齊小英　陳欣

摘? 要：在數(shù)字化時(shí)代，圖像已經(jīng)成為社會信息來源的重要組成因素。人臉作為一種數(shù)字圖像，人臉識別相比其他生物識別，具有便捷性、非接觸性、應(yīng)用廣泛等優(yōu)點(diǎn)。人臉識別已經(jīng)從對“人臉”這個(gè)“面”的識別逐漸轉(zhuǎn)變?yōu)閷Α叭四槨边@個(gè)“系統(tǒng)”的識別。本文在《2018年人臉識別研究報(bào)告》的基礎(chǔ)上，結(jié)合人臉識別新聞事件的語義分析結(jié)果預(yù)測其發(fā)展趨勢。結(jié)果表明，人臉識別的未來發(fā)展趨勢主要包括五個(gè)方面：（1）建立復(fù)雜性、多元化的人臉模型;（2）靜默活體檢測技術(shù)與3D動態(tài)人臉識別相結(jié)合;（3）人臉識別應(yīng)用趨于場景化;（4）人臉識別的市場規(guī)模逐漸擴(kuò)大;（5）人臉數(shù)據(jù)治理以保護(hù)個(gè)人隱私。

關(guān)鍵詞：數(shù)據(jù)驅(qū)動;人臉識別;人臉檢測;技術(shù)預(yù)測

中圖分類號：TP391.41? ? ? 文獻(xiàn)標(biāo)識碼：A 文章編號：2096-4706（2019）23-0076-03

Research on Data-driven Face Recognition Technology Prediction

QI Xiaoying1，CHEN Xin2

（1.School of Management，Hebei University，Baoding? 071002，China;

2.College of Software and Information Security，Guangxi University for Nationalities，Nanning? 530006，China）

Abstract：In the digital age，image has become an important component of social information sources. Face recognition is a kind of digital image. Compared with other biometrics，face recognition has the advantages of convenience，non-contact，wide application and so on. Face recognition has gradually changed from face recognition to face system recognition. In this paper，based on the 2018 Face Recognition Research Report，combined with the semantic analysis results of face recognition news events，the development trend of face recognition news events is predicted. The results show that the future development trend of face recognition mainly includes five aspects：（1）Building complexity and diversification;（2）the combination of silent living detection technology and 3D dynamic face recognition;（3）the application of face recognition tends to be situational;（4）the market scale of face recognition is gradually expanding;（5）face data management to protect personal privacy.

Keywords：data driven;face recognition;face detection;technical prediction

0? 引? 言

人臉識別是指通過檢測獲取人的臉部信息，對其進(jìn)行跟蹤提取人臉關(guān)鍵點(diǎn)和特征點(diǎn)，并與數(shù)據(jù)庫中的人臉特征進(jìn)行比對分析，最終實(shí)現(xiàn)唯一地識別或驗(yàn)證人的目的的生物測定技術(shù)[1]。它是一門綜合性很強(qiáng)的科學(xué)技術(shù)，融合了數(shù)字圖像處理、計(jì)算機(jī)圖形學(xué)、模式識別、計(jì)算機(jī)視覺、人工神經(jīng)網(wǎng)絡(luò)和生物特征等多個(gè)學(xué)科的理論和方法[2]。2018年10月10日，AMiner發(fā)布了《2018人臉識別研究報(bào)告》[3]，從人臉識別概述、技術(shù)、人才、應(yīng)用、趨勢各維度分析了該領(lǐng)域的發(fā)展，為學(xué)者們的相關(guān)研究提供了參考。因此，本文在《2018年人臉識別研究報(bào)告》的文本分析基礎(chǔ)上，結(jié)合人臉識別新聞事件的語義分析結(jié)果，進(jìn)一步從技術(shù)和應(yīng)用等多方面探討和預(yù)測人臉識別的未來發(fā)展趨勢。

1? 人臉識別技術(shù)發(fā)展

人臉識別從19世紀(jì)開始研究，依次經(jīng)歷了萌芽期、起步期、發(fā)展期、局部成熟期和規(guī)模應(yīng)用期[4]。本文在此基礎(chǔ)上進(jìn)行了延伸，并將其總結(jié)為廣泛應(yīng)用期、成熟應(yīng)用期以及場景應(yīng)用期。基于應(yīng)用視角的人臉識別發(fā)展的標(biāo)志性事件如表1所示，從表1可以看出，人臉識別技術(shù)在每個(gè)發(fā)展時(shí)期均取得了標(biāo)志性的成果，而每個(gè)時(shí)期的研究成果都在促進(jìn)著下一個(gè)時(shí)期人臉識別技術(shù)的發(fā)展。人臉識別三大經(jīng)典算法：特征臉法[5]、局部二值模式[6]、Fisherface[7]。其中，影響力最大的是由Sirovich和Kirby（1987）提出的特征臉人臉識別方法，它是對訓(xùn)練集中所有人臉圖像的協(xié)方差矩陣進(jìn)行本征值分解，得到對應(yīng)的本征向量，這些本征向量就是“特征臉”點(diǎn)[3]。而這一人臉識別方法的問世開創(chuàng)了人臉識別領(lǐng)域的新局面。

2? 人臉識別技術(shù)的未來發(fā)展趨勢預(yù)測

2.1? 基于對《2018人臉識別研究報(bào)告》的語義分析

本文基于NLPIR漢語分詞系統(tǒng)對《2018人臉識別研究報(bào)告》進(jìn)行語義分析。新詞發(fā)現(xiàn)指從文本中挖掘出具有內(nèi)涵新詞、新概念。它可以在一定程度上反映人臉識別的未來發(fā)展。新詞提取內(nèi)容包括詞語、詞性、權(quán)重和詞頻統(tǒng)計(jì)，權(quán)重大于10的新詞如表2所示。從表2可以看出，“人臉圖像” “計(jì)算機(jī)視覺”的權(quán)重和頻次都位居第一、第二。其中“支持向量機(jī)”和“活體鑒別”的權(quán)重很高，但是二者頻次卻低于于“模式識別”和“特征提取”。

2.2? 基于人臉識別新聞事件的語義分析

人臉識別新聞事件充分展示了人臉識別最新、最快、最多的信息。選擇“主題采集”，采集區(qū)域選擇“境內(nèi)采集”，采集時(shí)間選擇2015年1月1日至2019年10月2日。在采集模塊輸入關(guān)鍵詞“人臉識別”“人臉識別技術(shù)”“人臉檢測”等主題，最終獲取與主題相關(guān)的主流新聞事件57篇。新詞發(fā)現(xiàn)的權(quán)重排名前10名如表3所示。

表3中的“人臉圖像”的權(quán)重和頻次仍然位居第一。其中，“活體鑒別”的權(quán)重從表2第八名上升至表3第二名。除此之外，表3中出現(xiàn)了“門禁”“尺寸歸一化”“靜默活體”、“行人闖紅燈”“視頻流”“變形模型”“膚色模型”“側(cè)臉”“非人臉”“數(shù)據(jù)泄露”以及“邊緣特征”等新詞。

2.3? 人臉識別技術(shù)的未來發(fā)展趨勢

通過對比表2和表3可以發(fā)現(xiàn)，人臉識別研究報(bào)告和其新聞的語義分析結(jié)果有一定的差異。結(jié)合二者的新詞發(fā)現(xiàn)結(jié)果可以總結(jié)出以下趨勢。

2.3.1? 建立復(fù)雜性、多元化的人臉模型

在實(shí)際的生活中，人臉的狀態(tài)往往是動態(tài)變化的，目前，攝像機(jī)采集的2D人臉圖像很可能因?yàn)楣庹?、低頭、墨鏡、口罩等反人臉識別的障礙物影響而出現(xiàn)不清晰、不完整、關(guān)鍵特征模糊的情況，從而無法提高人臉識別的速度和準(zhǔn)確率。因此，需要基于深度學(xué)習(xí)、云計(jì)算等大數(shù)據(jù)技術(shù)來建立復(fù)雜性、多元化的人臉模型（如側(cè)臉、雙胞胎臉、不同膚色臉、非人臉等）以提高人臉識別的準(zhǔn)確率和速度。

2.3.2? 靜默活體檢測技術(shù)與3D動態(tài)人臉識別相結(jié)合

人臉與照片的區(qū)別在于即使用戶不刻意做任何動作，也會存在眨眼、面部肌肉收縮等微表情。靜默活體檢測技術(shù)是指通過一系列左右搖頭、張嘴等動作判斷人臉是否為活體人臉，然后再與身份證的人臉進(jìn)行對比。3D動態(tài)人臉識別可以在復(fù)雜環(huán)境中全方位、立體化的采集人臉數(shù)據(jù)。因此，采用3D動態(tài)人臉識別與靜默活體檢測技術(shù)相結(jié)合可以更加精準(zhǔn)地識別人臉圖像。

2.3.3? 人臉識別應(yīng)用趨于場景化

不同的應(yīng)用場景對人臉識別技術(shù)的要求不盡相同。例如，公安刑事偵查對人臉識別技術(shù)的要求主要體現(xiàn)在重建人臉圖像上。人臉圖像重建技術(shù)能夠?qū)Φ头直媛实娜四槇D像進(jìn)行重建，幫助辦案人員重建嫌疑人的人臉圖像信息，提高辦案效率。醫(yī)療行業(yè)對人臉識別技術(shù)的要求則主要體現(xiàn)在精準(zhǔn)監(jiān)控和預(yù)警上。因此，未來學(xué)者們需要重視應(yīng)用場景的差異性，結(jié)合不同應(yīng)用場景的不同需求與業(yè)務(wù)特點(diǎn)進(jìn)行有針對性的研究，以實(shí)現(xiàn)人臉識別技術(shù)的個(gè)性化、精準(zhǔn)化。

2.3.4? 人臉識別的市場規(guī)模逐漸擴(kuò)大

人臉識別技術(shù)的每一次技術(shù)提升都能大幅推動行業(yè)發(fā)展速度。全球人臉識別市場規(guī)模呈現(xiàn)增長率持續(xù)增高，預(yù)計(jì)2022年市場規(guī)模將達(dá)75.95億美元。由此可見，未來人臉識別將朝著市場化方向發(fā)展。

2.3.5? 人臉數(shù)據(jù)治理以保護(hù)個(gè)人隱私

人臉識別的過程中需要使用人臉信息數(shù)據(jù)庫，而數(shù)據(jù)庫中的生物特征數(shù)據(jù)容易泄露?！?7萬人臉數(shù)據(jù)遭到公開售賣”的新聞就充分說明，必須從人臉數(shù)據(jù)的采集、管理、使用等過程進(jìn)行治理。否則就會侵犯公民的隱私權(quán)，從而阻礙人臉識別技術(shù)的市場化發(fā)展。

3? 結(jié)? 論

時(shí)至今日，從人臉識別技術(shù)的發(fā)展歷程來看，人臉識別已進(jìn)入了場景應(yīng)用期。結(jié)合對《2018人臉識別研究報(bào)告》和人臉識別新聞事件的語義分析結(jié)果，發(fā)現(xiàn)人臉識別的技術(shù)研究層面已從二維層面延伸至三維層面，并且融合實(shí)際應(yīng)用場景，更加立體、動態(tài)、場景化地進(jìn)行人臉識別。人臉識別已經(jīng)從對“人臉”這個(gè)“面”的識別逐漸轉(zhuǎn)變?yōu)閷Α叭四槨边@個(gè)“系統(tǒng)”的識別。同時(shí)，人臉識別這項(xiàng)技術(shù)的發(fā)展也是基于對“人臉”數(shù)據(jù)的深入研究。所以為了適應(yīng)人類社會的復(fù)雜性以及數(shù)據(jù)驅(qū)動的創(chuàng)新機(jī)制，人臉系統(tǒng)識別的研究必須要朝著下一個(gè)階段發(fā)展。

參考文獻(xiàn)：

[1] 左騰.人臉識別技術(shù)綜述 [J].軟件導(dǎo)刊，2017，16（2）：182-185.

[2] 盧文峰.人臉識別研究技術(shù)發(fā)展綜述 [J].電子世界，2017（17）：97.

[3] 人工智能學(xué)家.清華Aminer發(fā)布最新2018人臉識別研究報(bào)告 [EB/OL].（2018-10-12）.https：//blog.csdn.net/cf2SudS 8x8F0v/article/details/83034545.

[4] 蘇光大.人臉識別在社會公共安全領(lǐng)域的應(yīng)用 [J].中國安防，2015（14）：12-14.

[5] SIROVICH L，KIRBY M. Low-dimensional procedure for the characterization of human faces [J]. Journal of the Optical Society of America. A，Optics and image science，1987，4（3）：519-24.

[6] OJALA T，PIETIK?INEN M，HARWOOD D. A comparative study of texture measures with classification based on featured distributions [J]. Pattern recognition，1996，29（1）：51-59.

[7] Fisher R A. The Use of Multiple Measurements in Taxonomic Problems [J]. Annals of Human Genetics，1936，7（7）：179-188.

作者簡介：齊小英（1997.04-），女，漢族，陜西西安人，碩士研究生在讀，研究方向：社會信息處理、情報(bào)分析;陳欣（1995.03-），女，漢族，廣西南寧人，本科，研究方向：信息系統(tǒng)、信息安全。