虽然人脸识别技术经历了较长的研究阶段，但至今还是被认为是生物特征识别技术中较为困难的研究课题之一，其原因在于:

1.背景环境的复杂多样

在进行人脸识别前需要先对监控场景中的人脸进行定位，即人脸检测。人脸检测的正确与否直接影响人脸识别性能。当监控场景的背景较为复杂时，人脸检测率也会随之降低，因此能够适应复杂背景环境的人脸检测算法是人脸识别技术的难点之一。

2.光照条件的复杂多变

在智能视频监控系统的实际应用中，会由于监控环境光线的变化造成检测到的人脸图像存在不同的阴暗变化，如图1所示。FRVT2006测试表明，不同光照条件下人脸识别虽然在性能上比FRVT2002有显著提高，但是还没在根本上克服光照对识别率的影响。

                                          图:光线变化对采集到的人脸影响示意图

3.人脸表情的多样性

在实际应用过程中，人脸的表情随时都可能发生变化。下图给出了部分表情变化的人脸图像。从下图可以看出，当人的表情发生变化时，可能会引起人脸轮廓以及纹理的变化，同时由于面部肌肉的牵引，面部的特征点的位置也会随之改变。不同的表情引起面部的变化都不同，此外，不同的人的相同表情影响也不相同，因此很难用统一的标准来精确划分各种表情对不同人的影响。

                                       图:人脸表情变化多样性示意图

4.采集人脸的角度多样性

人脸的角度多样性主要是指由于拍摄角度的不同导致检测到的人脸图像的旋转，包括平面旋转和深度旋转。图3列出了部分不同角度拍摄的人脸图像。从下图可以看出，与表情变化对人脸图像的影响相同，拍摄角度的变化同样会导致人脸轮廓的变化，除此之外，由于角度的变化，可能会导致人脸的部分特征无法被正确提取，进一步导致人脸的错误识别。

                                      图:采集人脸的角度多样性示意图

5.遮挡问题

即使是非人为故意遮挡，在实际应用时检测到的人脸图像也经常会出现如帽子、眼镜等遮挡物，除了这些，胡子以及刘海的变化也直接影响人脸的特征提取。当人脸图像发生遮挡时，人脸的很多信息会丢失，导致人脸识别算法出错或失效。

人脸识别系统主要包括四个组成部分:人脸图像检测、人脸识别预处理、人脸特征提取以及特征匹配与识别。

1.人脸图像检测

人脸图像检测是人脸识别过程的关键环节之一。人脸检测是指对于任意一幅给定的图像，采用一定的策略对其进行搜索以确定其中是否含有人脸，如果有，则返回检测到的人脸图像的位置、大小以及姿态。人脸检测主要利用人脸图像的直方图特征、颜色特征、模板特征、结构特征以及haar特征等。

2.人脸图像预处理

预处理是指在进行人脸识别前，为了提高识别率，通过图像处理技术对检测得到的人脸图像进行的一系列图像质量提高。这些处理主要包括灰度校正、噪声过滤、光线补偿、直方图均衡化、归一化等。

3.人脸特征提取

人脸特征提取是对人脸进行特征建模的过程，提取方法主要分为两大类:基于知识的表征方法和基于代数特征或统计学习的表征方法。目前人脸识别技术中使用的人脸特征主要包括视觉特征、人脸图像变换系数特征，人脸图像代数特征等。其中基于知识的表征方法主要是根据人脸五官的形状描述以及它们之间的距离特性来获得有助于人脸分类的特征数据，其特征分量通常是使用特征点间的欧几里得距离、曲率或角度等。基于几何特征的表征方法是指利用人脸五官之间的结构关系的几何描述进行人脸表征的方法。

4.人脸匹配与识别

匹配与识别是指利用上一步提取到的人脸特征，与样本库中存储的特征模板进行搜索匹配，在这个过程中，需要预先定义一个阈值，当相似度超过该阈值，则输出匹配结果。

本文仅做学术分享，如有侵权，请联系删文