人臉識別監控系統的檢測原理

人臉識別技術屬于生物識別的一種，也是近幾年比較熱門的一種生物識別技術。人臉識別可以達到非接觸式識別，對于疫情的防控和通過接觸傳染的病毒有隔離作用。因此，在全球疫情爆發的當下，人臉識別技術較指紋識別更為安全、可靠。人臉識別監控系統技術包含三個部分：人臉檢測、人臉跟蹤和人臉比對。

人臉識別

人臉識別監控系統的人臉檢測是指在動態的場景與復雜的背景中檢測是否存在人臉面像，并分離出這種面像。分離人臉面像的方法一般有下列幾種：

①    模板匹配法

首先需要設計一個或數個標準人臉的模板，然后后臺程序計算測試樣品與標準模板之間的匹配程度，并通過閾值來判斷是否存在人臉；

②    人臉特征規則法

由于人臉具有一定的結構分布特征，所謂人臉特征規則法即提取這些特征生成相應的規則以判斷測試樣品是否包含人臉；

③樣品學習法

這種方法即采用模式識別中人工神經網絡的方法，即通過對面像樣品集和非面像樣品集的學習產生分類器；

③    面部膚色模型法

這種方法是依據面部膚色在色彩空間中分布相對集中的規律來進行檢測。

④    特征子臉法

這種方法是將所有面像集合視為一個面像子空間，并基于檢測樣品與其在子空間的投影之間的距離判斷是否存在面像。

值得提出的是，上述5種方法在實際檢測系統中也可綜合采用。

人臉跟蹤

人臉跟蹤是指對被檢測到的人臉進行動態目標跟蹤。具體采用基于模型的方法或基于運動與模型相結合的方法。此外，利用膚色模型跟蹤也不失為一種簡單而有效的手段。

人臉比對

人臉比對是對被檢測到的人臉面像與面像庫中進行目標搜索進行身份確認。這實際上就是說，將采樣到的面像與庫存的面像依次進行比對，并找出最佳的匹配對象。所以，面像的描述決定了面像識別的具體方法與性能。目前主要采用特征向量與面紋模板兩種描述方法：

①特征向量法

該方法是先確定眼虹膜、鼻翼、嘴角等面像五官輪廓的大小、位置、距離等屬性，然后再計算出它們的幾何特征量，而這些特征量形成描述該面像的特征向量。

②面紋模板法

該方法是在庫中存貯若干標準面像模板或面像器官模板，在進行比對時，將采樣面像所有象素與庫中所有模板采用歸一化相關量度量進行匹配。此外，還有采用模式識別的自相關網絡或特征與模板相結合的方法。

人體面貌識別技術的核心實際為“局部人體特征分析”和“圖形/神經識別算法。”這種算法是利用人體面部各器官及特征部位的方法。如對應幾何關系多數據形成識別參數與數據庫中所有的原始參數進行比較、判斷與確認。一般要求判斷時間低于1秒。

人臉識別監控系統技術目前已經非常成熟，廣泛的應用在了智能交通、智能人臉識別門禁系統、人臉識別支付等等領域。近兩年來，靜態人臉搜索比對已經成功應用于安防和公安業務，千萬至億級規模化應用正在開展之中。動態人臉識別監控識別也逐漸應用部署，可以預期，人臉識別監控系統的應用將進一步擴展到電子商務驗證、社交網絡等多個方面，具有十分廣闊的發展前景。