人脸识别技术

    随着平安城市基础建设的不断完善和加强，前端摄像机采集到的数据呈现一种爆炸式的增长。在数据总量不断充实的情况下，如何从非结构化数据中挖掘结构化信息将是行业内的又一座金矿。目前对车辆的结构化信息采集已逐渐趋于成熟化、普遍化，但对人员信息采集和认证技术一直使用传统方式。人脸识别技术在以上情况下解决视频录像、图片等非结构化信息到人员照片、身份信息等结构化的转变。

    人脸识别技术相对于其他生物识别技术如：指纹、指静脉、虹膜等同属于四大生物识别技术，具有生物特征唯一性、可测量性、可识别性、终身不变性等特点。但相较其他识别技术具有本质的区别，其优势在于非强制性、非接触性、并发性：

1. 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像，这样的取样方式没有“强制性”；

2. 非接触性：用户不需要和设备直接接触就能获取人脸图像；

3. 并发性：在实际应用场景下可以进行多个人脸的分拣、判断及识别；

    人脸识别技术流程主要包括四个组成部分：分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及人脸特征数据匹配与识别。

1.人脸图像采集及检测：基于人的脸部特征，对输入的人脸图像或视频流，首先判断是否存在人脸，如果存在人脸，则进一步的给出每个脸的位置、大小和各个面部器官的位置信息。

2.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，对选择出来的人脸图片进行优化和择优选择，挑选当前环境下最优人脸并最终服务于特征提取的过程。其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。

3.人脸图像特征提取：人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取的方法归纳起来分为两大类：一种是基于知识的表征方法；另外一种是基于代数特征或统计学习的表征方法。基于知识的表征方法主要是根据人脸器官的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据，其特征分量通常包括特征点间的欧氏距离、曲率和角度等。人脸由眼睛、鼻子、嘴、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，这些特征被称为几何特征。基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法。

4.人脸特征比对识别：通过采集到的人脸图片形成人脸特征数据，与后端人脸库中的人脸特征数据模板进行搜索匹配，通过设定一个阙值，相似度超过这一阈值，则把匹配得到的结果输出。这一过程又分为两类：一类是确认，是一对一进行图像比较的过程，另一类是辨认，是一对多进行图像匹配对比的过程。