當今，生物識別技術(shù)飛速發(fā)展。作為公共場所安全防務(wù)重要的技術(shù)手段，生物識別技術(shù)被廣泛應(yīng)用于政府、*、銀行、交通等公共設(shè)施。而人臉識別技術(shù)是生物識別技術(shù)這個課題中研究zui火熱的。
人臉識別技術(shù)特指利用分析比較人臉視覺特征信息進行身份鑒別的計算機技術(shù)。廣義的人臉識別實際包括構(gòu)建人臉識別系統(tǒng)的一系列相關(guān)技術(shù)，包括人臉圖像采集、人臉定位、人臉識別預(yù)處理、身份確認以及身份查找等；而狹義的人臉識別特指通過人臉進行身份確認或者身份查找的技術(shù)或系統(tǒng)。
通過視頻圖像的
人臉識別技術(shù)，以其源數(shù)據(jù)采集容易、成本較低廉等眾多優(yōu)勢越來越得到安防產(chǎn)業(yè)的重視。相比于指紋識別、虹膜識別、筆跡鑒定、DNA鑒定等技術(shù)，人臉識別僅僅需要在重要場所部署攝像設(shè)備，經(jīng)過比對算法運算，比對的速度十分快捷。但是作為廣泛存在的人臉數(shù)據(jù)，容易采集的圖像數(shù)據(jù)，在人物不同表情、年齡等狀態(tài)下人臉數(shù)據(jù)往往呈現(xiàn)出不盡相同的姿態(tài)。在一般的人臉圖像中，可以用來識別的圖像特性往往不易提取，而且極易受到圖像質(zhì)量、人物表情姿勢、光照條件、面部遮擋等諸多因素的影響。如何提高識別的準確率是人臉識別技術(shù)的zui大課題。
傳統(tǒng)的人臉識別技術(shù)必定經(jīng)過“人臉檢測”、“特征提取”和“識別算法”這3個步驟。其中基于Boosting的人臉檢測算法已經(jīng)相對成熟，部分大廠商的人臉檢測技術(shù)更是達到了國內(nèi)水平。同時其中個別廠商的人臉檢測SDK可以支持5路同時檢測zui小尺寸達20×20像素的人臉目標，在人臉左右旋轉(zhuǎn)45度之內(nèi)，準確率可以達到98%以上。
人臉圖像的“特征提取”是將圖像信息數(shù)字化，一張人臉圖像轉(zhuǎn)變?yōu)榈囊淮當?shù)字(一般稱為特征向量)需要具有生物個體*性、可以測量、用于識別和驗證等特征。幾何模板參數(shù)是早期的提取方法，近年來出現(xiàn)的Gabor、LBP、SIFT等基于圖像紋理的特征提取方式都取得了良好的效果。然而，很多特征提取方式得出的特征向量數(shù)據(jù)量遠遠超出了原有的圖像數(shù)據(jù)量，從而引發(fā)所謂的“維度災(zāi)難”，不利于特征的存儲、計算，更不利于識別。一方面，需要在圖像zui有信息量的部分計算、提取特征，另一方面，可以通過采用降維方法來避免“維度災(zāi)難”。
“識別算法”指的是分類特征向量的方法，LDA、SVM分類器、貝葉斯模型等都是具有代表性的分類識別算法。基于多尺度高維LBP/SIFT特征降維的貝葉斯模型等方法是近年來傳統(tǒng)人臉識別架構(gòu)的研究成果。
