浅谈基于深度学习的人脸识别技术

Recognition Technology, FRT）是近年来模式识别、图像处理以及人工智能等领域的重要研究课题之文章重点对现有

的人脸检测识别方法以及应用领域关键技术进行总结，分析和比较当前主流识别方法优缺点，分享其中关键技术及发展

前景。关键词:人脸识别;人工智能;深度学习；人脸检测；面部特征中图分类号:TP391.41

文献标识码:A

文章编号：1673-1131（2019）06-0018-03眼、鼻、嘴、耳等，获取主要器官等重要面部特征的形状、相对 位置以及特征之间的距离等参数，利用参数构成一个可以代 表个体人脸的特征向量。0引言随着社会对个人身份的自动验证需求的加深，一些技术

成熟且传统上被认为更加稳健的身份验证方案如指纹识别、

虹膜识别、语音识别等，都具有侵入性的特征，即需要参与者 的一定程度的合作（指纹识别需要用户将手指按在传感器上,

虹膜识别需要用户与相机靠得很近，语音识别则需要用户大

（2） 基于模板的方法可以分为神经网络方法、动态连接匹 配方法、线性判别分析方法、特征脸方法、基于相关匹配的方

法、奇异值分解方法等。声说话），因此寻找一种更优且非侵入式的自动身份验证方案 成为了大势所趋。（3） 基于模型的方法则有基于主动外观模型、隐马尔柯夫

模型方法、主动形状模型等。人脸识别技术（Face Recognition Technology, FRT）是基于 人的面部特征信息能够识别或验证图像或视频中主体身份的

技术生物识别技术。用图像釆集工具（如摄像机或摄像头）釆 集含有充分且足够的人面部特征的图像或视频流，并自动在

传统的人脸识别是人脸识别的初级阶段，重要成果不多, 人工依赖性较强，鲁棒性较差，基本没有实际应用。随着大数据时代的到来，沉寂了许久的神经网络卷土重

来。作为人工智能时代的利器一深度学习逐渐走入人们的

图像中检测和跟踪人脸，进而对检测到的人脸进行识别和验

证的一系列相关技术总成。相比传统的身份验证方法，人脸识别技术具有非接触性

视野。基于深度学习，人脸识别技术迅速发展。各种学习框 架如 Tensorflow、Caffe>KerasMxnet>Darknet 等不断涌出。基 于深度学习的人脸识别一般被处理为回归/分类问题。一般流（不用肢体接触）、非强制性（路过即可，甚至无察觉）、可并发 性（可同时进行多个人脸的分拣、判断及识别）等优势。直观的人脸识别如下图所示：n* e2s ize

图1人脸识别示例简单来说就是通过输入一个自然人的面部特征，和自然

人面部特征库中的注册在库身份进行面部特征逐项比对，找

5图2人脸识别一般流程图2人脸检测算法人脸检测是人脸识别中的第一个环节，是一项关键技术。 人脸检测是指假设在输入图像中存在一个或者多个人脸情况

下，确定图像中全部人脸的位置、大小和姿势的过程。出一个与输入的面部特征相似度最高（需预设阀值，必须大于

阀值）的个体，以确定输入面部特征对应的身份。如没有找到

大于阀值的个体,则返回“unknown”。1传统的人脸识别传统的人脸识别被当作模式识别/模式匹配问题。主流的

图3人脸检测不意图早期的人脸检测算法使用了模板匹配技术，即用一个人

脸模板图像与被检测图像中的各个位置进行匹配，确定这个

人脸识别技术基本上可以归结为三类，即:基于几何特征的方

法、基于模板的方法和基于模型的方法。位置处是否有人脸,如果存在则定位人脸的位置、大小及主要

（1）基于几何特征的方法是最早投入实际应用的人脸识别

方法。该方法通过定位人面部主要器官的详细位置，如：眉、

特征；此后机器学习被用于解决该问题，神经网络、支持向量

机等将人脸检测处理为二分类问题。如下图所示：18信息通信刘晓波:浅谈基于深度学习的人脸识别技术网都需要本人现场拍照(人脸识别)加有效证件，现场办理。用

户过户及资料补录也都需要摄像头现场拍照与有效身份证,

•是•人脸分矣器.________________

缺一不可。行业必须遵守保密协议、绝不泄露客户任何信息。

这也可以说是有史以来最严格的实名制措施。对于此前尚未

实名认证的用户，可能会无法拨打电话或办理任何业务。、否

实名制的关键是人证合一，人证合一的关键是人脸识别，

识别步骤为:第一看脸型和五官突出的比例;第二是看五官具

体的形态(五官大小、形状和边缘);第三是看五官搭配的关系

(相对位置)。虽然人有相似，但具体的五官是存在明显差异 的,通过分步骤对客户的五官进行细细分解、逐一对照、辨别，

图4人脸检测分类模式从而实现人脸识别，人证合一，最终加速实名制。针对上述现状，我们在已经落实身份信息实名制，入网拍

由于单一的分类器效果一般，鲁棒性差，随后产生了 Ad-

aBoost框架。它是一套集成学习算法。其思想是通过多个简 单的弱分类器，构建出准确率很高的强分类器。2015年CVPR 的一篇论文 CA Convolutional Neural Network Cascade for Fac-eDetection》开启了基于深度学习的人脸检测时代。照规范化之后，留下的最大问题就是对拍照照片的图像识别 技术。解决这个问题的关键一是实人认证生物识别，即通过

视频活体或拍照的方式进行人脸验证。获取照片后，生物识

别使用业界领先的人脸识别系统进行人脸检测，检测照片图

像中的人脸特征，自动审核、验证该照片是否为人脸；二是人

脸验证，即利用基于深度学习的人脸识别技术,提供验证两张

照片中的人脸是否为同一人的核实服务。图5基于深度学习的人脸检测示意图在人脸检测的基础上,提取人脸特征,进而实现人脸识别。DataDeepAichiiecture • Lou Functioa湖北联通经过了自主开发探索,终于将人证生物识别，也

即实名制流程的静态照片识别率提高到了 98%。第一阶段自主开发利用开源算法。Feature Vector我们选用python为开发工具,实现EigenFace、FisherFace、

(]2图6人脸特征提取示意图到业界成熟的团队进行识别验证测试。使用基于深度学习的卷积精神网络，在人脸检测上釆用

3基于深度学习的人脸识别基于深度学习,人脸识别流程如下:haar,HOG特征，结合adaboost和SVM算法，在人脸识别上使 用Haar,Hog, LBP算法提取图像特征，对结果进行降维，结合 PCS主成分分析法来提高处理速度。图7基于深度学习的人脸识别流程图基于深度学习的人脸识别可广泛应用于以下场景：(1) 身份识别/身份验证一出入境管理、嫌疑人照片比对、

敏感人物智能监控、会议代表身份识别、护照驾照身份证等各

图8湖北联通实名制合规稽核流程类证件查验、幼儿园接送人脸识别、失踪人口的全库搜寻、一 人多证的重复排查等国家安全、公共安全领域;面像考勤系统

等企业应用；考生身份查验等教育领域；电子商务身份验证、 金融用户身份验证等金融安全领域；进一步将精度提高到了 90%以上，但也止步于此。第利用提就度”结合之前多次失败经验，找到照片水印的关键因素，攻坚

克难，使用基于openCV简单的图像处理，整合国信研发适合

(2) 实时远程监控，釆用网络IP流媒体服务，实现实时远

程监控。亚洲人种的人脸模型,在Haar Cascades和HOG (Histogram of

4人脸识别在运营商实名制合规性稽核中的应用实例2017年1月1日运营商联合发布关于入网的公告，根据 工信部规定从1月1日起实施新的实名认证。电信行业新入

oriented gradien)算法基础上，整合adaboost和SVM算法，最 终将识别进度提高到了 99%。在使用人脸识别技术后，每天全省的增量工单约7000条， 10分钟即可处理完成,准确率达到了 99%以上为企业节省了

极大的人力成本并提高了效率。192019年第6期(总第198期)

信息通信INFORMATION & COMMUNICATIONS2019(Sum. No 198)基于ANP的WSNs综合性能评估研究刘静雪张华乐'(1.安徽建筑大学城市建设学院;2.国网安徽省电力有限公司信息通信分公司，安徽合肥230000)摘要：针对WSNs性能评估中指标相关性问题，论文提出了一种基于ANP的综合性能评估方法。该方法在评估

过程中采用ANP计算各指标权重，充分考虑了指标间依赖与反馈关系，实际算例分析验证了论文所提方法的有

效性。关键词：无线传感器网络;性能评估;ANP中图分类号:TP212.9

文献标识码:A 文章编号：1673-1131(2019)06-0020-02的权重确定方法，被广泛应用系统评估中，但该方法主观性较 强，当评估指标的数目较多时，易造成模糊判断。需要指出， 灰色关联法、爛权法和AHP法均不能解决指标间依赖与反馈 关系的问题。0引言目前WSNs的研究主要集中在协议栈研发、算法设计和

工程应用等方面冋。而针对WSNs网络性能综合评估的研究 较少，仍缺乏一套科学合理的WSNs综合性能评估模型和方 法。WSNs综合性能评估作为为系统设计、优化和运维等工作 的参考和决策依据,具有重要的工程实用价值。系统性能评估涉及指标体系的建立、权重的计算和评估

影响WSN性能的因素众多,指标权重计算需充分考虑各

个指标间的相互关系。ANP作为一种实用的权重计算方法, 能够有效解决指标的依赖与反馈关系,但是目前基于ANP的

信息的集结，其中确定指标权重是性能评估的难点。常用的 方法主要有灰色关联法、炳权法、层次分析法(analytic hier­archy process, AHP)和网络层次分析法間(analytic network pro­

WSNs综合性能评估还未见报道。鉴于上述分析，论文提出了 一种基于ANP的WSNs综合性能评估方法。1构建WSNs综合性能评估指标体系目前，针对WSNs的综合性能指标没有统一的标准，而对

cess, ANP) 等叫灰色关联法可以避免专家意见不统一造成的

权重分配错误，但该方法分辨系数难以确定。爛权法可以有

效减小专家主观性对权重量化结果的影响，但对权重的量化

于普通IP网络则有一些相关研究。论文在考虑传统IP网络

结果难以给出合理解释。AHP是一种定性和定量分析相结合

性能指标的基础上,还考虑安全性和能耗等因素，建立如表1 所示指标体系叫(上接第19页)缺点，因此，将多种方法综合起来运用将成为未来人脸识别技

术发展的主要方向,如结合三维信息:二维和三维信息融合使 特征更加鲁棒;多特征融合:单一特征难以应对复杂的光照和

5人脸识别技术的安全风险思考人脸识别在安全风险的争论主要集中在两个方面：_是人 脸识别未经用户许可擅自采集用户人脸数据，并用作商业用 途;二是人脸数据被巨头企业釆集后,_旦泄露，将对用户的隐

姿态变化;大规模人脸比对:面向海量数据的人脸比对与搜索,

当然在大数据条件下充分发挥深度神经网络强大的学习能力

也将是主要的未来发展方向。我们有理由相信随着IT技术和 生物识别技术的高速发展，以及人面部检测与识别技术的进

私造成极大的损害，因为巨头企业通常有很长的生态链，他们 不止拥有用户的人脸数据，还有用户的消费习惯、上下班路径、 财务状况等其他资料，一旦结合起来，用户将毫无隐私可言。当然，实际上从上网的第一天起，个人浏览记录和''部分

一步完善，在不远的将来,人脸识别将更广泛应用到我们生活

中的点点滴滴。隐私”就奠定了互联网模式的基础。没有广告追踪、精准投放, 互联网广告就无法凸显成本优势，就没有免费应用,甚至没有

现在的谷歌、百度们。如何防止这种记录被滥用？可以从技

参考文献：术和制度两方面着手。技术上，是可以不保存照片或视频记录的，最后用于识别

的是编码，理论上也不具有回溯性。严格按照这种技术标准, 将大大减轻公众的疑虑。甚至可以有新的商业模式，比如某

超市将人脸识别、行为分析用于消费模式研究,可以从厂商处

收取咨询费，反过来可以对消费者进行补贴，这是三赢的局面。大数据时代，有价值的通常是群体行为模式，一定数量的

样本才有统计学意义，这对个体隐私的侵犯很微弱，需要防范的

是不当的保存和利用个体信息。所以，在制度上,需要一个透明

的机制，既可以约束从业厂商,数据运营方,做好隐私保护，又可

以取得公众理解和支持，以获得共赢，而不是陷入隐私僵局。这 个机制可以由第三方主导，多方参与的一个委员会来领导。[1] 周德龙，张晓华，刘博，等.JDL大规模人脸图像数据库介绍

[A],生物识别研究新进展(2) [C].北京:清华大学出版社, 2003:118-120.[2] 肖冰，王映辉.人脸识别研究综述[J],计算机应用研究,

2005,8(1):1-5.[3] 陈锻生，刘政凯.肤色检测技术综述[J].计算机学报,2006,29

(2):194-203.[4] 边肇祺，张学工.模式识别(第2版)[M].北京:清华大学出

版社,2000:1-50.[5] 赵慧琳，王林泉，葛元.人脸图像定位与标准化算法[J].计算

机工程,2003,29(22):158-160.[6] 樊振萍.人脸检测与识别技术综述[J].电脑知识与技术,

2008,07(5):1292-1295.作者简介:刘晓波(1980-)，男，湖北武汉人，工程师，主要研究

运营商企业大数据应用及IT信息系统服务支撑。6结语当前各种实际应用中的人脸识别技术都有各自明显的优

20