宁德职业技术学院 叶允英 高卫斌

随着社会的不断进步，在很多场景下都经常会使用到人脸识别技术，被广泛地应用在了各行各业中。想要提升人脸认识技术的应用效果，就要对特征提取效率和人脸识别的正确率分析，通过创新出能够融合局部特征与全局特征的算法，来优化人脸识别技术。通过仿真实验的方式来进行探索，帮助提升人脸识别技术的实际应用水平。

人脸识别技术已成为较为常见的一种识别技术，能够识别人类的生物特征，在多种场景下都可以表现出技术实力，支持身份识别、视频查找、管理等，具有较为广阔的应用空间。在实际的识别过程中，人脸识别的重点就是在有效特征的采集方面，从以往录入的信息中，迅速的检索到使用者的信息，对有效信息的确认就显得尤为重要，想要提升人脸识别技术的水平，就能通过这些内容特征的识别效果提升。现阶段主要使用的识别类型为线性和非线性两种技术，通过对这一技术的分析，可以得出目前的人脸识别技术的注意要提取方式一般有两种选择，第一种是基于在所选择的样本的全局特征，对不同样本之间存在的区别进行分析；
第二种是源于对所选的目标对象的局部特征展开研究，对于几何特征进行提取，确保降维操作能够保持样本的统一性。想要提升样本的特征提取的准确率，就要对人脸识别技术不断优化，研发全新的特征提取技术，通过提高识别算法的适用范围和使用效果，来提高人脸识别技术的整体水平。

1.1 按应用方式分类

人脸识别技术也被称作人脸验证，包括了不同的类别。其中，1∶1是通过对人类脸部特征的信息提取，从而进行信息识别的一种技术，属于二分类技术，在现代社会具有广泛的应用场景，在人们的日常生活中，属于一种使用较为普遍的技术，包括人们购买车票、购物、缴费等都能够使用到这一身份识别功能。而另外的一种1∶N的类型与1∶1存在着一些差异，这种方式在工作时需要准备多个样本，同时展开分析，这样也会使信息识别的工作量变得更多，当信息数据越多时，人脸识别的速度也就会更慢，当数据量过大时，例如超过20万的总数，就会识别出多个结果，因为在这么庞大的数据信息中，会有很多信息雷同的对象，计算机不能够精准的判断具体的目标，需要由人工进行操作，帮助确认人脸识别的具体信息，这种类别一般会被应用在人口追踪等场景下，帮助减轻人工操作的负担，还可以让人脸识别的速度加快。而第三种人脸识别的类型M∶N其实是在1∶N的基础上，在多个人脸进行分析后，通过1∶N的算法进行处理后，再进行识别。

1.2 按素材使用分类

对于人脸识别技术展开探讨，可以发现人脸识别可以根据素材的差异进行分类，其中包括了2D与3D两种形式，2D的识别方式主要是对人脸的信息采集后经过检测和处理，对信息展开分析。而3D技术与2D技术有些不同，人脸识别的素材来源是通过云数据的形式，而且还包括多视角图等。点云数据时通过三维的信息数据构建而成，对于点云产生了重要作用，也会让信息数据被重新界定。这种方式的数据信息收集方法，能够提取较为完全的几何信息。

2.1 2D人脸识别

人脸识别技术包括2D与3D两种技术，实际对比流程可以参考如图1所示，其中2D人脸识别的步骤主要包括了信息数据的提取、图像的采集、人脸特征的提取和数据的比对。这种图像信息的收集和提取主要是依靠摄像头取得，经过信息图像的分析后，就可以成为人脸识别的素材。对于图像信息进行分析的主要目标，也是为了提升所采集的图像信息的准确度，对人脸的信息进行更加精确的比对和探究[1]。一般情况下，对于人的面部信息的处理可以对敏感程度、尺寸大小、方位等进行调整，让图像信息能够更加全面的展现出人脸的面部特征。现阶段使用最为广泛的技术方法就是对灰度进行校对、调整滤波以及大小等。对于现阶段的人脸识别技术来说，主要包括了三种识别的方式，第一种是建立在肤色模型的基础上的识别方式；
第二种是建立在边缘特征上的检测形式；
第三种是根据理论方法衍生出来识别方式。其中在肤色特征上的检测方法，重点是要利用高斯模型的技术，能够对不同色彩进行分析，从而形成一个肤色模型，还能够利用非参数对人脸的色彩进行分析判断，从而实现人脸识别。第二种边缘特征的识别方式，是通过对生物体轮廓的构造和五官的边缘进行识别，以达到对人脸定位的目的，采用这种边缘检测法所获得的数据量较少，一般会使用在实时检测的情境下。第三种建立在统计理论的基础上的识别方式，通过对Haar的面部特点分析，经过计算机软件的处理，从而得到一个较强的分类管理方式，目前对面部特征识别的主要方式还可以分为视觉和图像[2]。

图1 2D与3D流程对比Fig.1 Comparison of 2D and 3D processes

2.2 3D人脸识别流程

相比于2D人脸识别，3D人脸识别是通过对图像素材的收集，涉及到对人脸的图像信息配对，构建3D模型以及信息的必会等。目前主要使用的图像信息提取方式有以下几种形式。第一种：由普通的摄像头就可以实现的对图像素材的采集；
第二种：必须由专业的摄影装备才能实现对图像具体特征的提取。包括对图像和深度的人脸特征的采集。当图像素材提取后，需要通过比对分析，对图像进行对准，确保所得出的数据能够正常应用，还可以实时上传与对应。比对的过程包括了时间上与空间上的多个方面，必须都保持同步状态，才可以获得精确程度更高的实际应用效果。

首先，要对需要进行人脸识别的样本划分，选择好目标，其余的作为测试素材。然后选择有效的运算方法，来学习样品素材，从而取得信息数据。最后对信息素材处理研究，所得出的数据为降维后的数据，对这些数据整理，采用交叉算法可以对数据分析。而且，还能将验证的样本录入到系统中，对数据信息进行确认，从而建立一个人脸识别机制，并将所获得的信息样本输入到这样的系统中，就可以实现对人脸的识别。

4.1 仿真环境

想要保障仿真实验中计算机处理的准确性，就要确保仿真环境符合标准，选择合适的处理软件，例如可以选择使用Windows7系统展开实验，利用有效的算法从数据系统中进行检索。通过对全局特征进行分析处理，对局部特征的数据进行提取，从而得出人脸识别的效果比对结果。

4.2 人脸库上的性能分析

人脸数据库涵盖了多个人脸特征姿态的识别，包括不同光线环境的巨量图片素材，在不同的明暗程度下，Yale B人脸库可以再次进行分类，从而实现人脸的特征分析，如图2所示。

图2 训练集Fig.2 Training set

4.3 参数对识别率的影响

本次仿真实验通过对人脸素材的样本选择，对所筛选的样本的前4张图片进行比对，对于剩余的6张图像素材作为检测的案例，如图3所示。当降维参数符合标准时，人脸识别的成功率会受到具体参数的影响。从而得出了仿真实验的结论，当参数处于任何数值时，对于人脸识别的影响都在可接受的有效范围内。通俗的讲，这种仿真实验的方式，人脸识别的结果都可以得到预想水平[3]。

图3 识别率与参数的关系Fig.3 Relationship between recognition rate and parameters

4.4 降维数对识别率的影响

对于人脸识别进行仿真实验，当选定好实验样本后，降维数与识别率也存在着一定的关联性，当降维数不断提高后，对识别率的影响就是，让识别率的效果不断提升。在降维数数值处于40时，会让识别率处于最高的反应区域，如图4所示。

图4 识别率与降维数的关系Fig.4 Relationship between recognition rate and dimension reduction

4.5 人脸识别正确率

根据不同光线条件下收集的人脸子集，差异性的识别算法，可以从人脸的局部特征进行分析，从而得出局部特征识别法。而全局特征的识别方式，是对全脸的识别，从仿真实验中可以看出，基于全局特征的人脸识别准确率要高于局部特征的识别方式。综合局部特征与全局特征的识别算法，能够达到94%，相比于局部特征识别的概率，整体识别精准度有大幅度的提升。经过对两种方式的对比，从而得出研究结果，仿真实验的算法是一种更加高效的人脸识别方式。通过结合局部特征与全局特征的识别方式，可以有效地提高人脸识别的实际应用效果，能够明显地减少人脸识别的平均时间，能够更好地实现人脸识别的工作需要，让人脸识别具有实时性，可以达到快速识别，而且可以根据不同的工作需要，来选择适合的识别方法。对于识别的准确率问题展开研究，可以由ROC曲线的表现来验证不同方式的人脸识别能力。在数据库中查找的速度快慢和准确率都能得到验证。对于过去的识别方式，全新的人脸识别算法，可以在多种环境下，让人脸识别的准确率提升，并且经过研究可以得出以下结论：（1）在选定好的光线明暗程度下，结合局部特征与全局特征的人脸识别方式，也会受到光线明暗程度等多种因素的干扰，但是也可以达到工作需要。（2）通过本次仿真实验的探究，发现数值的对比后，在子集设置为3时，ROC的曲线率会有更好的表现，而当数值设置为4时，各种算法之间存在的差异并不大。所得出的结论是通过仿真实验的验证，从而获得结论以这样的识别方式整体表现更好，如表1所示。

表1 不同方法的运行时间比较Tab.1 Comparison of running time of different methods

4.6 人脸库的性能分析

对于PIE人脸库进行分析，主要包括了多种人脸素材，将这些彩色图像进行操作，然后对像素进行转化，可以发现在不同明亮度的光线条件下，人脸识别的准确率都在96%左右，比过去使用的人脸识别方法的准确率要高很多。本次仿真实验的识别方式能够明显提高人脸识别的应用效果，所以得出的结论是本次实验成为另一种更加先进的人脸识别方式。

伴随着当前社会的快速发展，这种生物特征的提取技术已经成为了广泛应用在社会中的一种全新的手段。虽然现阶段主要使用的人脸识别技术已经具备了一定的水平，但是受到一定的影响因素干扰后，也会产生识别不准确的问题。例如在光照条件发生变化时，就会让人脸识别出现误差，因而想要提升人脸的技术水平就要提出具有更加先进的技术特点的算法。对于生物特征来说，局部特征与全局特征都会对人脸识别带来一定的影响，所以本文针对生物特征等特点，对于全局特征与局部特征等问题进行分析，通过建立仿真实验，来探索更加高效的人脸识别算法，从而帮助我国的人脸识别技术获得进一步的提升。

引用

[1]张凯兵,郑冬冬,景军锋.低分辨人脸识别综述[J].计算机工程与应用,2019,55(22):14-24.

[2]鲁磊.基于卷积神经网络的人脸识别方法研究[D].西安:西安科技大学,2019.

[3]卢子谦,陆哲明,沈冯立,等.人脸反欺诈活体检测综述[J].信息安全学报,2020,5(2):18-27.

猜你喜欢 识别率人脸人脸识别 人脸识别 等作文中学版(2022年1期)2022-04-14有特点的人脸少儿美术·书法版(2021年9期)2021-10-20一起学画人脸小学生必读(低年级版)(2021年5期)2021-08-14揭开人脸识别的神秘面纱学生天地(2020年31期)2020-06-01人脸识别技术的基本原理与应用电子制作(2019年14期)2019-08-20基于真耳分析的助听器配戴者言语可懂度指数与言语识别率的关系中国听力语言康复科学杂志(2019年3期)2019-06-24三国漫——人脸解锁动漫星空(2018年9期)2018-10-26人脸识别在高校安全防范中的应用电子制作(2017年1期)2017-05-17档案数字化过程中OCR技术的应用分析中国高新技术企业(2017年5期)2017-05-05科技文档中数学表达式的结构分析与识别物联网技术(2016年11期)2017-01-12