人脸识别技术在公安工作中应用.docVIP

? 人脸识别技术在公安工作中的应用 人脸识别技术在公安工作中的应用 ■郝新华 人脸识别技术的研究方法目前主要有基于整体的人脸识别和基于特征分析的人脸识别两个研究方向；并且人脸识别技术已经进入实际应用阶段。公安工作中运用人脸识别技术在布控排查、犯罪嫌疑人识别、人像鉴定以及重点场所门禁等领域获得了良好的应用效果。 人体生物特征识别是通过计算机、各种传感器和生物统计学原理等高科技手段密切结合，利用人体固有的生物特征来进行个人身份识别。包括人脸识别技术在内的人体生物特征识别技术是近年来在全球范围内迅速发展起来的计算机安全技术。与虹膜识别、指纹识别、掌纹识别、签名识别、声音识别等人体生物特征识别技术相比，人脸识别具有方便友好、易于接受、不易伪造等优点，目前可用于身份认证、视频监测及视频资料检索分析等方面，是当前计算机视觉、模式识别和人工智能领域的一个研究热点。在9·11恐怖袭击事件发生后，美国连续签署了三个法案，要求必须采用生物识别技术。我国在第二代身份证上也嵌入了可机读的人像信息。据报道，2008年北京奥运会期间也将人脸识别系统应用于安保。 一、人脸识别技术概述 人脸自动识别系统的研究开始于20世纪60年代末期，20世纪90年代后期人脸识别技术逐渐从实验室走向了商用。如1998年德国西门子公司的Nixdorf高技术公司开发成功Face VACS；2001年日本东芝旗下的E-Solution公司推出Face Pass；美国开发的Face It等专业的商业人脸识别系统开始进入市场。我国从1994年开始研究人脸识别问题；2000年5月银晨网讯科技有限公司与中国科学院计算机所合作组建了面像识别联合实验室。经过研发，课题组实现跨越式发展， 攻克了数十项技术难关，开发出具有完全自主知识产权的产品和系统；2005年1月18日，由清华大学电子系苏光大教授担任人脸识别课题组负责人主持承担的国家“十五”攻关项目《人脸识别系统》通过了由公安部主持的专家鉴定，达到了国内领先水平和国际先进水平。人脸识别技术作为最容易隐蔽使用的识别技术成为当今国际反恐、安全防范以及刑事侦查等最重要的手段。目前我国人脸识别技术也开始进入实际应用阶段。作为国家863计划成果产业化基地的银晨网讯科技有限公司已经开发出人像识别布控机等系列产品。 二、人脸识别的技术方法 人脸作为具有复杂细节变化的自然结构目标，其特征的可靠性往往受到表情、角度、光照、背景等细微变化的影响，消除这些影响成为人脸识别问题的关键。为此，研究人员设计了许多特征提取算法，希望在降低面像维数的同时提取稳健可靠的特征。目前的研究主要有两个方向：第一是基于整体的人脸识别研究方法，即将人脸图像看作是一个二维的灰度分布，然后利用不同的降维和特征提取方法获得每个人的人脸表征进行识别；第二是基于特征分析的人脸识别方法，利用每个人的面部特征如眼睛、鼻子、眉毛、嘴巴和面部轮廓等的具体位置、大小、形状及其相对位置的不同来进行特征提取以达到识别的目的，即将人脸基准点的相对比率和其它描述人脸脸部特征的形状参数或类别参数等一起构成识别特征向量。这种基于整体脸的识别不仅保留了人脸局部之问的拓扑关系，而且也保留了各局部本身的信息，而基于局部的识别则是通过提取出局部轮廓信息及灰度信息来设计具体识别算法。1．特征脸算法1987年Sirovich 和 Kirby提出了主成分分析方法（Principal Component Analysis），Matthew Turk和Alex Pentland于1991年首次将PCA应用于人脸识别，将原始图像投影到特征空间中，得到一系列降维图像，取其主元表示人脸，由于主元具有脸的形状故称为“特征脸”。特征脸方法中一个基本的方法是基于K-L变换的特征脸方法，该方法是根据K-L变换得到人脸图像的特征，并根据人脸特征空间进行识别的方法。基于K-L变换的特征脸技术实质上依赖于图像灰度在空间分布上的相关性来得到一系列的特征向量和特征值来表示。K-L变换主要是对模式样本矢量的相关矩阵进行特征值分解，选择其中的主特征矢量构成特征空间。基于主成分分析方法，算法简单有效，研究者在其基础上进行了大量的改进和扩展，目前仍然是人脸识别领域流行的算法之一，同时也是对比测试时的基准识别算法。2．奇异值分解法由于人脸图像是一个高维向量，直接用其进行计算是十分困难的，为此必须对其进行降维处理。降维过程中要保留其主要的特征，即用图像的少量特征来近似表示整个图像，以达到降维并保留图像主要特征的效果，而SVD方法就是一种实现这种效果的良好手段。采用这种基于SVD分解的特征提取方法所得到的人脸图像的代数特征，不仅削弱了光照和表情的影响，而且维数大大降低,减少了计算复杂度，同时保留了人脸图像的绝大部分有效特征，为后续的识别过程提供了良好的依据。