人脸识别技术发展现状与未来趋势分析

何燕琴 吴恋 郭清粉 曾桂南

摘 要：人脸识别技术指基于人的脸部特征，对输入的人脸图像或视频流进行判断，依据脸的位置、大小和主要器官提取出人脸中所蕴含的身份特征，并与已知的人脸进行对比，从而识别人脸身份的一种技术，并且广泛应用于各领域。基于此背景，文章对几类常见人脸识别技术进行介绍，并对人脸识别的应用现状进行研究，探究当前人脸识别技术在各个领域的应用状况，同时对现状进行分析，提出未来人脸识别技术的发展趋势。

关键词：人脸识别;现状;发展

0    引言

当今，随着大数据时代的来临以及人工智能和物联网技术的更新发展，智能时代已经悄然到来。许多技术迎来了史上重大的发展机遇，其中人脸识别技术更是脱颖而出，成为智能时代下的“宠儿”，并被广泛地应用到各个领域。由于计算机的不断完善，人脸识别技术的功能也更加丰富，并且安全性能也在逐渐提高，因此被应用在安全验证、身份识别、公安照片搜索系统、门禁系统等方面。此外，人脸识别技术的应用很广泛，被应用到经济、教育以及医疗等行业。就目前人脸识别的发展状况来看，未来几年仍维持一个高速发展的趋势。对于我国而言，人脸识别技术在未来几年将处于良好的发展阶段，其范围将不断扩大[1-3]。

1    人脸识别在国内外发展的现状

1.1  人脸识别的发展历程

人脸识别技术是一门20世纪70年代才出现的技术，其发展较为迅速。近年来，由于人工智能、大数据、云计算等技术的创新，人脸识别技术作为人工智能的一个重要应用领域得到了迅速发展。而且在2006年，深度学习更是作为机器学习的一个分支，成为一个新的研究方向。深度学习与传统的计算方法相比，程序的执行速度更快，足以满足工业场景中的各类算力要求。基于此现状，人脸识别技术焕发出来的光芒更加耀眼[4-6]。根据研究领域的数据分析，可以将人脸识别技术的发展分为3个阶段，具体如下。

1.1.1  半机械识别阶段

此阶段的主要内容是将简单的命令与数据库中的脸谱进行比对，结合指纹识别的技术，经由测验分析最后获得比较可靠的识别结果。但是，人脸识别的全过程需要融入操作人员的所有操作，因此严重缺乏自动化。

1.1.2  人机交互识别

在该阶段，人脸识别技术得到了质的发展，因为研究人员已经可以成功地使用该算法完成人脸的高级识别。例如，Kaya等人采用统计方法对人脸识别进行了基础研究，采用欧氏距离作为人脸表示。但在这一阶段，仍然需要操作者的参与，即“全自动”的人脸识别方法无法实现。

1.1.3  全自动人脸识别

长期以来，半自动的人脸识别技术一直伴随着人类。直到1990年以后，高性能计算机的出现和人脸识别技术的创新发展，人脸识别技术才真正由半自动识别进入全自动识别阶段。

1.2  国内研究现状

国内关于面部识别的研究可以追溯到20世纪80年代初，研究站点比较多。从20世纪80年代，清华大学、中国科学院、复旦大学等顶尖大学开始了对人脸识别技术研究并且有了一定的研究成果。自2001年起，国家支持一些专门部门利用人脸识别技术预防和打击犯罪分子。该项技术的使用表明中国已进入大规模使用阶段。而且在人工智能的浪潮下，人脸识别技术更是迎来了空前的发展机遇，在各个领域获得了骄人的成果。根据SooPat数据显示，2018年，中国人脸识别行业专利申请量为3 487项，略高于2017年，公开专利5 200件，同比增长93%。

1.3  国外研究现状

与国内相比，国外的人脸识别技术发展相对比较早，如美国、日本、德国等发达国家从很早就开始从事该项技术的研究。且有研究表明，20世纪90年代初，日本已经成功研制出的人体图像识别系统能在一秒内从3 500人中识别出这个人，以下将取其中两个国家作为例子。

1.3.1  美国

美国是第一个研究人脸识别的国家，也是最早使用该技术的国家之一，其人脸识别技术一直走在世界前沿。据已有资料，美国国防部于20世纪90年代启动了FEET项目，这为将来生物特征识别奠定了基础，并加速了人脸识别技术的发展。目前，公共場所门禁系统的使用、机要部门核心设备通过指纹解锁，利用街头摄像头识别抓获犯罪嫌疑人等技术在实际生活中已经被广泛使用。因此，美国的安全部门为了确保公共场所的安全，增加了对人脸识别技术的资金和人力资源的投入。

1.3.2  日本

尽管日本使用面部识别技术的时间相对较晚，但其技术发展却日新月异。在2014年，由日本主持研发的一种基于视频的面部识别技术在日本的大阪进行了测试。它的功能是在危险来临时，通过实时监控面部表情和人流动态，判断每个出口是否可用。近年来，日本已经意识到人脸识别技术带来的益处，因此加快了对该技术的研究。2020年疫情期间日本的Glory公司研发出了一套可识别佩戴口罩人脸的人脸识别系统，即使口罩把大半个脸遮住仍然可以被识别出来。

2    人脸识别的算法框架及识别方法

2.1  算法框架

面部识别技术是属于模式识别的问题，主要包括在线配对和离线学习两个部分，如图1所示。

2.2  常见的人脸识别方法

随着智能时代的到来以及计算机技术的高速发展，人脸识别技术呈现出百家争鸣的态势，识别方法更是层出不穷。而且在静态图像识别的领域中，也出现了百花齐放的趋势。下面将以两种常用方法为例。

2.2.1  基于几何特征的人脸识别方法

几何特征的识别技术也称为结构匹配技术，是早期使用的人脸检测方法之一[7-10]。该方法通过面部拓扑结构的几何关联经验，将人体面部器官视为公共几何，采用基于结构的方法得到面部主要器官的特征。该方法是采集人脸的重要特征及其相对距离、特征分布等参数，形成一个能代表人脸的特征向量，如角度、曲率等。这种识别方法的优点是抗干扰能力强，存储容量小，对光照变化的敏感度低，并且可以实现有效的人脸描述。然而，该算法只关注器官的基本形状和位置结构，而不关注细节，因此存在一些问题：（1）从图像中提取典型特点相对困难;（2）表情和神态的剧烈变化稳定性较差;（3）容易造成信息部分丢失 。

2.2.2  基于模板匹配的人脸识别方法

模板匹配主要包括静态匹配法和弹性匹配法，其中弹性匹配法又可分为动态匹配法、特征面法、线性判别法等。静态匹配方法需要对图像进行适当的标准化，然后利用整个图像的灰度、生理特征区域的灰度和变换后的人脸图像进行模板匹配。由于静态匹配模板的灵活性较差，当人脸表情过于复杂时，无法使用该模板，因此，产生了动态模板匹配。该方法基于人脸形状可变部分的特征参数模型。该方法的独特之处在于它的活动性大大提高，更适合于多种情况下的人脸检测。但是由于该方法的计算速度很慢，计算周期较长，所以容易陷入局部极小值的缺陷。

3    人脸识别技术发展趋势

经过多年的研究实践，面部识别技术已经取得了许多成果，但是就目前的发展而言，人脸识别技术在各个领域的应用仍然面临着许多的难题。

（1）局部特征和全局特征的统一结合可以有效地描述人脸特征。因此，如何有效地获得并结合局部表征和全局表征是值得进一步探讨的问题。

（2）在面部识别过程中，我们必须面对相机，并且图片中的面部必须具有一定的像素宽度才能提供可靠的面部识别。但是，在具体的应用期间，不能够完全地满足这些条件，这种不确定性对人脸识别技术的使用造成一定难度。因此，未来的识别技术需要不断提高算法的精准度。

（3）3D算法能够处理多种变化因素，并且该方法对处理传统的人脸旋转、遮挡、相似等问题有很好的效果，但因为三维人脸识别算法的应用还处于探索阶段，因此该方法拥有很好的发展前景。

（4）人脸识别技术面临的信息安全。大数据时代，人脸识别技术展现巨大的发展潜力，但是弊端也随之体现出来，那就是个人信息泄露问题。首先，人脸识别技术是近年来才兴起的技术，因此很多应用仍处于探索实践阶段，所以判断错误带来的风险难以避免。其次，由于网络安全的防护能力不足，存在数据泄露的隐患。怎样保护信息不会泄露将成为一个研究的方向。

4    结语

面部识别技术是一门难度高且内容复杂的技术，掌握该技术需要了解很多专业知识并且要熟练的运用。但是随着大数据时代的来临，人脸识别技术的益处已经在各个领域得到完美的体现，因此掌握和运用该项技术已经变成不可或缺的部分。但是由于该技术属于近年来才兴起的技术，所以存在很多的缺陷，例如，准确性不够精准、速度不够快等。 但是随着越来越多的研究者和研究机构的加入，这些问题的解决只是时间问题。相信在不久的将来，人脸识别技术将会继续不断地完善和更新，并且能够更好地为人类服务。

[参考文献]

[1]张翠萍，苏光大.人脸識别技术综述[J].中国图像图形学报，2000（11）：885-894.

[2]姜贺.基于几何特征的人脸识别算法[D].大连：大连理工大学，2008.

[3]吴巾一.人脸识别方法综述[J].计算机应用研究，2009（9）：3205-3209.

[4]余龙华.基于隐马尔科夫模型的人脸识别[J].计算机技术与发展，2012（2）：25-28.

[5]]白冬辉.人脸识别技术的研究与应用[D].北京：北方工业大学，2006.

[6]梁路宏，艾海舟，何克忠.基于多模板匹配的单人脸检测[J].中国图像图形学报，1999（10）：825-830.

[7]本刊编辑部.北京银行上线人脸识别技术[J].金融科技时代，2017（3）：34.

[8]潘周娴，陈适，潘慧，等.人脸识别技术的医学诊断应用的发展与现状[J].基础医学与临床，2016（12）：1747-1750.

[9]吴维嘉.智能人脸识别技术在安防行业的应用与发展变化[J].中国安防，2016（6）：21-22.

[10]严超，苏光大.人脸特征的定位与提取[J].中国图象图形学报，1998（5）：375-379.

（编辑 王雪芬）