多彩世界

    随着计算机科学技术的进步，越来越多的科技为我们的生活带来了便利，人脸识别就是其中之一。虽然这个技术听起来很高深，但是在我们生活中已经有非常多的应用场景。如刷脸开手机、刷脸开门、刷脸取款、刷脸支付等等，均使用了人脸识别技术。大家一定非常好奇那些小小的摄像头到底是怎么认出自己的呢，那么就让我们共同探秘，揭开这“黑科技”背后的面纱吧。

    什么是人脸识别？

    人脸识别就是通过对摄像机或摄像头所采集的人脸图像的进行特征提取和分析，并自动进行身份识别的一种生物识别技术。通常也被称为人像识别、相貌识别、面孔识别、面部识别、面像识别等。

    人脸识别有四大步骤：建立一个包含大批量人脸图像的数据库；采集当前要进行识别的目标人脸图像；对人脸图像进行分析，提取独特的脸部特征信息，比如眼有多大、脸有多长等等；将目标人脸图像的特征信息与数据库中已有的人脸图像信息进行比对匹配，进行身份识别。

    每当开始一个人脸识别时，人脸识别系统的摄像机或摄像头会扫描到我们的人脸，并将我们的面部进行分析和特征信息提取。随后将我们的脸部特征信息与早已建立好的人脸图像数据库中的人脸数据进行比对，如果成功匹配则身份识别成功。这三个过程实际上分别对应三个技术过程，即人脸检测、特征提取和人脸比对。让我们再进一步了解一下这些技术的原理吧。

    人脸检测

    人脸检测实际上是判断在动态的复杂的背景中，检测判断出是否有人像并分离出人脸图像。其中最常用的方法有以下四种。

    参考模板法 ：设置一个或者多个标准的人脸模块，并且计算环境中的某个部分与模块的相似程度，从而判断出是否有人脸存在。

    人脸规则法：人脸都具有一定的结构分布特征，该方法就是通过提取这些特征以判断测试环境中是否包含人脸。

    样品学习法：其原理是机器学习，机器通过对面像样品集和非面像样品集的学习产生分类器，达到最终可以识别人脸的目的。

    肤色模型法：根据人们的脸部肤色在色彩空间中分布相对即表集中的规律来识别人脸是否存在。

    特征子脸法：将所有面像的集合视为一个面像子空间，并基于比例来判断空间中是否存在人脸。

    特征提取

    特征提取即从人脸上提取全局或局部特征信息，是对人脸进行特征建模的一个过程。特征提取主要有两种方法。

    基于知识的表征方法：根据人脸器官的形状大小以及它们之间的距离等几何特性来获得有助于人脸分类的特征数据。

    基于统计理论的表征方法：利用统计分析与机器学习的方法提取人脸特征信息。该方法是通过样本学习而不是根据直观印象得到的表象特点，因此可以减小由于观测不完整和不精确带来的偏差。

    人脸比对

    人脸比对就是将提取的人脸特征信息与人脸图像数据库中的人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断。通常会在系统中设定一个阈值， 当相似度超过这一阈值时就算匹配成功。这一过程又分为两种方法。

    人脸验证，即身份确认，1∶1比对，确认“这个人是不是某人”；人脸识别，即身份辨认，1∶N比对，辨认“这个人是谁”。

    人脸识别目前已经广泛地应用于金融交易、智能设备、公共交通、营销零售、国防、公安、边检、智能安防等领域。随着智慧城市、平安社区、智能楼宇的建设和发展，人脸识别技术将越来越深入我们的生活。

    （作者系北京十一学校学生）