Page 56 - 公共安全18年12月刊_150dpi
P. 56
A 人工智能
Artificial Intelligence
刷脸时代的人工智能
□ 文/李欢
人脸与人体的其它如指纹、掌纹、虹膜、视网膜 换、直方图均衡化、归一化、几何校正、滤波以及锐
等具有唯一生物特征性，它的唯一性和不易被复制 化等。
的良好特性为身份鉴别提供了必要的前提，与其它 人脸图像特征提取：人脸识别系统可使用的特
类型的生物识别比较人脸识别还具有如下特点：非 征通常分为视觉特征、像素统计特征、人脸图像变换
强制性：用户不需要专门配合人脸采集设备，几乎可 系数特征、人脸图像代数特征等。人脸特征提取的
以在无意识的状态下就可获取人脸图像；非接触性： 方法归纳起来分为两大类：一种是基于知识的表征
用户不需要和设备直接接触就能获取人脸图像；并 方法；另外一种是基于代数特征或统计学习的表征
发：在实际应用场景下可以进行多个人脸的分拣、 方法。基于知识的表征方法主要是根据人脸器官的
判断及识别；视觉特性：“以貌识人”的特性，操作简 形状描述以及他们之间的距离特性来获得有助于人
单、结果直观、隐蔽性好；这些特性使得人脸技术取 脸分类的特征数据，其特征分量通常包括特征点间
得突破后，迅速得到普及，业内掀起了人脸识别应用 的欧氏距离、曲率和角度等。人脸由眼睛、鼻子、嘴、
浪潮。 下巴等局部构成，对这些局部和它们之间结构关系
的几何描述，可作为识别人脸的重要特征，这些特征
系统构成 被称为几何特征。基于知识的人脸表征主要包括基
人脸识别技术主要包括四个组成部分：人脸图 于几何特征的方法和模板匹配法。
像检测及采集、人脸图像预处理、人脸图像特征提 人脸特征比对识别：通过采集到的人脸图片形
取以及人脸特征数据匹配与识别。 成人脸特征数据，与后端人脸库中的人脸特征数据模
人脸图像采集及检测：基于人的脸部特征，对输 板进行搜索匹配，通过设定一个阙值，相似度超过这
入的人脸图像或视频流，首先判断是否存在人脸，如 一阈值，则把匹配得到的结果输出。这一过程又分为
果存在人脸，则进一步的给出每个脸的位置、大小和 两类：一类是确认，是一对一进行图像比较的过程，
各个面部器官的位置信息。 另一类是辨认，是一对多进行图像匹配对比的过程。
人脸图像预处理：对于人脸的图像预处理是基
于人脸采集及检测结果，通过人脸智能算法，对选 人脸应用重点场景
择出来的人脸图片进行优化和择优选择，挑选当前 人脸门禁
环境下最优人脸并最终服务于特征提取的过程。其 通过人脸识别门禁系统，加强小区、企业生产
预处理过程主要包括人脸图像的光线补偿、灰度变 园区、办公楼宇、仓库厂房等门禁出入管理控制，完
34 2019第八届深圳国际智能交通与卫星导航位置服务展览会(2019.6.20-6.22深圳会展中心)www.its-expo.com
ದ۽ᇆି JOEE ྒ௹ؽ
