人脸识别几种解决方案的对比_人脸识别技术原理介绍

　　人脸识别概要

　　人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。

　　人脸识别特点

　　非强制性：用户不需要专门配合人脸采集设备，几乎可以在无意识的状态下就可获取人脸图像，这样的取样方式没有“强制性”；

　　非接触性：用户不需要和设备直接接触就能获取人脸图像；

　　并发性：在实际应用场景下可以进行多个人脸的分拣、判断及识别；

　　除此之外，还符合视觉特性：“以貌识人”的特性，以及操作简单、结果直观、隐蔽性好等特点。

　　人脸识别技术原理分析

　　人脸识别主要分为人脸检测（face detection）、特征提取（feature extraction）和人脸识别（face recognition）三个过程。

　　人脸检测：人脸检测是指从输入图像中检测并提取人脸图像，通常采用haar特征和Adaboost算法 训练级联分类器对图像中的每一块进行分类。如果某一矩形区域通过了级联分类器，则被判别为人脸图像。

　　特征提取：特征提取是指通过一些数字来表征人脸信息，这些数字就是我们要提取的特征。

　　常见的人脸特征分为两类，一类是几何特征，另一类是表征特征。几何 特征是指眼睛、鼻子和嘴等面部特征之间的几何关系，如距离、面积和角度等。由于算法利用了一些直观的特征，计算量小。

　　不过，由于其所需的特征点不能精确选择，限制了它的应用范围。另外，当光照变化、人脸有外物遮挡、面部表情变化时，特征变化较大。所以说，这类算法只适合于人脸图像的粗略识别，无法在实际中应用。

　　表征特征利用人脸图像的灰度信息，通过一些算法提取全局或局部特征。其中比较常用的特征提取算法是LBP算法。LBP方法首先将 图像分成若干区域，在每个区域的像素640x960邻域中用中心值作阈值化，将结果看成是二进制数。

　　图3显示了一个LBP算子。LBP算子的特点是对单调 灰度变化保持不变。每个区域通过这样的运算得到一组直方图，然后将所有的直方图连起来组成一个大的直方图并进行直方图匹配计算进行分类。

　　人脸识别：这里提到的人脸识别是狭义的人脸识别，即将待识别人脸所提取的特征与数据库中人脸的特征进行对比，根据相似度判别分类。而人脸识别又可以分为两个大类：一类是确认，这是人脸图像与数据库中已存的该人图像比对的过程，回答你是不是你的问题;

　　另一类是辨认，这是人脸图像与数据库中已存的所有图像匹 配的过程，回答你是谁的问题。显然，人脸辨认要比人脸确认困难，因为辨认需要进行海量数据的匹配。常用的分类器有最近邻分类器、支持向量机等。

　　人脸识别用途

　　人脸识别主要用于身份识别。由于视频监控正在快速普及，众多的视频监控应用迫切需要一种远距离、用户非配合状态下的快速身份识别技术，以求远距离快速确认人员身份，实现智能预警。人脸识别技术无疑是最佳的选择，采用快速人脸检测技术可以从监控视频图象中实时查找人脸，并与人脸数据库进行实时比对，从而实现快速身份识别。