基本介紹
- 中文名：面部識別系統
- 外文名：Face recognition system
- 核心：人臉技術識別
- 行業：新興的生物識別技術
面部識別軟體,工作原理,套用,用途,發展,操作過程,
面部識別軟體
臉是標識您身份的重要元素，別人也會通過你的臉來辨認您。請想像一下，如果所有的面孔都是相同的，識別出一個人該是多么的困難。除了長得幾乎完全一樣的雙胞胎之外，面孔毫無疑問是一個人最獨一無二的物理特徵。不只是人有識別和區分數百萬張不同面孔的先天能力，計算機現在也正在迎頭趕上人的這種能力。
總部位於新澤西的Visionics公司是面部識別技術的眾多開發者之一。該公司開發了一個名為FaceIt的特殊軟體，它的奇特之處在於，它能夠從擁擠人群中捕捉某人的面孔，將該面孔從背景中提取出來並與資料庫中存儲的圖像進行對比。為了能夠順利工作，該軟體必須知道一張基本面孔看起來是怎樣的。面部識別軟體必須能夠首先識別出面孔（這取決於它自身的技術水平），然後再測量每張面孔的各種特徵。如果照鏡子，您會發現臉具有一些可辨別的標誌。臉上的凸出部分和凹陷部分構成了不同的面部特徵。Visionics將這些標誌定義為節點。人臉大約有80個節點。
以下是該軟體測量的幾個節點：
測量這些節點的目的在於產生一個數字代碼（一串數字），它在資料庫中代表該面孔。該代碼稱作面紋。對於FaceIt軟體，只需要14-22個節點數據即可完成識別過程。在下一節中，我們將介紹該系統如何檢測、捕獲和存儲面孔。
工作原理
面部識別軟體可歸入名為生物識別的一大類技術。生物識別技術使用生物信息來驗證身份。生物識別背後的理論是：我們的身體包含一些獨一無二的特徵，可以使用它們將我們與他人區分開。除了面部識別之外，生物識別身份驗證方法還包括：指紋掃描、視網膜掃描、語音識別。
面部識別方法有多種，但是通常涉及捕獲、分析和對比等一系列步驟，將你的面孔與資料庫中存儲的圖像進行對比。以下是FaceIt 系統用於捕獲和對比圖像的基本過程：
為了確定某人的身份，面部識別軟體將新近捕獲的圖像與資料庫中存儲的圖像進行對比。
檢測——當系統連線到視頻監視系統後，識別軟體會在攝影機的視野中搜尋面部信息。如果在視野中存在一張面孔，它會在幾分之一秒的時間內檢測到它。它使用多尺度算法以低解析度搜尋面部圖像。（算法是提供一組指令以完成特定任務的一個程式）。系統只有在檢測到類似頭部的形狀後，才切換到高解析度搜尋。
對齊——一旦檢測到面部圖像，系統會確定頭部的位置、大小和姿態。只有在面部與攝像機至少成35度角的情況下，系統才會記錄它。
標準化——頭部圖像經過縮放和旋轉，以便能記錄和映射到相應的大小和姿態。無論頭部的位置如何以及相距攝像機的距離有多遠，都可以執行標準化過程。光線不會對標準化過程產生影響。
表示——系統將面部數據轉換成一個唯一的代碼。通過編碼，可以更加容易地將新近捕獲的面部數據與存儲的面部數據進行比較。
匹配——將新捕獲的面部數據與存儲的數據進行對比，並（在理想情況下）連結到至少一個已存儲的面部圖像。
FaceIt 面部識別系統的核心是局部特徵分析（LFA）算法。這是系統在對面孔進行編碼時使用的數學技術。系統對面孔進行測量，並生成一個面紋，即面部的唯一數字代碼。在存儲了面紋之後，系統會將它與資料庫中存儲的成千或成百萬的面紋數據進行對比。每個面紋都存儲為一個84位元組的檔案。
面部識別系統通過使用面部識別軟體，警察可以縮放攝像機畫面並拍攝某個面孔。
系統可以用每分鐘6000萬張面孔的速度對記憶體中的面紋數據進行匹配，對於硬碟中的面紋數據，每分鐘可以匹配1500萬張面孔。在進行對比時，系統會用介於1到10之間的一個值來表示對比結果。如果該值大於預先定義的閾值，則宣布找到一個匹配結果。然後，操作人員可以查看被宣布為匹配項的兩張照片，確定計算機的工作是否準確。
與其他生物識別技術一樣，面部識別被認為是一種會在不遠的將來得到廣泛使用的技術。在下一節中，我們將介紹它現在的使用情況。FaceIt這樣的面部識別軟體的主要用戶一直是一些執法機構，它們使用這些系統在擁擠的人群中捕獲隨機出現的面孔。然後，將這些面孔與資料庫中犯罪分子的照片進行對比。除了進行執法和安全監視之外，面部識別軟體還有其他幾個用途，包括：消除投票欺詐、取款身份驗證、計算機安全。
套用
墨西哥政府對面部識別系統的使用可稱為是最具創新的用法之一，他們使用此技術找出舞弊的選民（通過重複登記）。為了控制選舉結果，有人會以不同姓名多次登記註冊，以便能夠多次投票。使用傳統方法並不容易找出這些人。
許多人不去銀行櫃檯取錢，而是使用取款機。面部識別可消除可能發生的犯罪活動。
藉助面部識別技術，官員們可以通過搜尋選民資料庫中的面部圖像來找出重複登記的選民。他們將新圖像與檔案中的記錄進行對比，找出試圖使用多個姓名進行登記的人。在墨西哥2000年的總統選舉中曾使用了此技術，而且預計將很快套用到地方選舉中。
其他潛在套用還包括ATM機和取款時的安全性。軟體可以快速驗證客戶的面孔。在得到用戶同意後，ATM機或取款櫃檯會拍攝客戶的數字照片。然後，FaceIt軟體使用該照片生成一個面紋，避免客戶身份失竊和欺詐交易。使用面部識別軟體後，無需再使用身份證、銀行卡或個人識別號（PIN）來確認客戶的身份。
這種生物識別技術還可以用於保護計算機檔案的安全。通過在計算機上安裝網路攝像頭和面部識別軟體，可以將您的臉變成進入計算機所需的密碼。IBM已經在其A、T和X系列的Thinkpad筆記本電腦上的螢幕保護程式里融入了這種技術。
面部識別軟體可用來鎖定您的計算機。
儘管可以使用面部識別技術保護您的私人信息，但是只需要在您沒有察覺的情況下拍攝一張照片就可以輕易入侵系統並獲取您的隱私。與其他許多正在不斷發展的技術一樣，面部識別技術雖然具有難以置信的潛能，但是仍存在一些缺陷。
2013年3月5日，美國紐約州州長安德魯·科莫宣布，紐約州採用面部識別技術對1.3萬起身份證欺詐案進行調查，逮捕了2500名嫌犯，此外還有5000人面臨刑事調查。美國駕照和身份證由機動車輛管理局統一發放，汽車駕照等同於身份證。據紐約州政府介紹，從2010年開始，紐約州機動車輛管理局採用面部識別技術將所有申請者照片與資料庫中2000多萬幅照片進行比對，發現了1.3萬個可疑的駕照或身份證，有的人甚至以不同名字同時擁有多個身份證。
2013年7月。芬蘭一家企業推出全球首個“刷臉”支付系統。結賬時，消費者只需在收銀台面對POS機螢幕上的攝像頭，系統自動拍照，掃描消費者面部，等身份信息顯示出後，在觸摸顯示屏上點擊確認完成交易。無需信用卡、錢包或手機。整個交易過程不超5秒鐘。不過，也有人認為，“這點時間，通常也就夠你拿出錢包”。芬蘭初創公司Uniqul已為這套基於面部識別技術的“刷臉”支付系統申請專利。
2015年10月15日，招商銀行在深圳推出了ATM“刷臉取款”業務，客戶無需插入實體銀行卡即可完成取款，每日限額取現3000元。客戶如需取款，首先在ATM螢幕首頁點擊選擇“刷臉取款”功能，系統將自動抓拍現場照片，在後台與銀行的可信照片源進行比對，驗證通過後，客戶輸入手機號碼進一步確認身份，接著輸入取款金額、密碼，最後拿取現金，整個過程無需插入實體銀行卡片。
用途
面部識別系統套用與其他生物識別技術一樣，面部識別被認為是一種會在不遠的將來得到廣泛使用的技術。除了進行執法和安全監視之外，面部識別軟體還有其他幾個用途，包括：
消除投票欺詐：墨西哥政府對面部識別系統的使用可稱為是最具創新的用法之一，他們使用此技術找出舞弊的選民（通過重複登記）。為了控制選舉結果，有人會以不同姓名多次登記註冊，以便能夠多次投票。使用傳統方法並不容易找出這些人。藉助面部識別技術，官員們可以通過搜尋選民資料庫中的面部圖像來找出重複登記的選民。他們將新圖像與檔案中的記錄進行對比，找出試圖使用多個姓名進行登記的人。在墨西哥2000年的總統選舉中曾使用了此技術，而且預計將很快套用到地方選舉中。
取款身份驗證：在得到用戶同意後，ATM機或取款櫃檯會拍攝客戶的數字照片。然後，面部識別軟體使用該照片生成一個面紋，避免客戶身份失竊和欺詐交易。使用面部識別軟體後，無需再使用身份證、銀行卡或個人識別號（PIN）來確認客戶的身份。
計算機安全：通過在計算機上安裝網路攝像頭和面部識別軟體，可以將您的臉變成進入計算機所需的密碼。IBM已經在其A、T和X系列的Thinkpad筆記本電腦上的螢幕保護程式里融入了這種技術。
發展
2012年9月，一項研發計畫名為“下一代識別系統”（NextGenerationIdentification，簡稱NGI）已在美國多個州獲得批准，預計到2014年在全美普及。FBI希望此計畫可以為執法人員提供照片來識別罪犯。2010年項目測試表明，最好的計算機算法可以幫助執法人員從儲存160萬人臉圖像的資料庫中找到犯罪嫌疑人，識別率最高可以達到92%。甚至是在某人沒有直視鏡頭的情況下，系統也能從資料庫中正確找到匹配的人臉。
此計畫旨在基於研究、評估、綜合自動指紋識別系統環境下實施高新技術來提升並推進生物識別技術和罪犯歷史信息服務，最終打擊恐怖主義和違法犯罪活動。
操作過程
面部識別方法有多種，但是通常涉及捕獲、分析和對比等一系列步驟，將某人的面孔與資料庫中存儲的圖像進行對比。主要有以下步驟：
面部識別系統
面部識別系統檢測——當系統連線到視頻監視系統後，識別軟體會在攝影機的視野中搜尋面部信息。如果在視野中存在一張面孔，它會在幾分之一秒的時間內檢測到它。它使用多尺度算法以低解析度搜尋面部圖像。（算法是提供一組指令以完成特定任務的一個程式）。系統只有在檢測到類似頭部的形狀後，才切換到高解析度搜尋。
對齊——一旦檢測到面部圖像，系統會確定頭部的位置、大小和姿態。只有在面部與攝像機至少成35度角的情況下，系統才會記錄它。
標準化——頭部圖像經過縮放和旋轉，以便能記錄和映射到相應的大小和姿態。無論頭部的位置如何以及相距攝像機的距離有多遠，都可以執行標準化過程。光線不會對標準化過程產生影響。
表示——系統將面部數據轉換成一個唯一的代碼。通過編碼，可以更加容易地將新近捕獲的面部數據與存儲的面部數據進行比較。
匹配——將新捕獲的面部數據與存儲的數據進行對比，並（在理想情況下）連結到至少一個已存儲的面部圖像。
面部識別系統的核心是局部特徵分析（LFA）算法。這是系統在對面孔進行編碼時使用的數學技術。系統對面孔進行測量，並生成一個面紋，即面部的唯一數字代碼。在存儲了面紋之後，系統會將它與資料庫中存儲的成千或成百萬的面紋數據進行對比。每個面紋都存儲為一個84位元組的檔案。系統可以用每分鐘6000萬張面孔的速度對記憶體中的面紋數據進行匹配，對於硬碟中的面紋數據，每分鐘可以匹配1500萬張面孔。在進行對比時，系統會用介於1到10之間的一個值來表示對比結果。如果該值大於預先定義的閾值，則宣布找到一個匹配結果。然後，操作人員可以查看被宣布為匹配項的兩張照片，確定計算機的工作是否準確。
