)別準(zhǔn)確率均超過97%，取得了突破性的成果。目前已有多種基于神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別算法。

3 人臉識(shí)別技術(shù)在高校信息化建設(shè)中的應(yīng)用案例

3.1 門禁安防系統(tǒng)

保證宿舍安全是做好校園安全防護(hù)的一項(xiàng)重要工作內(nèi)容。將人臉識(shí)別技術(shù)應(yīng)用在門禁安防系統(tǒng)中具有以下幾點(diǎn)優(yōu)勢(shì)：可以有效提高安全性，防止代刷、冒用別人身份隨意進(jìn)出宿舍；通行效率高，不會(huì)造成學(xué)生在高峰時(shí)間進(jìn)出宿舍的擁堵情況；可以對(duì)陌生人員的人臉圖像進(jìn)行采集標(biāo)記，有效對(duì)異常行為進(jìn)行及時(shí)預(yù)警。基于人臉識(shí)別技術(shù)的門禁安防系統(tǒng)首先利用門禁攝像頭對(duì)學(xué)生的人臉圖像進(jìn)行采集，然后與數(shù)據(jù)庫(kù)中學(xué)生錄入的基本信息進(jìn)行匹配并壓縮保存至服務(wù)器，通過服務(wù)器下發(fā)學(xué)生的人臉圖像與基本信息，最后通過各個(gè)門禁終端接收到的圖像與服務(wù)器中的圖像進(jìn)行比對(duì)實(shí)現(xiàn)人臉識(shí)別。目前已有部分高校對(duì)校門進(jìn)出口、宿舍、圖書館、實(shí)驗(yàn)室等場(chǎng)所應(yīng)用基于人臉識(shí)別的門禁安防系統(tǒng)，可以根據(jù)人臉信息準(zhǔn)確設(shè)置出入權(quán)限，極大程度地保障了校園安全。

3.2 教學(xué)考勤系統(tǒng)

考勤是高校教學(xué)管理中的一項(xiàng)重要內(nèi)容，學(xué)生上課的出勤率會(huì)直接影響學(xué)校的校風(fēng)學(xué)風(fēng)建設(shè)。我國(guó)大部分高校采用的是開放型的教學(xué)模式，學(xué)生數(shù)量大、流動(dòng)性高等都給日?？记诠ぷ鲙硪欢ǖ碾y度。目前大多數(shù)高校采用人工考勤的方式，雖然取得了一定的效果但依然有許多問題，如存在代替簽到、學(xué)生數(shù)量多依次點(diǎn)名簽到造成課堂時(shí)間浪費(fèi)等現(xiàn)象?；谌四樧R(shí)別的考勤系統(tǒng)可以很好地解決這些問題，其能夠?qū)ι险n的學(xué)生進(jìn)行快速、準(zhǔn)確無誤的身份核驗(yàn)，同時(shí)還能夠保存現(xiàn)場(chǎng)視頻照片等，使考勤人員可以遠(yuǎn)程實(shí)時(shí)掌控考勤點(diǎn)的實(shí)際狀況，并可以針對(duì)一些特殊情況及時(shí)調(diào)取回溯?；谌四樧R(shí)別的考勤系統(tǒng)簡(jiǎn)化了考勤流程，提高了學(xué)校在考勤工作上的效率，減輕了教師和輔導(dǎo)員額外的工作負(fù)擔(dān)，幫助學(xué)校強(qiáng)化學(xué)風(fēng)建設(shè)，提高教學(xué)質(zhì)量。

3.3 大型活動(dòng)簽到系統(tǒng)

在高校的日常工作中，經(jīng)常會(huì)舉辦一些學(xué)術(shù)會(huì)議、報(bào)告、招聘會(huì)等大型活動(dòng)，通常場(chǎng)地有限且人員較為密集。傳統(tǒng)的人工簽到模式效率不高，常常會(huì)造成排隊(duì)擁堵、現(xiàn)場(chǎng)秩序混亂等情況，給工作人員和參會(huì)人員帶來不便，甚至影響整個(gè)活動(dòng)的正常進(jìn)行。利用基于人臉識(shí)別的簽到系統(tǒng)具有以下幾點(diǎn)優(yōu)勢(shì)：極大程度地簡(jiǎn)化了活動(dòng)簽到流程，能夠快速識(shí)別參會(huì)人員的身份信息，縮短參會(huì)人員的簽到時(shí)間，同時(shí)優(yōu)化人員的管理秩序，提高活動(dòng)的管理水平；具有非接觸性，即在簽到的過程中工作人員與參會(huì)人員全程無接觸，這也是當(dāng)前疫情常態(tài)化下安全的有效保障；仿冒成本高，人臉識(shí)別可以準(zhǔn)確地對(duì)參會(huì)人員的信息進(jìn)行識(shí)別，使頂替簽到、冒用別人身份參會(huì)的情況大大減少。

4 結(jié)束語(yǔ)

隨著人工智能和智慧校園的快速發(fā)展，筆者對(duì)人臉識(shí)別技術(shù)以及其在高校信息化建設(shè)中的應(yīng)用做出了總結(jié)分析。盡管人臉識(shí)別技術(shù)能夠帶來諸多便利，但目前關(guān)于其應(yīng)用仍然存在著安全性與隱私性的輿論爭(zhēng)議。期待著未來人臉識(shí)別技術(shù)能夠在保障數(shù)據(jù)安全，保護(hù)用戶隱私方面有所提高，切實(shí)為高校信息化建設(shè)做出貢獻(xiàn)。