人脸识别监控系统的检测原理

人脸识别技术属于生物识别的一种，也是近几年比较热门的一种生物识别技术。人脸识别可以达到非接触式识别，对于疫情的防控和通过接触传染的病毒有隔离作用。因此，在全球疫情爆发的当下，人脸识别技术较指纹识别更为安全、可靠。人脸识别监控系统技术包含三个部分：人脸检测、人脸跟踪和人脸比对。

人脸识别

人脸识别监控系统的人脸检测是指在动态的场景与复杂的背景中检测是否存在人脸面像，并分离出这种面像。分离人脸面像的方法一般有下列几种：

①    模板匹配法

首先需要设计一个或数个标准人脸的模板，然后后台程序计算测试样品与标准模板之间的匹配程度，并通过阈值来判断是否存在人脸；

②    人脸特征规则法

由于人脸具有一定的结构分布特征，所谓人脸特征规则法即提取这些特征生成相应的规则以判断测试样品是否包含人脸；

③样品学习法

这种方法即采用模式识别中人工神经网络的方法，即通过对面像样品集和非面像样品集的学习产生分类器；

③    面部肤色模型法

这种方法是依据面部肤色在色彩空间中分布相对集中的规律来进行检测。

④    特征子脸法

这种方法是将所有面像集合视为一个面像子空间，并基于检测样品与其在子空间的投影之间的距离判断是否存在面像。

值得提出的是，上述5种方法在实际检测系统中也可综合采用。

人脸跟踪

人脸跟踪是指对被检测到的人脸进行动态目标跟踪。具体采用基于模型的方法或基于运动与模型相结合的方法。此外，利用肤色模型跟踪也不失为一种简单而有效的手段。

人脸比对

人脸比对是对被检测到的人脸面像与面像库中进行目标搜索进行身份确认。这实际上就是说，将采样到的面像与库存的面像依次进行比对，并找出最佳的匹配对象。所以，面像的描述决定了面像识别的具体方法与性能。目前主要采用特征向量与面纹模板两种描述方法：

①特征向量法

该方法是先确定眼虹膜、鼻翼、嘴角等面像五官轮廓的大小、位置、距离等属性，然后再计算出它们的几何特征量，而这些特征量形成描述该面像的特征向量。

②面纹模板法

该方法是在库中存贮若干标准面像模板或面像器官模板，在进行比对时，将采样面像所有象素与库中所有模板采用归一化相关量度量进行匹配。此外，还有采用模式识别的自相关网络或特征与模板相结合的方法。

人体面貌识别技术的核心实际为“局部人体特征分析”和“图形/神经识别算法。”这种算法是利用人体面部各器官及特征部位的方法。如对应几何关系多数据形成识别参数与数据库中所有的原始参数进行比较、判断与确认。一般要求判断时间低于1秒。

人脸识别监控系统技术目前已经非常成熟，广泛的应用在了智能交通、智能人脸识别门禁系统、人脸识别支付等等领域。近两年来，静态人脸搜索比对已经成功应用于安防和公安业务，千万至亿级规模化应用正在开展之中。动态人脸识别监控识别也逐渐应用部署，可以预期，人脸识别监控系统的应用将进一步扩展到电子商务验证、社交网络等多个方面，具有十分广阔的发展前景。