機器視覺之人臉識別的流程及主要技術

人臉識別(Face Recognition)是一種依據人的面部特徵(如統計或幾何特徵等)，自動進行身份識別的一種生物識別技術，又稱為面像識別、人像識別、相貌識別、面孔識別、面部識別等。通常我們所說的人臉識別是基於光學人臉影像的身份識別與驗證的簡稱。
人類識別流程圖
機器視覺方案服務商朗銳智科(www.loongv.com)認為，人臉識別利用攝像機或攝像頭採集含有人臉的影像或視訊流，並自動在影像中檢測和跟蹤人臉，進而對檢測到的人臉影像進行一系列的相關應用操作。技術上包括影像採集、特徵定位、身份的確認和查詢等等。簡單來說，就是從照片中提取人臉中的特徵，比如眉毛高度、嘴角等等，再通過特徵的對比輸出結果。
人臉識別的一般流程：

1）人臉採集：
（1）簡介：
不同的人臉影像通過攝像鏡頭採集得到，比如靜態影像、動態影像、不同的位置、不同表情等，當採集物件在裝置的拍攝範圍內時，採集裝置會自動搜尋並拍攝人臉影像。
（2）人臉採集的主要影響因素：

影像大小：人臉影像過小會影響識別效果，人臉影像過大會影響識別速度。非專業人臉識別攝像頭常見規定的最小識別人臉畫素為6060或100100以上。在規定的影像大小內，演算法更容易提升準確率和召回率。影像大小反映在實際應用場景就是人臉離攝像頭的距離。

影像解析度：越低的影像解析度越難識別。影像大小綜合影像解析度，直接影響攝像頭識別距離。現4K攝像頭看清人臉的最遠距離是10米，7K攝像頭是20米。

光照環境：過曝或過暗的光照環境都會影響人臉識別效果。可以從攝像頭自帶的功能補光或濾光平衡光照影響，也可以利用演算法模型優化影像光線。

模糊程度：實際場景主要著力解決運動模糊，人臉相對於攝像頭的移動經常會產生運動模糊。部分攝像頭有抗模糊的功能，而在成本有限的情況下，考慮通過演算法模型優化此問題。

遮擋程度：五官無遮擋、臉部邊緣清晰的影像為最佳。而在實際場景中，很多人臉都會被帽子、眼鏡、口罩等遮擋物遮擋，這部分資料需要根據演算法要求決定是否留用訓練。

採集角度：人臉相對於攝像頭角度為正臉最佳。但實際場景中往往很難抓拍正臉。因此演算法模型需訓練包含左右側人臉、上下側人臉的資料。工業施工上攝像頭安置的角度，需滿足人臉與攝像頭構成的角度在演算法識別範圍內的要求。

2）人臉檢測：

（1）簡介：
在影像中準確標定出人臉的位置和大小，並把其中有用的資訊挑出來（如直方圖特徵、顏色特徵、模板特徵、結構特徵及Haar特徵等），然後利用資訊來達到人臉檢測的目的。

（2）人臉關鍵點檢測（人臉對齊）：
自動估計人臉圖片上臉部特徵點的座標。

（3）主流方法：
基於檢測出的特徵採用Adaboost學習演算法（一種用來分類的方法，它把一些比較弱的分類方法合在一起，組合出新的很強的分類方法）挑選出一些最能代表人臉的矩形特徵（弱分類器），按照加權投票的方式將弱分類器構造為一個強分類器，再將訓練得到的若干強分類器串聯組成一個級聯結構的層疊分類器，有效地提高分類器的檢測速度。

最近人臉檢測演算法模型的流派包括三類及其之間的組合：viola-jones框架（效能一般速度尚可，適合移動端、嵌入式上使用），dpm（速度較慢），cnn（效能不錯）。

3）人臉影像預處理：

（1）簡介：
基於人臉檢測結果，對影像進行處理並最終服務於特徵提取的過程。
（2）原因：
系統獲取的原始影像由於受到各種條件的限制和隨機干擾，往往不能直接使用，必須在影像處理 的早期階段對它進行灰度矯正、噪聲過濾等影像預處理。
（3）主要預處理過程：
人臉對準（得到人臉位置端正的影像），人臉影像的光線補償，灰度變換、直方圖均衡化、歸一 化（取得尺寸一致，灰度取值範圍相同的標準化人臉影像），幾何校正、中值濾波（圖片的平滑操作以消除噪聲）以及銳化等。

4）人臉特徵提取：

（1）簡介：
人臉識別系統可使用的特徵通常分為視覺特徵、畫素統計特徵、人臉影像變換系數特徵、人臉影像代數特徵等。人臉特徵提取就是針對人臉的某些特徵進行的，也稱人臉表徵，它是對人臉進行特徵建模的過程

（2）人臉特徵提取的方法：
1、基於知識的表徵方法（主要包括基於幾何特徵法和模板匹配法）：
根據人臉器官的形狀描述以及它們之間的距離特性來獲得有助於人臉分類的特徵資料，其特徵分量通常包括特徵點間的歐氏距離、曲率、和角度等。人臉由眼睛、鼻子、嘴、下巴等區域性構成，對這些區域性和他們之間結構關係的幾何描述，可作為識別人臉的重要特徵，這些特徵被稱為幾何特徵。

2、基於代數特徵或統計學習的表徵方法：
基於代數特徵方法的基本思想是將人臉在空域內的高維描述轉化為頻域或者其他空間內的低維描述，其表徵方法為線性投影表徵方法和非線性投影表徵方法。

基於線性投影的方法主要有主成分分析法或稱K-L變化、獨立成分分析法和Fisher線性判別分析法。非線性特徵提取方法有兩個重要的分支：基於核的特徵提取技術和以流形學習為主導的特徵提取技術。

5）匹配與識別：
提取的人臉特徵值資料與資料庫中存貯的特徵模板進行搜尋匹配，通過設定一個閾值，將相似度與這一閾值進行比較，來對人臉的身份資訊進行判斷。