摘要：随着科技的不断进步，人脸识别将会成为未来的发展趋势，只要有你的脸就可以解决问题，以后会成为一个“看脸的时代”。人脸识别技术是一种高精度、易于使用、稳定性高、难仿冒的生物识别技术，具有极其广阔的市场应用前景。在公安、国防、海关、交通、金融、社保、医疗及其他民用安全控制等行业和部门存在着广泛的需求。我们应跟随时代脚步大胆创新，将人脸识别技术带入我们的工作，为我们节省人力物力资源，提升工作效率，增加工作质量，增加工作可靠性。
关键词：人脸识别生物识别技术可靠
引言
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。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。人脸识别系统成功的关键在于尖端的核心算法，并使识别结果具有实用化的识别率和识别速度；“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，同时需结合中间值处理的理论与实现，是生物特征识别的最新应用，其核心技术的实现，展现了弱人工智能向强人工智能的转化。人脸识别技术除了够快速确认人员身份，实现智能预警，还可以进行面部识别、人体识别、手势识别等。
而我们变电站的日常工作中，也可以应用人脸识别技术。例如进站工作的承包商，可以利用人脸识别技术开工、间断、增加工作班成员、减少工作班成员，也可以利用人脸识别技术对工作区域进行圈定，避免误入带电间隔，或者做出危险动作。
1研究的背景
随着社会的发展，对一些如：机场安检、银行、军事基地等安全性要求较高的场所，能够实现快速有效的自动身份验证的要求日益迫切。由于生物特征是人的内在属性，具有很强的自身稳定性和个体差异性，因此是身份验证的最理想依据。人脸识别只要人经过摄像头，摄像头就会将人脸拍摄下来，这种识别方式适合在公共场合、特别是人群聚集处使用。
与传统的身份鉴定手段相比，基于人脸生物特征信息的身份鉴定技术具有以下优点：
①用户易接受：简单易用，对用户无特殊要求。
②防伪性能好：不易伪造或被盗。
③“随身携带”：不用担心遗漏或丢失，随时随地可用。
我们变电站的日常工作中，也可以应用人脸识别技术。例如进站工作的承包商，可以利用人脸识别技术开工、间断、增加工作班成员、减少工作班成员，也可以利用人脸识别技术对工作区域进行圈定，避免误入带电间隔，或者做出危险动作。
1.1国际研究现状
在比较良好的环境条件情况下，对1000人左右基本正面人脸进行识别的性能：
首选识别率：95%以上，错误率：2%以下。
在环境比较糟糕的情况下，对基本正面人脸进行识别的性能：
首选识别率：80%以下，错误率：10%以上。
国外研究机构以美欧为主，各知名大学、研究所、企业研究院均设立了与人脸识别相关的研究组。
国外大学主要有：CMU，MIT，MichiganStateUniversity，UCLA，UniversityofManchester，UMD，USC，UniversityofSurrey等。
期刊文章分类查询,尽在期刊图书馆
评测：FERET（94-97），FRVT（2000/2002），（X）M2VTS，FVC…
国内研究大学：清华大学3家，哈尔滨工业大学，上海交大，浙大研究所，计算所，自动化所等。
2人脸识别的过程
人脸识别系统主要包括四个组成部分，分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。
（1）人脸图像采集及检测
由于人脸模式的多样性和图像获取过程中的不确定性，人脸在图像空间中的分布非常复杂，建立人脸在高维图像空间中的精确分布模型是一件非常困难的事。建立一个统计可靠的估计不仅需要大量的正例样本，而且需要充分多数量的有效反例样本。目前研究的一个趋势是反例样本的产生和利用问题，这也是最终提高人脸检测正确率的必然道路。根据具体应用的需要，对检测环境进行合理的假定（比如运动、颜色等），从而简化问题，提高系统实用性能也是一条切实可行的途径。不难预见，知识与统计方法的综合应用，是解决实际问题所必须的。
（2）人脸图像预处理
人脸图像预处理主要包括光线补偿、灰度变化、平滑处理及直方图均衡。
光线补偿：光照变化主要表现为强度变化和角度变化。光照强度变化会导致极端光照情况的出现（如暗光、高光等现象的出现）；而光照角度变化会产生不同程度的表面明暗区，光照暗区会遮盖人脸本身的纹理信息。这两种光照变化都会对人脸图像的整体灰度分布、对人脸图像的边缘信息和人脸的彩色图像的色度空间产生很大的影响。
灰度变化：人脸图像的灰度分布是基于灰度图像进行人脸识别的主要信息依据。不同光照条件下所获得的同一人脸的两幅图像可以说是完全不同的两幅图像，这两幅图像之间的灰度分布差异有可能大于不同人脸之间的灰度分布的差异，因而可能会导致识别率的下降。
平滑处理人脸图像边缘也是人脸识别中的重要信息，它是基于局部特征的人脸检测与识别方法的重要依据。基于局部特征的人脸检测和识别方法是依赖于眼睛、嘴等人脸器官的几何结构特征的提取，但是人脸图像的边缘信息对光照的反应很敏感。特别是光照角度发生变化时，人脸表面纹理被阴影遮蔽，无法检测到较完整的人脸边缘，从而导致识别的错误。
直方图均衡：直方图均衡化处理的主要思想是把原始图像的灰度直方图从某个比较集中的灰度区间映射到全部灰度范围内的均匀分布。简单来说，直方图均衡化就是将图像非线性拉伸，重新分配图像像素值，使得一定灰度范围内的像素数量基本相同。
人脸图像特征提取
人脸由眼睛、鼻子、嘴巴、下巴等部件构成，正因为这些部件的形状、大小和结构上的各种差异才使得世界上每个人脸千差万别，因此对这些部件的形状和结构关系的几何描述，可以做为人脸识别的重要特征。
匹配与识别
人脸识别中的关键问题主要有光照、姿态估计与匹配、事变的特征提取与消除。
与刚体不同，人脸是塑性变形体，更适合用弹性模型来描述。因此，任何基于刚体特性的特征抽取方法都很难达到满意的效果。其次，人脸识别被认为是人类视觉中独特的过程，因此对生理学和心理学结合是很有帮助的。可以预见，在人类视觉和非刚体两方面的研究成果将有助于找到抽取和描述人脸特征的最终解决方案。
3总结
我们应跟随时代脚步大胆创新，将人脸识别技术带入我们的工作，为我们节省人力物力资源，提升工作效率，增加工作质量，增加工作可靠性。为我们的工作带来便利、安全、可靠。
一方面进站工作的承包商，可以利用人脸识别技术开工、间断、增加工作班成员、减少工作班成员，也可以利用人脸识别技术对工作区域进行圈定，避免误入带电间隔，或者做出危险动作。
一方面在变电站安保方面也可应用人脸识别技术，未知人物未经许可禁止入内。
另一方面在操作过程中，同样可以利用人脸识别技术在走错间隔、做出危险动作、或者为按照10个规定动作操作的予以提醒及警告。
论文作者:张利,桑勤鑫,杜浪,徐道霖
论文发表刊物:《电力设备》2018年第30期
论文发表时间:2019/3/29
标签：图像论文; 灰度论文; 工作论文; 技术论文; 特征论文; 直方图论文; 可以利用论文; 《电力设备》2018年第30期论文;