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