Page 122 - a4

P Products
产品中心

度；“人脸识别系统”集成了人工智能、机器识别、 图像特征提取以及匹配与识别。
机器学习、模型理论、专家系统、视频图像处理等 人脸图像采集：不同的人脸图像都能通过摄
多种专业技术，同时需结合中间值处理的理论与实 像镜头采集下来，比如静态图像、动态图像、不同
现，是生物特征识别的最新应用，其核心技术的实 的位置、不同表情等方面都可以得到很好的采集。
现，展现了弱人工智能向强人工智能的转化。 当用户在采集设备的拍摄范围内时，采集设备会自
技术特点 动搜索并拍摄用户的人脸图像。
传统的人脸识别技术主要是基于可见光图像 人脸检测：人脸检测在实际中主要用于人脸
的人脸识别，这也是人们熟悉的识别方式，已有30 识别的预处理，即在图像中准确标定出人脸的位
多年的研发历史。但这种方式有着难以克服的缺 置和大小。人脸图像中包含的模式特征十分丰富，
陷，尤其在环境光照发生变化时，识别效果会急剧 如直方图特征、颜色特征、模板特征、结构特征及
下降，无法满足实际系统的需要。解决光照问题的 Haar特征等。人脸检测就是把这其中有用的信息

方案有三维图像人脸识别，和热成像人脸识别。但 挑出来，并利用这些特征实现人脸检测。
这两种技术还远不成熟，识别效果不尽人意。
迅速发展起来的一种解决方案是基于主动近
红外图像的多光源人脸识别技术。它可以克服光
线变化的影响，已经取得了卓越的识别性能，在精
度、稳定性和速度方面的整体系统性能超过三维
图像人脸识别。这项技术在近两三年发展迅速，使
人脸识别技术逐渐走向实用化。
与其它类型的生物识别比较人脸识别具有如
下特点：
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 人脸图像预处理：对于人脸的图像预处理是
像，这样的取样方式没有“强制性”。 基于人脸检测结果，对图像进行处理并最终服务
非接触性：用户不需要和设备直接接触就能获 于特征提取的过程。系统获取的原始图像由于受
取人脸图像。 到各种条件的限制和随机干扰，往往不能直接使
并发性：在实际应用场景下可以进行多个人脸 用，必须在图像处理的早期阶段对它进行灰度校
的分拣、判断及识别。 正、噪声过滤等图像预处理。对于人脸图像而言，
除此之外，还符合视觉特性：“以貌识人”的特 其预处理过程主要包括人脸图像的光线补偿、灰

性，以及操作简单、结果直观、隐蔽性好等特点。 度变换、直方图均衡化、归一化、几何校正、滤波
技术流程 以及锐化等。
人脸识别系统主要包括四个组成部分，分别 人脸图像特征提取：人脸识别系统可使用的
为：人脸图像采集及检测、人脸图像预处理、人脸 特征通常分为视觉特征、像素统计特征、人脸图像

104 第七届深圳国际智能交通与卫星导航位置服务展览会(2018.6.22-6.24深圳会展中心)www.its-expo.com

6-1产品中心.indd 104 2018/5/25 16:29:16