人脸识别技术在疫情防控中的应用研究

杨斌

武警工程大学 信息工程学院 陕西 西安 710086

引言

随着人工智能、大数据、云计算等技术的不断发展，人脸识别技术的应用越来越广泛，也在很大程度上改变了人们的生活、出行等方式。将人脸识别技术应用于疫情防控中，是当前疫情防控有效且可靠的一种手段。不仅提高了疫情防控中的检测效率，也为疫情防控提供了可靠的技术手段。人脸识别技术也存在一些问题，还需要不断研究和创新，这也是未来研究和发展的方向[1-2]。

1 人脸识别技术在疫情防控中的重要性

根据卫生防疫专家的研究，目前“新冠肺炎”的传播途径包括直接传播、气溶胶传播和接触传播[3]。这种传播特性为疫情防控带来极大的困难。如何减少检测过程中人员接触、降低检测人员感染“新冠肺炎”风险，成为疫情防控中的重要难题。通过采用人脸识别技术，在医院、学校、商场、超市、饭店等公共场所进行自动检测和识别，不仅有效避免管理人员感染的风险，还提高了人员出入效率，最大程度上降低了病毒的传播。

2 人脸识别技术

人脸识别技术是一种通过提取人的脸部特征信息，并对其身份进行识别的技术[4]。人脸识别技术是通过将当前计算机图像处理技术与生物统计学相结合，通过计算机技术对人脸特征进行识别和提取，包括人脸的大小、各个主要面部器官的位置信息等，然后利用生物统计学原理，将人脸信息与已录入的身份信息进行模式匹配，从而识别人脸的身份信息。

人脸识别的方法分为以下几点，分别是人脸图像的获取、人脸的检测、人脸的识别。其中，最主要的是人脸图像的检测和识别技术[5]。

2.1 人脸检测技术

人脸检测技术是对采集到的人脸图像进行特征分析、计算、提取，将这些信息融合，生成人脸的特征矩阵。在人脸识别过程中，人脸检测技术起到关键作用。人脸检测技术可以检测人脸在特定场景下的脸部特征，包括侧脸、正脸以及微笑等脸部表情特征。检测到人脸的基本特征后，就可以对人脸特征进行识别。

2.2 人脸特征提取与识别技术

随着人脸识别技术的不断发展，常用的人脸识别技术包括人脸外观识别、基于深度学习的人脸识别等。人脸外观识别主要通过对面部结构特征，如人脸的五官形状、特征等，生成图像，并计算各个面部特征之间的距离、大小、面积等关系。该方法操作简单，具有较强的光照变化、鲁棒性强等特点，在实际使用中，容易受检测环境、检测人脸表情等影响，检测精准度不高。基于深度学习的人脸识别是借助LBP算法、Gabor小波等实现人脸图像的获取，将多个包含人脸信息的特征进行线性组合等方式，提取人脸图像的特征[6]。该技术借助神经网络算法进行特征提取和识别，常用的算法包括BP神经网络算法、卷积神经网络算法等。BP神经网络算法包括前向传播和误差的反向传播两个过程，正向传播时，输入模式从输入层经隐单元层逐层处理，并转向输出层，每层神经元的状态只影响下一层神经元的状态，如果输出层得不到期望的输出，转入反向传播，将误差信号沿原路返回，通过修改神经元的权值，使误差信号最小。卷积神经网络算法是通过训练人脸特征库的方式进行学习生成，对变形、放大或缩小的不同形式人脸图像识别有很强的优势。

3 人脸识别技术在疫情防控中的应用

在疫情防控中，最重要的是通过非接触的方式对人员信息进行采集，包括人员身份信息、体温特征、位置信息，因此，人脸识别技术对疫情防控至关重要。采用人脸识别技术可以对人员身份信息进行自动识别，只需提前录入人脸信息或通过人脸大数据进行深度学习，即可获取人脸特征模型，通过与人脸预检测到的人脸进行特征匹配，即可识别人员身份信息。除此之外，本研究还提出在人脸识别装置中增加体温测量装置和定位装置，实时获取测量人员的体温和位置信息。人脸识别系统组成如图1所示（见文末）。

4 存在的问题

人脸识别技术在给疫情防控带来了很大技术支撑的同时，也存在以下问题：①识别准确度：人脸识别存在多种不确定性，如人脸的表情变化、整容、毁容、化妆等因素的影响，因此，只有对关键技术不断改进才能提高人脸识别的准确度。②安全问题：随着移动支付的不断发展，人脸支付也非常普遍，人脸信息安全问题是当前人脸识别中人们往往担忧的问题，提高信息安全防护对人脸识别也至关重要。③环境因素影响：外界环境的改变对人脸识别可能存在不同程度的影响，如外界光线的明暗、天气因素、网电供应、设备稳定性等，这些都会在一定程度上影响人脸的识别。

图1 人脸识别系统组成