人脸是继指纹之后应用最为广泛的一种生物特征，与指纹相比更加直观、自然。据国际生物识别集团（IBG）发布的《生物识别市场与产业报告2009-2014》报告显示，2014年人脸识别在全球生物特征识别市场中能够占到11.4%。在国内公安领域，人脸识别技术的发展也同样迅猛，近5年已增长到了18%，并且还在持续增长。这些都说明了人脸识别技术在公安领域的应用具有极大的潜力，本文将对人脸识别的技术原理、典型应用和存在的问题进行分析和讨论。

一、人脸识别的技术原理及特点

1.人脸识别的基本流程

人脸识别与其他生物特征识别技术相似，应用过程的基本流程分为离线注册和在线识别两个步骤，流程框图如图1所示。

图1人脸识别应用基本流程框图

人脸注册过程如图1（a）所示，通常具体步骤为：首先利用可见光成像设备采集注册用的人像；然后利用人脸检测技术从图像中定位并分割出人脸局部图像；最后再利用特征提取技术抽取能够表征人脸图像的数据量，形成特征模板并存储至数据库中。在人脸识别应用中，人脸注册也常称为人脸建模，一般离线进行，例如在进行大规模的人脸图像查询时，都需要事先将人脸图像库全部建模。图1（b）示出了人脸识别的基本流程，特征抽取过程与人脸注册相似，也包括人脸检测和特征提取两个步骤。不同的是在识别过程中，提取到的人脸特征模板不再存储，而是与注册时提取的人脸特征模板进行比对，最终返回比对结果。

从图1中可以看出，人脸识别过程经历了从人体物理空间到人脸局部图像空间，再到人脸特征数据空间，最后到类别空间的转换。在这个转换过程中，人脸检测、特征提取和特征比对分别起到了关键作用，这也是人脸识别中三项最为关键的技术，本文接下来将对此进行介绍。

2.人脸识别的关键技术

（1）人脸检测

人脸检测是人脸识别的首要步骤，主要目的是从大范围的图像中准确地找到人脸区域，降低背景信息对识别性能的影响。该技术的研究最早可追溯至上世纪70年代，从图像空间的角度出发，目前人脸检测方法大体可分为基于像素域、基于压缩域和两者相结合等三类。

基于像素域的人脸检测方法基本原理是在图像的像素空间滑动检测图像块，提取每一图像块的特征并利用先验知识或者统计的方法判断图像块是否是人脸。基于类Haar特征的AdaBoost方法是该类方法的典型代表，检测准确率可达90%以上[1~3]。基于压缩域的人脸检测则是在图像的频域空间滑动检测图像块，利用压缩系数中提取的特征判别是否是人脸区域[4~6]。与基于像素域的方法相比，该类方法省略了解码时间，速度更快。但是由于编码分块的原因，导致压缩域人脸区域的特征不如像素域稳定，从而降低了检测的准确率。

为了平衡人脸检测的准确率和速度，文献[7]针对人脸识别应用提出了一种JPEG图像的快速人脸检测方法，该方法在压缩码流中提取少量系数，快速恢复低分辨率图像，然后再利用像素域的Adaboost方法检测人脸，综合了压缩域检测速度快和像素域检测精度高优势，对人脸识别应用而言是一种实用的人脸检测方法。

总之，人脸检测技术发展到现在已经基本满足人脸识别应用的需求。但是，随着人脸识别技术在视频监控中应用的扩展，捕捉到的人脸姿态各异，多角度人脸快速检测和配置将是人脸识别技术的新需求。

（2）特征提取

人脸特征提取是指在人脸图像中抽取出能够辨识不同人脸的数据的过程，抽取特征的唯一性越强，则算法的性能越好。人脸特征与指纹和虹膜不同，后两者特征比较稳定，例如指纹特征主要是细节点、虹膜特征主要是图像的纹理。人脸是非刚性的物体，外观特征受人的姿态、表情、饰物、光照等影响较大，如何提取稳定的人脸特征一直是人脸识别领域最为重要的研究课题[8]。

人脸特征提取方法较多，发展过程大体可分为两个阶段，第一阶段主要以研究理想条件下的人脸特征提取技术为主，基于几何特征的方法和特征脸方法是该阶段的典型代表。基于几何特征的方法是指在人脸图像中检测出眼镜、眉毛、鼻子、嘴巴等部件，将各部件之间的几何关系作为辨识特征。特征脸方法是人脸识别技术发展的一个里程碑，不再应用简单的几何特征，而是在大量的图像数据集中，利用PCA方法计算特征向量也即特征脸，然后将人脸图像映射到各向量上，最终利用向量系数作为人脸特征。该阶段发展的方法对人脸图像要求比较苛刻，对光照、姿态等都有很高的要求，各因素的变化都极易导致识别性能大幅度下降，这使得人脸识别技术很难实际应用。

第二阶段主要研究非理想条件下（例如具有光照变化、表情变化、姿态变化、年龄跨度等）鲁棒的特征提取方法。该阶段的研究更具有实用性，以挖掘在高维人脸图像数据中隐含的低维不变特征为目的，采用统计学习的方法努力使不同人脸之间的类间距离最大，同一人脸各种变化下的类内距离最小。出现的方法主要有二维主成份分析方法、二维线性鉴别方法、基于流形学习的方法、基于稀疏表示的方法等。发展到目前，提取的人脸特征对光照、表情、姿态、年龄等变化已有较强的适应性，部分先进的算法已经可以实际应用。

特征提取是人脸识别最为关键的算法，虽然现在已有较多算法在实际中应用，但是在非配合情况下拍摄的人脸图像光照、表情、姿态等变化较大，稳定的人脸特征仍是一个未解决的难题。

（3）特征比对

相对于人脸检测和特征提取，特征比对在人脸识别过程中独立研究较少。所谓的特征比对是指比较两幅人脸图像的特征并判断相似程度，这是一个鉴别的过程。人脸识别中应用的特征比对技术与其他应用中类似，主要有最近邻方法、神经网络方法、支撑向量机方法等。在大规模的人脸搜索应用中，特征比对的方法和策略是尤为重要的。MBE2010测试报告显示，在160万次比对中，效率最高的比对方法花费时间为177毫秒，而效率最低的方法花费时间为238秒[9]。

3.性能现状

美国国家标准与技术研究院（NIST）作为国外权威机构，自1993年起对人脸识别算法进行评测，极大地促进了人脸识别技术的发展。

NIST的历次人脸识别评测结果也能够在一定程度上反映人脸识别技术的发展水平。对于人脸一对一验证，人脸识别性能的认假率在0.1%时，拒真率从1993年时的79%，降到了2010年的0.3%，已达到实用水平。对于一对多应用，MBE2010测试报告也显示最好的人脸识别算法在160万库中首选识别率已达到92%，排名前20的识别率已达到96%[9]。

从当前的人脸识别性能指标中可以看出，在图像质量较好的环境下，例如证件类照片，当前技术已经基本能够满足实际需求。

4.技术特点

人脸识别与其他生物特征识别技术相比具有非接触、直观、自然、可隐蔽式采集等优势，在公安领域中应用人脸识别技术还具有以下特点：

（1）传感器价格低廉，应用广泛

当前人脸识别技术通常采用普通的可见光成像设备，例如照相机、监控摄像机等，这些设备通用性强、在非人脸识别领域已有非常广泛的应用。利用现有的设备采集人脸图像并进行识别不需要额外增加硬件成本，易于推广应用。

（2）识别过程符合认知习惯，可有效辅助民警应用

在公安领域的应用中技术仅是辅助手段，不能完全代替人工。指纹和虹膜图像复杂，不直观，非专家无法轻易进行人工辨识。而人脸识别则是完全符合人的认知习惯，不需要进行特殊训练即可对自动识别结果进行人工确认，在辅助民警应用的角度上更为直接和有效。

（3）易于公安业务集成，民众接受程度高

照片采集和视频监控在当前公安业务中已广泛采用，人脸识别技术的应用不需要改变现有业务流程，不增加额外工作环节，仅在后台应用，过程自然，用户和民众接受程度高。

二、人脸识别的典型应用

人脸识别与其他生物特征识别技术相似，能够解决“他是否是他？”的验证问题和“他是否是危险份子？”的辨识问题。另外，由于人脸图像直观，还可用于解决“他是谁？”的查询问题。验证是人脸一对一比对的应用，识别和查询是人脸一对多比对的应用，具体如下：

1.人脸验证应用

一对一验证主要用于判断某人是否是他所宣称身份的人。在这种应用模式下，首先需要预先采集被识别人的生物特征，并存储至证件或数据库中。在验证时，现场采集被识别人的生物特征，并与预先存储的生物特征进行比对。如果比对相似度大于给定的阈值，则认为该人是他所宣称身份的人，否则不是。

在公安领域一对一人脸验证常被用于证件申领、证件检查等，利用人脸识别技术自助通过也是该类模式的典型应用。

2.人脸辨识应用

利用人脸自动辨别是否是黑名单中的危险份子是人脸识别技术在公安领域最为迫切的需求，这是人脸一对多比对的典型应用。该类应用需要事先建立黑名单模板数据库，在应用时现场采集的人脸特征与黑名单中所有的模板数据一一比对，若存在相似度大于阈值的情况则报警并返回比对结果。大多数情况下人脸辨识全过程自动完成，在有条件的场景下辨识结果也可辅助民警人工判断。

公安多年的业务已积累了大量各类控制人员的数据库，这为该类模式的应用奠定了数据基础。目前利用静态照片在数据库中进行查询辨识的应用已较为成熟，例如出入境管理中利用人脸识别技术对限制出入境人员的辨识等。在视频监控中，人脸辨识应用需求更为迫切，可用于反恐、追逃等。

3.人脸查询应用

“他是谁？”是人脸识别技术能够解决的另外一个问题，也是人脸一对多比对的典型应用。与人脸辨识不同，人脸查询所用的模板数据库更大，一般应明确知道待查询的人脸有很大概率在该数据库中。不同于人脸验证和人脸辨识，人脸查询不再利用相似度阈值返回查询结果，而是根据相似度排名返回相似度最高的前N个查询结果。然后，再由人工辨识各个人脸并最终判定人的身份。

在这种应用模式下，由于人脸更直观，不需要经过专门训练即可人工辨识，这也是人脸相对指纹和虹膜的一个优势。当前，在公安户籍查重中身份识别技术的应用便是该类模式。

三、人脸识别目前存在的问题分析

1.人脸识别技术研究仍未结束

当前公安业务中，人脸识别技术已有较多的应用，包括出入境管理、户籍查重、证件验证等，也取得了众多成绩。但这仅限于图像质量可控的环境下，在不可控的视频监控条件下，人的姿态、表情变化很大，光照也不受控制，人脸识别性能的下降还是很明显的，这也对人脸识别技术的进一步发展提出了要求。

另外，人脸除了能够辨别人的身份外，还可以透露出人的性别、年龄、种族等重要的信息，还可以通过表情读出人的心态，这些对于安防应用也有极其重要的价值，也是广义人脸识别技术的发展方向。

2.人脸识别的应用方式同样重要

人脸识别技术发展到现在已经在公安领域可以实用，但并不是说在全部场景下均能够应用，这与图像采集环境、采集到的人脸图像质量以及建库用的图像质量都用很大关系。在实际应用中不能奢望人脸识别能够全部精准地解决所有问题，这仅仅是一种辅助的技术手段，能够在提高工作质量的前提下大幅度降低人工工作强度。

人脸识别技术还在发展，当前技术条件下对应用环境有较为苛刻的要求，不应因为在某些极端的环境下达不到理想的效果而对人脸识别技术全部否定。较为理想的应用环境有两点要求：①用于建库的人脸图像质量高，最好是证件类照片；②现场采集尽量在稳定的光照条件下进行。

3.标准和检测是人脸识别健康发展的重要保障

伴随着人脸识别技术的发展和应用的推广，国内外人脸识别厂商蜂拥而至，部分厂商为了商业利益极尽夸大宣传，使用户难以判断真伪。工程建设后无法验证系统性能，达不到理想效果，进而对人脸识别技术丧失信心，对整个行业造成恶劣影响。

因此，标准的指导和权威部门的检测对产业健康发展尤为重要。目前，安防生物特征标委会（SAC/TC100/SC2）在标准方面已做了较多的工作，例如GA/T922.2-2011、GA/T1093-2013等，系列标准的完善和贯彻执行将对整个行业的发展产生推动力。

四、结束语

本文对当前人脸识别技术的原理、应用方式和问题进行了初步的探讨。鉴于国内外安全形势及人脸识别自然、易用的特点，公安领域对人脸识别技术的需求将更加广泛和迫切，这将进一步推进人脸识别技术的研究和应用的发展。