英特爾助力高考分析人臉識別的應(yīng)用分析

007里的人臉識別技術(shù)這么厲害，高科技的較量中從來不失對人臉識別的刻畫。那么，人臉識別技術(shù)到底有多厲害，我們又發(fā)展到了哪一步？是時候來扒一扒啦！跟小編一起走在科技的最前沿吧！

高考，這個牽動全國人民心弦的大事已經(jīng)進(jìn)入了后半段。隨著“作弊入刑”政策的實施，本次高考各地都提升了考場的“反作弊系統(tǒng)”，而各大考場的反作弊系統(tǒng)中最為矚目的科技應(yīng)用當(dāng)屬人臉識別了。

首先，我們先了解一下什么是“人臉識別”及它的特點

人臉識別（Automatic Face Recogination）技術(shù)是通過計算機(jī)提取人臉的特征，并根據(jù)這些特征進(jìn)行身份驗證的一種技術(shù)。與人體的其他生物特征，如指紋，掌紋，虹膜等一樣，都是與生俱來，具有唯一性和不易被復(fù)制的良好特性，為身份鑒別提供了必要的前提（當(dāng)然，你要是有007般的偽裝技能，這些都是浮云了）。人臉識別的非接觸性，非強(qiáng)制性，隱蔽性也是其一大特點，指紋、虹膜等采集都需要被檢測人配合，而人臉識別只需要在遠(yuǎn)處輕松一照即可。我們的馬路上方的攝像頭，商場進(jìn)門處的監(jiān)控探頭都可以方便進(jìn)行人臉識別，從而在安防，刑偵等方面提供強(qiáng)大的技術(shù)支持。

我們再來看一下“人臉識別”的發(fā)展史

人臉識別技術(shù)最早的研究者Bledsoe，他在上世紀(jì)60年代建立了一個半自動的人臉識別系統(tǒng)，基本原理是基于部件的，主要識別以人臉各個特征點的間隙與比率等參數(shù)。如臉部輪廓信息鼻子，眼睛，鼻孔，嘴之間的位置與之間連線的幾何關(guān)系。這種技術(shù)方法相對簡單，但也非常容易丟失人臉的有用信息。當(dāng)被識別人的表情變化，或者識別視角等有變化的情況下，識別出錯率頗高。

之后，又發(fā)展了基于整體的人臉識別方法，其主要利用了人臉各個特征點之間的拓?fù)潢P(guān)系和各個器官自身的信息，可以避免提取面部局部特征的操作，使識別魯棒性有所提高。在90年代中期后，人臉識別技術(shù)便朝著整體識別和部件分析相結(jié)合的趨勢發(fā)展。

了解完了人臉識別技術(shù)的發(fā)展，我們再談一談人臉識別技術(shù)如何“認(rèn)出”我們的。

? 第一步，準(zhǔn)確識別出“你”的臉在哪里——人臉檢測定位。簡而言之，人臉檢測定位是將圖像分為非人臉區(qū)域與人臉區(qū)域兩部分，從中分割出人臉區(qū)域。在人臉識別的應(yīng)用場景中，有靜止圖像與運動圖像之分。例如我們的考勤機(jī)，在進(jìn)行識別時，人基本不動，處于靜止?fàn)顟B(tài)進(jìn)行人臉識別；又如我們商場里的安防系統(tǒng)，多為運動自動識別——不可能發(fā)一個指令，讓大家停下來，然后再走，再停嘛。

在這兩個不同的應(yīng)用場景下，對應(yīng)不同的模式識別方法。在靜止圖像識別中，多采用基于模板匹配的方法，如基于器官或輪廓分布特征，基于膚色模型等。該方法的原理是提前建立一個標(biāo)準(zhǔn)的人臉模板，通過先驗知識的積累來完成一定的人臉檢測任務(wù)。正是因為有先驗知識的積累與人臉模式的前期錄入，這種方法非常適合于考勤機(jī)與高考入場的身份識別上。對于運動圖像識別上，首先通過前后兩幀圖像進(jìn)行差分運算，從而去除背景中的靜態(tài)部分，保留運動的人體部分，接下來再轉(zhuǎn)入靜態(tài)圖像處理。

? 第二步，全面看清“你”的臉——面部特征提取。面部特征定位與提取是檢測人臉上的某些或所有特征的位置、大小、輪廓線等信息的過程。最常見的是先求出雙眼的中心位置，然后進(jìn)行人臉的歸一化，進(jìn)而可以提取其他一些特征信息。常用的方法有：灰度積分投影曲線分析，Hough變換方法、可變形模板等。

無論使用算法，這一步都是將人臉圖像進(jìn)行處理，確定人臉各器官的基線，再確定各器官的輪廓線，從而計算得出人臉的特征值。

? 第三步，認(rèn)出“你”是誰——人臉確認(rèn)識別。人臉確認(rèn)識別就是依據(jù)前兩步所得到的人臉特征值，將待檢測人臉與數(shù)據(jù)庫中人臉進(jìn)行比較，確認(rèn)和識別待測人臉的身份。基本方法上可以歸結(jié)為四類即基于幾何特征的方法、基于代數(shù)特征的方法、基于彈性圖匹配方法和基于神經(jīng)網(wǎng)絡(luò)的方法。幾何特征的方法較易實現(xiàn)，識別速度也是最快的，但是其識別準(zhǔn)確率與誤判率都有待提高；神經(jīng)網(wǎng)絡(luò)的相對來說，準(zhǔn)確率較高，對輸入圖像質(zhì)量要求低，但是其需要一定量的樣本來訓(xùn)練。而基于代數(shù)特征的方法主要計算人臉特征值的向量特性，受表情變化，光照角度與視角的變化的影響較大。

基于彈性圖匹配方法是在二維空間中為人臉建立屬性拓?fù)鋱D，如下圖所示，對于人臉變形具有一定的容忍度。

也正因為其建立了二維模型，因此，此方法對人臉較小角度的旋轉(zhuǎn)以及光照改變等都有較好的容忍性，但識別速度相對較慢。

做為業(yè)界的大哥級人物，英特爾也在不斷加速人臉識別技術(shù)的應(yīng)用。英特爾的Quark SOC處理器，憑借其32nm工藝，封裝尺寸15×15毫米，單核心單線程，主頻400MHz，二級緩存16KB，SRAM整合緩存256KB，內(nèi)存支持單通道DDR3-800 2GB的高性能，在實現(xiàn)人臉識別能力上提供高性能硬件基礎(chǔ)，不僅可以簡單視頻圖像，而且可以部署實現(xiàn)較復(fù)雜的算法，從而帶來更高識別準(zhǔn)確率、更快識別速度與更低的誤判率。

正在發(fā)展的物聯(lián)網(wǎng)時代，終端安全是第一道防線。像嚴(yán)格、準(zhǔn)確并有一定速度要求的高考中，更是要將提高識別準(zhǔn)確率放在第一位，這也正是高性能的英特爾處理的強(qiáng)項。隨著人臉識別技術(shù)的不斷發(fā)展，智能硬件水平不斷提升，人臉識別技術(shù)必將一個更大的發(fā)展期，為人們的生產(chǎn)、生活提供幫助與便利。