任成娟

摘要：在网络信息技术迅速发展的背景下，各领域对人脸识别技术的需求急剧增加，人脸识别在得到广泛应用的同时也越发受到重视。人脸识别是指通过分析对比人脸视觉信息特征从而判断身份的计算机技术。人脸识别的运用范围很广泛，和针对人体生物特征的身份判断方式不同，人脸识别具有更加友善、简单和隐蔽的特点，这使得人脸识别在目前模糊识别与人工智能领域中的工程的认可度逐渐升高。本文通过对图像处理在人脸识别中应用的可行性进行分析讨论，并对其提出建议。

关键词：图像处理；人脸识别；锐化

中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2018）19-0219-02

在人脸识别技术的普及过程中，最为重要的就是怎样提高人脸识别技术对人脸的识别度。对于人脸识别而言其关键问题在于怎样在繁多的图像中切割出人脸、对切割出的人脸图像判别其特点并在识别过程中快速准确等技术问题一直是困扰人脸识别推广的重要问题。人脸识别是通过对待识别的人脸图像与系统中储存的样本对比，筛选出符合样本库特征的人脸图像并将筛选结果输出的过程。在近年来图像处理技术以其不断提升的性价比成了人脸识别技术提高人脸识别度的关键。

1 人脸识别的背景

伴随网络信息技术的迅速发展，在人群中的普及率也不斷上升，更加快捷、友善的人机交互技术被不时提议同时应用在人们身边。这些技术的使用不用于以往的技术，抛弃了传统的机械设备向多模态人机交互技术靠拢。将图像处理应用在多模态人机交互技术中是当下的研究重点，而图像处理技术中对色彩图像处理是其核心技术之一，这也成为人脸识别可以有效利用肤色信息的作为识别人脸特征的保障。人脸识别的发展过程主要分为非自动识别、人机交互和自动识别三个发展阶段。在发展中逐渐被自动化提取人脸特征取代手动提取人脸特征，智能化已成为必然趋势。

人脸识别的研究对当前的网络技术发展具有重要的意义：第一，人脸识别的研究与开发可以为社会服务，为复杂领域提供服务，更可以为国家的安全保障服务；第二，人脸识别的研究与开发可以满足智能识别技术的应用需求。通过网络技术实现人脸的自动识别对人脸识别系统的建立有着重大的意义，同时也使得人脸识别更具有广泛的应用领域和诱人的应用前景。并且人脸识别相对于其他的人物识别技术（DNA检测、虹膜、指纹、掌纹等）拥有等大的优势，如人脸识别采用的是自动识别方式，减少了人工参与；人脸图像的采集不需要与被检测人发生接触，可以在不惊动被测对象的前提下进行；人脸识别技术的图像采集只需要简单的输入设备就可以完成，如摄像头、相机、手机等都能完成，所以人 脸识别在实现的过程中成本低，容易实现。

人脸识别技术是根据人脸特有的一些特点进行识别的一项很复杂的工作，通常会分为人脸器官检测定位、特征提取与分类识别三个步骤。其中对于第一步人脸器官检测定位就是人脸识别的关键技术之一，也是非常棘手的一个技术。对于人脸器官检测定位当前国际上大致上分为三种，分别是基于几何特征的人脸正面识别方法、基于代数特征的人脸正面识别方法和基于链接机制人脸正面识别方法。这三种方法都有其特有的优缺点，使得目前还没有统一的确定哪种方法最为适合。

2 人脸图像预处理和人脸器官的定位

2.1 人脸图像的预处理

图像处理是通过特定的操作使得图像的像素值达到特定的目标，例如让图像的清晰度更高、在图像中添加某项信息或则提出某项特定信息等等。对于因为外界信息干扰使得图像品质降低的图像，若不能重新获取就必须对其进行预处理，如位置不合适可以通过平移，含有干扰声音的进行去除，并且在欲处理的过程中要与图像进行灰度化，方便后续步骤的正常进行。通过这些可以得出预处理的过程就是让图像可以更符合我们的操作，因此对检测与识别率好坏的重要影响因素之一就是图像的预处理。预处理通过图像采集、锐化、二值化处理、人脸图像噪声处理方式，为图像去除干扰声音、颜色空间的转换、彩色图像的灰度化等因素对图像质量的干扰。

2.2 人脸器官定位

人脸器官的定位是图像处理最为重要的一环，人脸的器官定位包含了人脸左右两边边界的测定、人脸的水平积分投影、嘴中心点的确认、人脸中轴线的求取、人脸椭圆结构定位、瞳孔的精确定位等数值的计算。这些数值的计算是极为复杂的，因此计算时要运用大量的公式并保持数据采样的准确保障其计算结果的准确率。

2.3 人脸特征提取

人脸具有的特征使得其区别于其他样本，人脸特征的选着与提取是模式识别的关键性的一环。因为会有很多的情况使得在寻找人脸特征时常常出现误差影响识别效果，所以人脸特征提取困难就成为模式设备系统中最为困难的一环。在人脸特征提取的基本环节就是从人脸中找出最为鲜明的特点，人们基本上会用物理好与结构特点进行识别，这样会使得人脸特征更方便被人们的视觉、触觉与其他感觉器官所识别。但是在实际应用时使用计算机去组建识别系统的过程中，使用这些特征是很繁杂的，而通过计算机来抽取数学特征的能力相对人是好很多的，所以现在我们讨论的核心是怎样多学习样本继续选择和提取数学特征。对于选择和提取人脸特征主要分为三个步骤：① 特征的形成；② 特征的提取；③ 特征的选择。

选择和提取人脸特征的方法有大致三种。

1）基于几何特征方法。通常这类办法是由提取如眼、耳、口、鼻的重要特点的几何形状作为分类特征，将人脸用一个几何特征矢量表示，然后用模式识别中层次聚类的思想设计分类器达到识别目的。

2）基于代数特征方法。用人脸图像的代数特征矢量表示，即人脸图像在“特征脸”王贺的低维空间中的投影。人脸的代数特征是人脸的统计特征。

3）基于神经网络方法。通常让人脸直接使用灰度图表示特征，同时利用神经网络的学习能力和分类能力。

2.4 样本库的建立和人脸识别

模式识别的分类就是通过对识别对象进行观察计算，并对得出的观测值进行分类，模式识别的分类通常有统计决策理论与基于决策理论两种。这里详细介绍一下基于决策理论的模式识别的分类。

使用计算机进行人脸识别。第一，建立人脸识别的样本库，一般人脸样本库包含人脸原始图像与人脸特征（人脸原始图像的取得可以通过预处理渠道，人脸特征的取得可以通过人脸特征的提取渠道）。第二，通过对样本库进行样本添加、插入、删除的管理。第三，人脸识别，最近邻法是模式识别中最重要的方法之一，主要是通过样本间的距离进行分类决策。第四，人脸识别结果错误分析，一个理想情况下的人脸识别系统的目的就是要对输入的每一个人脸都能正确分类，但在实际的实验环境下有诸多因素会影响的其判断。

3 结束语

人脸识别的优势在于其自然性和不被被测个体察觉的特点，因为其独特的优越性，在网络技术快速发展的今天得到越来越广泛的应用，例如机场、海关、办公室签到、身份认证等等场所。虽然目前人脸识别在未来的研究中，还会有各种的困难在等待解决，但是相较于它具有的优势这些都会得到很好的解决。

参考文献：

[1] 韩增锟.人脸识别中面部图像处理算法研究[J].计算机与数字工程，2012（4）.

[2] 王玉，申铉京，陈海鹏，等.多角度特征融合的视频人脸纹理表示及识别[J].吉林大学学报，2015（6）.

[3] 王晋疆，陈晓冬.以应用为引导的教学在光电图像处理中的应用[J].实验室科学，2016（06）.

[4] 刘国成，杨长保.遥感图像处理软件的设计与关键技术研究[J].吉林工程技术师范学院学报，2009（3）.

[5] 樊冰，任超，王继忠.基于Matlab的遥感图像处理原理分析与应用[J].桂林航天工业高等专科学校学报，2008（3）.