人臉識別基礎(chǔ)關(guān)鍵技術(shù)

這是一個(gè)「看臉」的時(shí)代，一談人臉技術(shù)，大家最為熟知就是人臉識別。該技術(shù)在金融、社保、零售、安防等領(lǐng)域表現(xiàn)活躍，成為人工智能技術(shù)領(lǐng)域的明星。本文主要介紹一些背后默默支持人臉識別的技術(shù)。

一般而言，一個(gè)完整的人臉識別系統(tǒng)包含四個(gè)主要組成部分，即人臉檢測、人臉對齊、人臉特征提取以及人臉識別。

四部分流水線操作：

人臉檢測在圖像中找到人臉的位置；

人臉配準(zhǔn)在人臉上找到眼睛、鼻子、嘴巴等面部器官的位置；

通過人臉特征提取將人臉圖像信息抽象為字符串信息；

人臉識別將目標(biāo)人臉圖像與既有人臉比對計(jì)算相似度，確認(rèn)人臉對應(yīng)的身份。

1、人臉檢測（Face Detection）

檢測出圖像中人臉?biāo)谖恢玫囊豁?xiàng)技術(shù)

人臉檢測算法的輸入是一張圖片，輸出是人臉框坐標(biāo)序列(0個(gè)人臉框或1個(gè)人臉框或多個(gè)人臉框)。一般情況下，輸出的人臉坐標(biāo)框?yàn)橐粋€(gè)正朝上的正方形，但也有一些人臉檢測技術(shù)輸出的是正朝上的矩形，或者是帶旋轉(zhuǎn)方向的矩形。

常見的人臉檢測算法基本是一個(gè)“掃描”加“判別”的過程，即算法在圖像范圍內(nèi)掃描，再逐個(gè)判定候選區(qū)域是否是人臉的過程。因此人臉檢測算法的計(jì)算速度會跟圖像尺寸、圖像內(nèi)容相關(guān)。開發(fā)過程中，我們可以通過設(shè)置“輸入圖像尺寸”、或“最小臉尺寸限制”、或“人臉數(shù)量上限”的方式來加速算法。

人臉檢測結(jié)果示例：

2、人臉對齊（Face Alignment）

根據(jù)輸入的人臉圖像，自動(dòng)定位出人臉上五官關(guān)鍵點(diǎn)坐標(biāo)的一項(xiàng)技術(shù)

人臉對齊算法的輸入是“一張人臉圖片”加“人臉坐標(biāo)框”，輸出五官關(guān)鍵點(diǎn)的坐標(biāo)序列。五官關(guān)鍵點(diǎn)的數(shù)量是預(yù)先設(shè)定好的一個(gè)固定數(shù)值，可以根據(jù)不同的語義來定義(常見的有5點(diǎn)、68點(diǎn)、90點(diǎn)等等)。

這項(xiàng)技術(shù)的應(yīng)用很廣泛，比如自動(dòng)人臉識別，表情識別以及人臉動(dòng)畫自動(dòng)合成等。由于不同的姿態(tài)、表情、光照以及遮擋等因素的影響，準(zhǔn)確地定位出各個(gè)關(guān)鍵特征點(diǎn)看似很困難。我們簡單地分析一下這個(gè)問題，不難發(fā)現(xiàn)這個(gè)任務(wù)其實(shí)可以拆分出三個(gè)子問題：
1. 如何對人臉表觀圖像（輸入）建模
2. 如何對人臉形狀（輸出）建模
3.如何建立人臉表觀圖像（模型）與人臉形狀（模型）的關(guān)聯(lián)

對人臉圖像進(jìn)行特征點(diǎn)定位，將得到的特征點(diǎn)利用仿射變換進(jìn)行人臉矯正，若不矯正，非正面人臉進(jìn)行識別準(zhǔn)確率不高，最后將矯正的人臉?biāo)腿肴四樧R別網(wǎng)絡(luò)，此時(shí)的人臉識別網(wǎng)絡(luò)可以是一個(gè)分類網(wǎng)絡(luò)，我們只需要提取分類網(wǎng)絡(luò)中的某個(gè)層作為人臉的特征層，此時(shí)的特征才是人臉的特征。

人臉對齊結(jié)果示例(右圖中的藍(lán)點(diǎn)點(diǎn)位為人臉配準(zhǔn)結(jié)果)：

3、人臉特征提取（Face Feature Extraction）

將一張人臉圖像轉(zhuǎn)化為一串固定長度的數(shù)值的過程

具有表征某個(gè)人臉特點(diǎn)能力的數(shù)值串被稱為“人臉特征(Face Feature)”。

人臉特征提取過程的輸入也是 “一張人臉圖”和“人臉五官關(guān)鍵點(diǎn)坐標(biāo)”，輸出是人臉相應(yīng)的一個(gè)數(shù)值串(特征)。人臉提特征算法都會根據(jù)人臉五官關(guān)鍵點(diǎn)坐標(biāo)將人臉對齊預(yù)定模式，然后計(jì)算特征。

近幾年來，深度學(xué)習(xí)方法基本統(tǒng)治了人臉提特征算法，這些算法都是固定時(shí)長的算法。早前的人臉提特征模型都較大，速度慢，僅使用于后臺服務(wù)。但最新的一些研究，可以在基本保證算法效果的前提下，將模型大小和運(yùn)算速度優(yōu)化到移動(dòng)端可用的狀態(tài)。

人臉特征提取過程(最右側(cè)數(shù)值串為“人臉特征”）

4、人臉識別（Face Recognition）

識別出輸入人臉圖對應(yīng)身份的算法

輸入一個(gè)人臉特征，通過和注冊在庫中N個(gè)身份對應(yīng)的特征進(jìn)行逐個(gè)比對，找出“一個(gè)”與輸入特征相似度最高的特征。將這個(gè)最高相似度值和預(yù)設(shè)的閾值相比較，如果大于閾值，則返回該特征對應(yīng)的身份，否則返回“不在庫中”。

人臉識別過程：

5、人臉活體檢測（Face Vivo Detection）

判斷人臉圖像是來自真人還是來自攻擊假體(照片、視頻等)的方法

計(jì)算機(jī)判別檢測的人臉是真實(shí)的人臉，還是偽造的人臉攻擊，比如合法用戶圖片、提前拍攝的視頻等。

和前面所提到的人臉技術(shù)相比，人臉活體不是一個(gè)單純算法，而是一個(gè)問題的解法。這個(gè)解法將用戶交互和算法緊密結(jié)合，不同的交互方式對應(yīng)于完全不同的算法。

解決人臉活體檢測這個(gè)問題，不光是需要通過各種反欺騙算法，還有需要通過一系列的硬件設(shè)備配合，如靜默活體檢測、紅外活體檢測、獲取生物信號（心率等）、光流場、深度攝像頭、語音指令配合等。

傳統(tǒng)方法將其視為一個(gè)“活體”VS“假體”的二分類問題，當(dāng)然也可看成多分類問題，如真人、圖片攻擊、視頻回放攻擊、面具攻擊等）。

衍生技術(shù)

1、人臉屬性識別（Face Attribute）

識別出人臉的性別、年齡、姿態(tài)、表情等屬性值的一項(xiàng)技術(shù)

一般的人臉屬性識別算法的輸入是“一張人臉圖”和“人臉五官關(guān)鍵點(diǎn)坐標(biāo)”，輸出是人臉相應(yīng)的屬性值。人臉屬性識別算法一般會根據(jù)人臉五官關(guān)鍵點(diǎn)坐標(biāo)將人臉對齊(旋轉(zhuǎn)、縮放、扣取等操作后，將人臉調(diào)整到預(yù)定的大小和形態(tài))，然后進(jìn)行屬性分析。
常規(guī)的人臉屬性識別算法識別每一個(gè)人臉屬性時(shí)都是一個(gè)獨(dú)立的過程，即人臉屬性識別只是對一類算法的統(tǒng)稱，性別識別、年齡估計(jì)、姿態(tài)估計(jì)、表情識別都是相互獨(dú)立的算法。但最新的一些基于深度學(xué)習(xí)的人臉屬性識別也具有一個(gè)算法同時(shí)輸入性別、年齡、姿態(tài)等屬性值的能力。

2、 人臉比對（Face Compare）

衡量兩個(gè)人臉之間相似度的算法

人臉比對算法的輸入是兩個(gè)人臉特征(注：人臉特征由前面的人臉提特征算法獲得)，輸出是兩個(gè)特征之間的相似度。人臉驗(yàn)證、人臉識別、人臉檢索都是在人臉比對的基礎(chǔ)上加一些策略來實(shí)現(xiàn)。相對人臉提特征過程，單次的人臉比對耗時(shí)極短，幾乎可以忽略。

3、人臉驗(yàn)證（Face Verification）

判定兩個(gè)人臉圖是否為同一人的算法

它的輸入是兩個(gè)人臉特征，通過人臉比對獲得兩個(gè)人臉特征的相似度，通過與預(yù)設(shè)的閾值比較來驗(yàn)證這兩個(gè)人臉特征是否屬于同一人（即相似度大于閾值，為同一人;小于閾值為不同）。

人臉驗(yàn)證過程就是人臉識別過程。

4、人臉檢索（Face Retrieve）

查找和輸入人臉相似人臉的算法

人臉檢索通過根據(jù)人臉特征的數(shù)值，在大量的數(shù)據(jù)庫里檢索，找出最相似的人。

將輸入的人臉和一個(gè)人臉庫中的人臉進(jìn)行比對，根據(jù)比對后的相似度對人臉庫中的人臉進(jìn)行排序。根據(jù)相似度從高到低排序的人臉序列即使人臉檢索的結(jié)果。

人臉檢索過程：

總結(jié)

以上是生活随笔為你收集整理的人脸识别基础关键技术的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。