人脸辨认是指运用剖析比较人脸视觉特征信息进行身份辨别的计算机技能，其能够界说为：输入查询场景中的静止图画或许视频，运用人脸数据库辨认或验证场景中的一个人或许多个人，一般也被称为面部辨认、人像辨认。人脸辨认具有非强制性、非触摸性、并发性等特色，因而研讨者在上世纪六、七十年代就开端了人脸辨认技能的研讨。进入九十年代后，跟着高功能计算机的开展，人脸辨认技能取得了重大突破。美国国家规范技能局(NIST)举行的FRVT2006(Face RecognitionVendor Test 2006)经过大规模的人脸数据库测验标明，人脸辨认技能的辨认精度要比FRVT2002至少进步了一个数量级。部分辨认算法的精度超越了人类的平均水平。关于高分辨率、高质量的正面人脸的辨认率到达100%。
人脸辨认技能的难点
尽管人脸辨认技能阅历了较长的研讨阶段，但至今仍是被认为是生物特征辨认技能中较为困难的研讨课题之一，其原因在于：
1.布景环境的杂乱多样
在进行人脸辨认前需求先对监控场景中的人脸进行定位，即人脸检测。人脸检测的正确与否直接影响人脸辨认功能。当监控场景的布景较为杂乱时，人脸检测率也会随之下降，因而能够习惯杂乱布景环境的人脸检测算法是人脸辨认技能的难点之一。
2. 光照条件的杂乱多变
在智能视频监控体系的实践运用中，会因为监控环境光线的改动形成检测到的人脸图画存在不同的昏暗改动，如图1所示。FRVT2006测验标明，不同光照条件下人脸辨认尽管在功能上比FRVT2002有明显进步，可是还没在根本上战胜光照对辨认率的影响。
图1 光线改动对收集到的人脸影响示意图
3. 人脸表情的多样性
在实践运用进程中，人脸的表情随时都或许产生改动。图2给出了部分表情改动的人脸图画。从图2能够看出，当人的表情产生改动时，或许会引起人脸归纳以及纹路的改动，一起因为面部肌肉的牵引，面部的特征点的方位也会随之改动。不同的表情引起面部的改动都不同，此外，不同的人的相同表情影响也不相同，因而很难用一致的规范来准确区分各种表情对不同人的影响。
图2人脸表情改动多样性示意图
4.收集人脸的视点多样性
人脸的视点多样性首要是指因为拍照视点的不同导致检测到的人脸图画的旋转，包含平面旋转和深度旋转。图3列出了部分不同视点拍照的人脸图画。从图3能够看出，与表情改动对人脸图画的影响相同，拍照视点的改动同样会导致人脸归纳的改动，除此之外，因为视点的改动，或许会导致人脸的部分特征无法被正确提取，进一步导致人脸的过错辨认。
图3 收集人脸的视点多样性示意图
5.遮挡问题
即便对错人为成心遮挡，在实践运用时检测到的人脸图画也常常会呈现如帽子、眼镜等遮挡物，除了这些，胡子以及刘海的改动也直接影响人脸的特征提取，图4举例给出了呈现遮挡的部分人脸图画。当人脸图画产生遮挡时，人脸的许多信息会丢掉，导致人脸辨认算法犯错或失效。
图4收集到的人脸存在遮挡物示意图
人脸辨认体系的进程
人脸辨认体系首要包含四个组成部分：人脸图画检测、人脸辨认预处理、人脸特征提取以及特征匹配与辨认。
1.人脸图画检测
人脸图画检测是人脸辨认进程的关键环节之一。人脸检测是指关于恣意一幅给定的图画，选用必定的战略对其进行查找以确认其间是否含有人脸，假如有，则回来检测到的人脸图画的方位、巨细以及姿势。人脸检测首要运用人脸图画的直方图特征、色彩特征、模板特征、结构特征以及haar特征等。
人脸检测的难点首要在于：(1)光照的杂乱多变，图画序列中存在的人脸图画或许因为光源的照耀视点或监控环境中一起存在的多个光源而导致暗影或对比度的改动，增加了检测难度，图5为光照对人脸检测影响示意图，从该图中能够看出右侧第二张人脸图画无法被正确检测，其原因在于因为光照视点问题该人脸图画的左半侧与右半侧亮度间隔较大；(2)拍照视点以及图画清晰度，假如成像间隔较远，或许图画序列分辨率较低，或许会导致人脸图画清晰度差而无法被正确检测，图6为图画清晰度对人脸检测影响示意图，从该图能够看出，图画成像间隔近的人脸图画都能够被正确检测，但是最终一排的人脸图画则无法被正确检测到；(3)人脸图画中或许存在的遮挡物，场景中的人脸图画或许因为眼镜、帽子等遮挡物而影响检测成果，除此之外，刘海、胡子的改动等也或许对人脸图画形成影响，图7为遮挡物对人脸检测影响示意图，从该图能够看出，当左边无遮挡物的人脸图画能够被正确检测时，右侧存在遮挡物（帽子和眼镜）的人脸图画则无法被检测到；(4)人脸杂乱的细节改动，人脸的成像或许会因为表情的改动而略有不同，此外，人脸图画的视点旋转也影响人脸检测的正确检测率，图8为细节改动对人脸检测影响示意图，从该图能够看出，左边及右侧的人脸图画都有不同程度的旋转，当中心未产生细节改动的人脸图画能够被正确检测时，产生旋转的人脸图画无法被正确检测。（图5、6、7及8的检测成果均运用haartraining练习得到的人脸检测器进行检测得到的，图片来源于网络下载）
图4-5 光照对人脸检测影响示意图
图4-6 图画清晰度对人脸检测影响示意图
图4-7 遮挡物对人脸检测影响示意图
图4-8 细节改动对人脸检测影响示意图
2. 人脸图画预处理
预处理是指在进行人脸辨认前，为了进步辨认率，经过图画处理技能对检测得到的人脸图画进行的一系列图画质量进步。这些处理首要包含灰度校对、噪声过滤、光线补偿、直方图均衡化、归一化等。
3.人脸特征提取
人脸特征提取是对人脸进行特征建模的进程，提取办法首要分为两大类：根据常识的表征办法和根据代数特征或计算学习的表征办法。现在人脸辨认技能中运用的人脸特征首要包含视觉特征、人脸图画改换系数特征，人脸图画代数特征等。其间根据常识的表征办法首要是根据人脸五官的形状描绘以及它们之间的间隔特性来取得有助于人脸分类的特征数据，其特征重量一般是运用特征点间的欧几里得间隔、曲率或视点等。根据几许特征的表征办法是指运用人脸五官之间的结构联系的几许描绘进行人脸表征的办法。
4.人脸匹配与辨认
匹配与辨认是指运用上一步提取到的人脸特征，与样本库中存储的特征模板进行查找匹配，在这个进程中，需求预先界说一个阈值，当类似度超越该阈值，则输出匹配成果。
人脸辨认技能的研讨现状
人脸辨认办法大致能够分为两类：根据2D人脸图画的人脸辨认和根据3D人脸图画的人脸辨认。其间，根据2D人脸图画的人脸辨认算法归纳起来人脸辨认办法首要分为以下几个大类：1. 根据模板匹配的办法，其间模板能够运用固定模板和可变模板；2. 根据常识的办法；3. 根据计算学习的办法。
近些年，运用3D人脸信息进步辨认功能得到越来越多的重视。三维人脸辨认是指将收集取得的待辨认目标的脸部三维形状数据作为辨认根据，与库中已知身份的脸部三维形状数据进行匹配，然后得出待辨认目标身份的进程。
