人脸识别研究及在通信行业的应用前景分析

张千鑫

[摘    要]近几年，国内的科技技术飞速发展，人机交互成为了人们生活中的重要技术之一，机器人的出现，方便人们生活。机器人对人们情感的理解就决定了智能机器人能否被大幅度普及推广和应用。随着当前计算机硬件快速的发展，科学家对情感的研究已经取得了一定的成绩。人脸识别就作为新型的生物智能科技技术，被广泛地应用到支付领域。在人脸识别技术研发中，要建立人们的表情库，并对表情库做出详细的说明来，分别通信行业选择。

[關键词]人脸识别;表情库;表情识别流程

[中图分类号]TP391.41 [文献标志码]A [文章编号]2095–6487（2021）01–0–02

About Face Recognition Research and Application Prospect

Analysis in Communication Industry

Zhang Qian-xin

[Abstract]In recent years， domestic science and technology have developed rapidly. Human-computer interaction has become one of the important technologies in people's lives. People communicate with robots to facilitate people's lives. The robot's understanding of people's emotions determines whether intelligent robots can be widely popularized and applied. With the current rapid development of computer hardware， scientists have made certain achievements in the study of emotions. As a new type of bio-intelligence technology， face recognition is widely used in the payment field. In the research and development of face recognition technology， it is necessary to establish a library of people's expressions， and make a detailed description of the expression database， and choose the communication industry separately.

[Keywords]face recognition; expression library; expression recognition process

随着人们物质生活水平的提升，人们对科技技术也提出了新要求。科技企业通过研制智能机器人来服务于社会公众，机器人可以帮助人们改善生活品质，替代人们的部分劳动工作。因而，社会公众对机器人的数量也要求日益增多，以服务机器人为代表，成为了当前个人计算机的一个新应用领域。智能机器人会采集人们的命令而去执行，人们与机器设备实现信息交互，机器可以了解人们的想法，机器人通过了解人们想法，去执行各类操作工作任务。

1 情感类别和表情数据库

在上个世纪90年代，就有很多的专家学者、科研机构和高校对人脸的表情识别做出了很多的研究。近年，国内也有很多的学者对表情的研究种类作出了清晰的划分，在研究表情和识别表情时，可以选择用表情库。软银公司研制的机器人是世界上最具有想象力的机器人，它也是世界上第1款可以读取人类感情的机器人，其会考虑外界的环境而做出快速的反应，机器人可以识别人们的生气、惊讶、悲伤、幸福等各类情感，而且做出不同的应对。国内高校也在人脸识别方面做出了大量的研究，合肥的物质科研院通过使用高端制造技术，研制出了服务于老年人的机器人，该机器人可以为老年人提供基本的照看监护，还可以照看小孩。中科院的机器人佳佳的出现也吸引了社会公众的关注，具有更逼真细腻的外表，能够对目标用户进行跟踪，而且也可以回答人们提出的问题，这种技术创新有效地改善了人交互的效果，进一步增强了人机交互的针对性。移动机器人相比过去传统工业机器人具有更强的人性化、智能化，它在人们的日常生活中发挥着稳定的作用，需要人们进行大量的研究。北京航天大学也制作了人脸的表情库，在这些表情库中，增加了惊讶、喜悦、悲伤、生气等多种混合类型的表情，以及用手遮挡脸时的微笑，用手遮挡脸、生气谈话等多种面部表情。在表情库内部图像，并不是采集人脸，而是采集人的上半身，因此人脸背景环境就比较复杂。人机交互主要是研究给机器使用人员提供更便捷安全的交互方式，服务机器人能够在某一种程度上理解人们的行为，并与外界环境进行知识的交换。近期，国内科技企业通过使用可见光图像来辨别人脸，并基于多种技术来实现人脸识别。在当前技术快速发展下，也出现了三维图像、人类识别和热成像人识别技术，弥补了传统人脸识别中技术不足之处。

2 面部表情的识别技术

当前面部表情的识别是使用机器人学习模式的识别方法，来体现人们面部的表情特征信息。面部表情识别在第1阶段，计算机要识别和采集设置图像区域内部的面部表情信息，提取出关键的面目表情数据点。并通过应用图像缩放、扩大、平滑、滤波的各类算法降低噪声;在第2阶段就可以提取面部的各类信息，以及提取面部表情和局部的变化信息;在第3阶段就需要将面部表情的信息进行特征向量的输入，输入到计算机系统里。

2.1 特征的提取

在基于人脸外部特征的信息体系方法，来获得人脸图像内各部位之间的梯度相关性和识别信息，比较常用的外貌特征提取方法就是KNN法，该方法是通过不同类型的面部和高阶局部的自相关及局部的二元模式来识别表情信息。面部表情信息也是非语言交流的重要方式，主要是观察人员的情绪状态，就可以通过面部表情来传递给观察者。因此在脸部选取关键点的物质信息作为几何特征，来识别面部表情，判断人们的情绪。FACS就是结合这样的设计思想理念来研制出来的新型面部表情的识别技术，FACS系统可以对不同表情及人们脸部各肌肉变化运动作出了定义。面部表情系统就可以在行为科学中，测量脸部密度的表现，并将多种方法结合，该方法也比较简洁明了地表现出人脸特征信息。外部特征就能够反映出肌肉的细微变化，不同的特征提取的方法更优势更明显一些，研究人员对其进行多种融合，并形成融合的特征，该融合的方法就是将人脸的整体特征和局部特征相融合，几何特征与外貌特征相融合。如有关研究学者就将人脸、眼睛、鼻子、脸颊、嘴巴等多个部分进行组合，来获取面部表情信息，通过整体脸部与局部脸部的特征进行深精度的识别。

2.2 特征选择

特征选择是从众多的特征中寻找最具有代表性，最容易正确辨别的特征。选择结果会应用特征集的子集或者脸部特征信息采集的变化，这也就实现了特征的降维，这也是当前人脸模式识别的最大难点之一。

2.3 分类器

提取脸部表情通要使用向量数据，将这些销量数据信息输入到预先设置好分类器内，用分类器对这些表情作出识别，测试提取的各类特征向量。典型的分类器有多种，KAN的分类器也是最常用、最基本的分类器之一，它可以实现计算样本间的相似性，也可以结合各面部表情样本采集数据点，再进行样本数据的分析和图画相似性的度量方法。往往是以计算样本之间的距离，在距离空间上，如果一个样本最相邻的K点大多数属于某一类，那样就可以判断出该样本是否属于该类，主要方法有距离度量方法、欧式距离法、马氏距离，也可以用神经网络。神经网络是来源于生物的神经模拟形成方法，神经网络要通过使用计算机软件来模拟训练，在训练之后，对一些数据作出调整，这样才能够逐步而去降低数据输入和期望目标之间所产生的差值。以网络类结构，也有许多的简单或者相互连接的神经元组成，每个神经元上都会对上一层输入进行加权求和，如果数值大于阀值，就输出结果。

3 人脸识别的技术流程

3.1 人脸图像的采集和检测

通过使用摄像镜头来采集人脸在静态动态的图像，及在不同位置、不同表情的信息。在采集用户脸部表情信息时，要使用户能够处于拍摄的范围内，而且采集设备会自动进行搜索，并拍摄用户的脸部表情，之后再进行人脸数据的检测。在检测人脸时，要实现对人脸部分数据合理处理，确定好人脸部分眼睛、鼻子、嘴巴等位置及大小，在热量图像中，信息较多有直方图的特征信息、颜色特征信息和模板特征信息。人脸检测技术就是将那些关键有用的技术挑选出来，并实现对关键信息的获取。比较主流的人脸检测技术就是应用adaboost的学习方法，该算法是将一些比较弱的识别方法整合起来，而形成新型的人脸识别的识别方法。在人脸识别时，该方法就能够挑选出只能够代表人类脸部特征信息，使用加权投票方式，来将若干分类器，构造成一个强的分类器，这样才能够通过训练整合各个分类器，并实现分类器的串联组合，有效地提高分类器的检测速度。

3.2 人脸图像的预处理技术

对于人脸图像预处理主要是基于人脸检测的结果，对图片进行处理，提取人脸特征信息的过程。在系统内获取原始的图像，会受到各类条件的干扰和限制，直接使用人脸信息，要在前期，对图像作出早期的预处理，对图像的灰度矫正、过滤。预处理要给人脸图像光线的补偿、灰度的变化，以及人脸内直方图数据的均衡，几何纠正、滤波等各类处理。

3.3 人脸图像特征的提取

人脸图像的数据提取通常包含了人脸视觉特征信息提取，像素统计特征信息提取，人脸图像变化的系数特征信息提取，人脸图像代数特征提取等。对于人脸内部特征信息的提取，主要是对于局部脸部表情肌肉变化的信息提取，对人脸主要特征的建模。知识的特征方法主要是根据人脸类器官形状描述，及人脸脸部器官之间的距离特征来进行特性的数据获取，才能够有助于人类不表情的分类。人脸特征向量也包含了各个特征点之间的欧式距离、曲率，在人的脸部有眼睛、鼻子、嘴巴、下巴等多个部位，这些部位之间的关联连接的关系可以用几何数据来表述，并形成每个人脸部的独特面部特征，这个特征也被称为几何的特征，是基于知识人脸特征来表达出来。

4 人脸识别在通信行业的应用前景研究

近年，随着国内计算机光学成像技术飞速的发展，人脸识别在各行各业也有更大的应用，而且市场规模也持续上升。通过对人脸统计数据分析发现，在我国近三年人脸识别的产业规模较大，有千亿市场。目前人脸技术应用比较广泛，集中金融和政府部门，在通信行业该技术也得到了进一步的发展推广。

4.1 人脸识别有助于手机实现实名制

广东省移动公司为了响应国家电话号码实名制登记的要求，在原有的业务办理中加入了人脸识别，这项技术在实名登记业务办理过程中，规避了各类主观客观因素带来的风险。电话实名登记的业务推进提供了更多的新方法、新思路。移动通信通过推动人脸识别技术的应用可以辅助手机实名制登记，而且人脸技术也是人工智能技术的一个重要体现。如将人脸信息输入到身份证中，进行判断用户上传的图像和实际生活中的人脸以及证件中的信息是否属于同一个人。人脸识别技术也是一个新技术，在基础的电信运营行业，要做出大量的推广和普及，随着人脸技术逐步成熟，会加快推动手机号的实名制管理。

4.2 人脸识别通过硬件配套和加速通信领域的应用

在手机上会类似3D的传感器组件，而且手机还有用户的面部识别、虹膜识别。当前人脸识别技术已经在手机行业得到大范围的普及推广应用，手机制造商物分别将人类识别作为手机加密的基础数据技术之一，而且通过面部识别来设计手机内的安全系统。通过面部识别来验证、登录手机，使用各类软件，手机在短短几毫秒那就可以解锁。通信行业的终端公司通过加快推动人脸识别技术的研究，来提高自身的竞争优势，提高人脸识别技术水平获得更大的竞争市场。通信行业的终端公司大量地使用人脸识别技术，来普及技术并获得更大竞争优势。

5 结语

人脸识别是目前研究比较广泛的技术之一，人脸识别可以用计算机来分析人脸图像，通过检测对比人脸识别库中已形成的原有人脸图像，来达到别人身份的目的。随着当前科技技术飞速的发展，使用云计算云存储。在通讯行業中，为人脸识别提供的技术应用场景，也而提供技术支持。随着人脸技术的成熟，在城市的交通、金融、电信、智慧城市等领域，都有更大范围的普及应用和推广，也带来了通信行业变革发展。

参考文献

[1] 刘洋.非配合.非受控环境下的人脸识别技术及应用研究[J].中国新通信，2019（8）：152-153.

[2] 陈晨，胡钰轩，凌家豪.人脸识别技术前瞻性研究与实际应用[J].中国战略新兴产业（理论版），2019（23）：1-2.