刘书志

（青岛科技大学，山东 青岛 266000）

压缩感知是一种新的采样理论，它在图像处理、微波成像、无线通信、模式识别等方面受到广泛关注。尽管我国在压缩感知方面的研究工作起步相对较晚，但该理论的提出为信号领域的改革带来了新的契机。本文从压缩感知理论视角出发对人脸识别方法进行研究与分析，分别从压缩感知理论相关研究、人脸识别现状分析、常见的人脸识别算法、人脸识别的有效应用四个部分进行阐述。

1 压缩感知理论相关研究

压缩感知是由D. L. Donoho、E. J. Candes、J.Romberg等科学家提出，该领域包括：计算机科学、信号处理、地球物理、医学成像等。压缩感知理论核心思想包括两点：一是信号的稀疏结构，二是不相关特性。压缩感知方法充分摒弃了当前信号采样中的冗余信息。压缩感知可应用在很多方面，比如：无线通信、阵列信号处理、成像。压缩感知在无线通信中主要应用在信道编码及认知无线电方向中，信道编码主要应用在重构原信号及译码中，可利用编码策略进行编码。宽带谱感知技术是认识无线电应用中的难点，且该技术为模拟转换器带来了一定的挑战。压缩感知在阵列信号处理中可促进波束的形成，并对波达方向进行预测，传统波束因其分辨率极高、抗干扰力极强受到广泛应用，正因如此，它的接受性能被大大降低，为了改善其现状，我们必须大力提高主瓣中阵列增益水平。压缩感知技术可应用于雷达成像领域，大大降低对模数转换器件带宽的要求，对雷达成像系统有效简化。我国对压缩感知的研究相对较少，其研究成果有待加强。

2 人脸识别现状分析

人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。通过人脸识别，我们可以准确推断出相关信息，包括：种族、情绪、身份等。关于人脸识别的研究可以追溯到20世纪60年代，人脸识别的真正应用是在90年代后期。传统人脸识别技术主要是对可见光图像人脸进行识别，但是存在一定缺陷，其识别效果随环境光照的变化而变化，具有不稳定性。多光源人脸识别技术与传统识别技术相比具有明显优势，它以稳定性强、识别速度快等特点得到广泛应用。

3 人脸识别特点分析

人脸识别技术必须具备以下特点：非强制性、非接触性、并发性。非强制性在无意识状态下就能获取到人脸图像；非接触性是指用户无须与设备发生接触就能获取人脸图像；并发性是指在实际应用场景下可以对多个人脸进行识别及判断。人脸识别被认为是生物特征识别领域甚至人工智能领域最困难的研究课题之一。人脸识别的困难主要是人脸作为生物特征的特点所带来的，它具有易变性及相似性。易变性是指人们可以通过脸部变化产生多种表情，从不同角度看，人脸视觉图像差异也相对较大，这也是导致识别结果无效的客观因素。相似性主要表现在人脸结构上，相似的结构外形在定位时是有利的，但对个体进行区分方面又是不利的。人脸识别中最关键的两大指标分别为：识别时间与识别率。我们在对人脸进行识别中应避免采用多次计算取平均这种耗时较多的计算方法。在对人脸识别技术进行分析研究中，必须充分引用盲取证算法，盲取证算法可分为图像来源识别算法及图像真实性判断算法。来源识别法又可分为基于来源模型、基于来源独特属性、区分自然图像和计算机图像。真实性判断算法则包括基于图像的内在统计特性、基于成像设备一致性、基于伪造过程的遗留痕迹。

4 人脸识别的有效应用

目前人脸识别技术广泛应用在我国各大领域中，并取得了一些效果。例如，住宅安全管理、电子护照及身份证、公安司法刑侦、信息安全，等等。随着人们生活节奏的加快，生活质量的提高，人们对于传统的机械防盗门已经不再满足。为了顺应时代发展，满足人们实际需求，我们可以将人脸识别技术应用在防盗门中，或者设置人脸识别门禁考勤系统，人脸识别门禁是基于先进的人脸识别技术，结合成熟的ID卡和指纹识别技术而推出的安全实用的门禁产品。产品采用分体式设计，人脸、指纹和ID卡信息的采集和生物信息识别及门禁控制内外分离，实用性高、安全可靠，杜绝安全隐患的发生。随着网络技术的不断发展，人们在日常生活中难免会利用互联网进行交易，给不法分子带来可乘之机。因此，我们可以将人脸识别技术应用于此，将当事人外貌特征及网上的数字身份与真实身体统一起来，促进电子政务系统的可靠性，保证人们的经济安全。

5 结语

人脸识别技术研究特征包括用户的声音、手掌纹、脸、体形、个人习惯等，对指定人像进行建模，并根据相关信息来对用户身份进行识别，核实确定其是否为同一人，尽管人脸识别技术在某些方面还存在不足，容易受外界环境影响，但该技术在我国各领域中都发挥了重要作用。相信随着科技的不断发展，人脸识别技术一定能够得到优化，更好地为人们服务。

［1］ 魏冬梅，周卫东.采用压缩感知的人脸识别算法［J］.计算机工程，2011，（18）10-11，15.

［2］ 张近，黄梅，李光瑞.压缩感知在人脸识别中的应用和改进［J］.现代计算机（专业版），2014，（14）：72-75.

［3］ 陈财明，宋加涛，张石清.基于2DPCA和压缩感知的人脸识别方法［J］.计算机工程，2011，(22):176-178.

［4］ 张近，夏凌，李光瑞.基于压缩感知和图像分块的遮挡人脸识别［J］.西华大学学报(自然科学版)，2015，(03):13-16，45.

［5］ 张尤赛，赵艳萍，朱志宇.基于PCA特征基压缩传感算法的人脸识别［J］.计算机工程，2012，(13):124-125.

［6］ 李立.基于稀疏表示的人脸图像识别方法研究［D］.南京:南京理工大学，2012.

［7］ 宋腾.分数阶Fourier域的图像压缩感知研究［D］.郑州:郑州大学，2013.