论文部分内容阅读
摘要：近年来，人脸识别在身份识别、访问控制、取证、人机交互等领域都有着广泛的应用。同时，随着科学技术的不断发展，人脸识别成为计算机视觉和模式识别领域最活跃的研究方法之一。本文综述了国内外人脸识别技术的研究现状，分析了存在的问题，并对人脸识别技术未来的发展趋势做出展望。
关键词：人脸识别;发展趋势;未来展望
人脸识别作为一种简化的图像分析和模式识别应用，在过去的三十年中得到了广泛的关注。人脸识别的目的是从人脸图像中抽取人的个性化特征，并以此来识别人的身份。
一、人脸识别技术概述
人脸识别是一种生物识别技术，它基于人的面部特征（例如统计或几何特征）并自动执行身份识别，也称为人脸识别，人像识别，人脸识别，人脸识别等。除了安防、金融这两大领域外，人脸识别还在交通、教育、医疗、警务、电子商务等诸多场景实现了广泛应用，且呈现出显著应用价值。为了进一步把握人脸识别技术所带来的重大机遇，我国出台了一系列政策予以支撑。
2015年以来我国相继出台了《关于银行业金融机构远程开立人民币账户的指导意见（征求意见稿）》《安全防范视频监控人脸识别系统技术要求》等法律法规，为人脸识别技术的应用以及在金融、安防、医疗等领域的普及奠定了重要基础。2017年，人工智能首次被写入全国政府报告;同年7月国务院发布了《新一代人工智能发展规划》;12月工信部出台了《促进新一代人工智能产业发展三年行动计划（2018-2020年）》，其中对人脸识别有效检出率、正确识别率的提升做出了明确要求。作为人工智能主要细分领域，人脸识别获得的国家政策支持显而易见。
二、人脸识别技术的国内外发展研究情况
Galton是最早开始进行人脸识别技术研究的科学家，他1888年和1910年在世界上最具权威的科学杂志——《自然》上发表的两篇文章，被认为是基于人脸图像身份认证研究的开山之作。Galton将机器视觉与认知心理学有效结合，为人类自身识别的研究指明了新方向。随着科学技术的不断发展，人脸识别技术的研究也在不断取得新的突破性进展。与此同时，人脸识别技术在理论和应用领域的研究成果也随之大量推出。纵观人脸识别的的研究理论和应用，人脸识别技术的历史沿革大致分为以下四个阶段。
第一阶段：机器识别（1964-1990年）
该阶段以研究人脸识别的面部特征为重点，主要围绕人的嘴巴、眼睛、鼻子等构成的集合区域作为研究对象进行分析。1964年美国研究人员Bledsoe等人【4】研究了面部识别计算机编程，他们设想了一种半自动化的方法，要求操挫折输入20个计算机的测量值。1973年Kelly第一篇有关自动人脸识别方向的博士论文。1988年引入了人工智能开发以前使用的理论工具，从而显示出了许多不足。这一阶段属于人脸识别技术的理论探索阶段，该阶段的应用研究存在很多不足，技术上也未有突破性的进展。
第二阶段：半自动化（1991-1997年）
这一阶段主要研究人工算法识别，人脸识别技术在这几年取得了阶段性的进展和突破。1991年美国麻省理工学院的Alex Pentland和Matthew Turk提出了人脸识别技术的第一个成功例子，即将主成分分析（PCA）方法应用到人脸识别中去，并提出了“特征脸”这一概念。Bruneli和Poggio于1992年结合实验分析了基于结构特征与基于模板匹配的人脸识别方法的性能，并得出了基于模板匹配法发更优的结论，同时也奠定了人脸识别技术的研究方向。
第三阶段：非接触式（1998-2014年）
经过前两个阶段的快速发展，人脸识别技术研究也由此奠定了坚实的基础。第三阶段主要研究非接触式的信息采集问题，如光照、姿态、噪声等外界因素。1998年，Georghiades等人利用光锥模型顺利的解决了多姿态、不同光照条件下的人脸识别问题。Blanz等人在此基础上进行改进提出了三维变形模型。2001年Viola和Jones在国际计算机视觉大会上展示了一套人脸检测系统，标志着人脸识别技术可以应用于实时监控领域。总而言之，人脸识别技术在这一阶段取得了实用性的进展，并且改善了识别效率、鲁棒性等问题，对人脸识别技术推向市场做出了巨大贡献。
第四阶段：互联网应用（2015-至今）
近几年来，大量基于深度学习（deep learning）的人脸识别方法被相继提出，人脸识别技术步入了新的时代。目前人脸识别技术研究的热点主要集中于人脸图像受外界环境变化影响、对象不配合、自然场景及大规模人脸数据库上的识别问题，深度学习成为重要研究方向。
三、人脸识别技术的现状
经过上述的四个历史阶段，人脸识别的相关方法也已经形成各自的一套体系，可以分为基于几何特征的人脸识别方法、基于局部特征的人脸识别方法、基于子空间的人脸识别方法、基于机器学习的人脸识别方法。
目前，我国在人脸识别技术领域领先企业的应用布局是以安防和金融领域为主，在物流、零售、智能手机、汽车、教育、地产等领域也均开始涉足。
四、人脸识别技术的未来发展趋势
首先，最广泛使用的人脸识别领域是安全行业，它不仅为整个安全行业注入了新的活力，而且进一步开发了新的开发市场。作为安全市场未来的发展方向，智能视频分析最重要的技术是人脸识别。
其次，由于人脸识别技术的方便性和安全性，可以作为智能家居中的门禁系統和身份验证系统，因此智能家居与人脸识别技术的融合是未来发展的关键方向。智能家居中的人脸识别系统是通过将嵌入式操作系统和嵌入式硬件平台相结合而构建的，加强了人脸识别技术与智能家居应用的结合，具有新概念，实用性强的特点。
第三，人脸识别技术是未来大数据领域的重要发展方向。如今，公安部门已经引入了大数据，这也弥补了传统技术的困难。通过人脸识别技术，这些照片数据可以再次存储和使用，可以大大改善公安信息的管理和协调，将成为未来人脸识别的主要发展趋势。
参考文献
[1]Galton F. Personal identification and description： II[J]. Nature， 1888： 201-202.
[2]Galton F. Numeralised Profiles for Classification and Recognition[J]. Nature， 1910，83： 127-130.
[3]赵振华.人脸识别关键问题研究[D].兰州：兰州大学， 2012： 2-20.
作者简介：徐珊（1998年9月），女，汉族，陕西西安，西安财经大学统计学2020级研究生，研究方向：大数据分析与应用研究
关键词：人脸识别;发展趋势;未来展望
人脸识别作为一种简化的图像分析和模式识别应用，在过去的三十年中得到了广泛的关注。人脸识别的目的是从人脸图像中抽取人的个性化特征，并以此来识别人的身份。
一、人脸识别技术概述
人脸识别是一种生物识别技术，它基于人的面部特征（例如统计或几何特征）并自动执行身份识别，也称为人脸识别，人像识别，人脸识别，人脸识别等。除了安防、金融这两大领域外，人脸识别还在交通、教育、医疗、警务、电子商务等诸多场景实现了广泛应用，且呈现出显著应用价值。为了进一步把握人脸识别技术所带来的重大机遇，我国出台了一系列政策予以支撑。
2015年以来我国相继出台了《关于银行业金融机构远程开立人民币账户的指导意见（征求意见稿）》《安全防范视频监控人脸识别系统技术要求》等法律法规，为人脸识别技术的应用以及在金融、安防、医疗等领域的普及奠定了重要基础。2017年，人工智能首次被写入全国政府报告;同年7月国务院发布了《新一代人工智能发展规划》;12月工信部出台了《促进新一代人工智能产业发展三年行动计划（2018-2020年）》，其中对人脸识别有效检出率、正确识别率的提升做出了明确要求。作为人工智能主要细分领域，人脸识别获得的国家政策支持显而易见。
二、人脸识别技术的国内外发展研究情况
Galton是最早开始进行人脸识别技术研究的科学家，他1888年和1910年在世界上最具权威的科学杂志——《自然》上发表的两篇文章，被认为是基于人脸图像身份认证研究的开山之作。Galton将机器视觉与认知心理学有效结合，为人类自身识别的研究指明了新方向。随着科学技术的不断发展，人脸识别技术的研究也在不断取得新的突破性进展。与此同时，人脸识别技术在理论和应用领域的研究成果也随之大量推出。纵观人脸识别的的研究理论和应用，人脸识别技术的历史沿革大致分为以下四个阶段。
第一阶段：机器识别（1964-1990年）
该阶段以研究人脸识别的面部特征为重点，主要围绕人的嘴巴、眼睛、鼻子等构成的集合区域作为研究对象进行分析。1964年美国研究人员Bledsoe等人【4】研究了面部识别计算机编程，他们设想了一种半自动化的方法，要求操挫折输入20个计算机的测量值。1973年Kelly第一篇有关自动人脸识别方向的博士论文。1988年引入了人工智能开发以前使用的理论工具，从而显示出了许多不足。这一阶段属于人脸识别技术的理论探索阶段，该阶段的应用研究存在很多不足，技术上也未有突破性的进展。
第二阶段：半自动化（1991-1997年）
这一阶段主要研究人工算法识别，人脸识别技术在这几年取得了阶段性的进展和突破。1991年美国麻省理工学院的Alex Pentland和Matthew Turk提出了人脸识别技术的第一个成功例子，即将主成分分析（PCA）方法应用到人脸识别中去，并提出了“特征脸”这一概念。Bruneli和Poggio于1992年结合实验分析了基于结构特征与基于模板匹配的人脸识别方法的性能，并得出了基于模板匹配法发更优的结论，同时也奠定了人脸识别技术的研究方向。
第三阶段：非接触式（1998-2014年）
经过前两个阶段的快速发展，人脸识别技术研究也由此奠定了坚实的基础。第三阶段主要研究非接触式的信息采集问题，如光照、姿态、噪声等外界因素。1998年，Georghiades等人利用光锥模型顺利的解决了多姿态、不同光照条件下的人脸识别问题。Blanz等人在此基础上进行改进提出了三维变形模型。2001年Viola和Jones在国际计算机视觉大会上展示了一套人脸检测系统，标志着人脸识别技术可以应用于实时监控领域。总而言之，人脸识别技术在这一阶段取得了实用性的进展，并且改善了识别效率、鲁棒性等问题，对人脸识别技术推向市场做出了巨大贡献。
第四阶段：互联网应用（2015-至今）
近几年来，大量基于深度学习（deep learning）的人脸识别方法被相继提出，人脸识别技术步入了新的时代。目前人脸识别技术研究的热点主要集中于人脸图像受外界环境变化影响、对象不配合、自然场景及大规模人脸数据库上的识别问题，深度学习成为重要研究方向。
三、人脸识别技术的现状
经过上述的四个历史阶段，人脸识别的相关方法也已经形成各自的一套体系，可以分为基于几何特征的人脸识别方法、基于局部特征的人脸识别方法、基于子空间的人脸识别方法、基于机器学习的人脸识别方法。
目前，我国在人脸识别技术领域领先企业的应用布局是以安防和金融领域为主，在物流、零售、智能手机、汽车、教育、地产等领域也均开始涉足。
四、人脸识别技术的未来发展趋势
首先，最广泛使用的人脸识别领域是安全行业，它不仅为整个安全行业注入了新的活力，而且进一步开发了新的开发市场。作为安全市场未来的发展方向，智能视频分析最重要的技术是人脸识别。
其次，由于人脸识别技术的方便性和安全性，可以作为智能家居中的门禁系統和身份验证系统，因此智能家居与人脸识别技术的融合是未来发展的关键方向。智能家居中的人脸识别系统是通过将嵌入式操作系统和嵌入式硬件平台相结合而构建的，加强了人脸识别技术与智能家居应用的结合，具有新概念，实用性强的特点。
第三，人脸识别技术是未来大数据领域的重要发展方向。如今，公安部门已经引入了大数据，这也弥补了传统技术的困难。通过人脸识别技术，这些照片数据可以再次存储和使用，可以大大改善公安信息的管理和协调，将成为未来人脸识别的主要发展趋势。
参考文献
[1]Galton F. Personal identification and description： II[J]. Nature， 1888： 201-202.
[2]Galton F. Numeralised Profiles for Classification and Recognition[J]. Nature， 1910，83： 127-130.
[3]赵振华.人脸识别关键问题研究[D].兰州：兰州大学， 2012： 2-20.
作者简介：徐珊（1998年9月），女，汉族，陕西西安，西安财经大学统计学2020级研究生，研究方向：大数据分析与应用研究