計算機圖像處理技術人臉識別教學研究

導語：計算機圖像處理技術人臉識別教學研究一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：2015年，我國人臉識別技術應用取得重大突破，對解決我國人臉識別應用核心技術問題起到積極的幫助作用。雖然我國現階段人臉識別技術發展與國外部分國家有著一定技術差距，但隨著計算機圖像處理技術人臉識別教學水平的不斷提高，新時期人臉識別人才教育培養將逐漸向技術應用未來化邁進，使我國人臉識別技術運用在高等人才教育培養推動下，能更好地形成人才教育應用的良性循環。

關鍵詞：計算機；圖像處理；人臉識別；教學

人臉識別技術是一種基于提取人體臉部特征信息，對身份進行識別的計算機生物識別技術［1］，將計算機圖像處理技術與生物統計學原理融合起來，通過計算機圖像處理技術，提取人像的部分特征，并分析生物統計學的原理，建立數學模型，存儲在電腦中，來達到身份識別的目的。人臉識別對人們平時的工作生活產生了重大影響，特別是云計算、大數據、互聯網等服務方面的逐步提升，不斷推動著人臉識別技術趨向成熟，以及發展領域的不斷擴大［2］?，F今，人臉識別技術廣泛應用，為該項技術發展提供新的契機。為更好滿足人臉識別技術應用需求，做好針對性人才教育培養規劃至關重要。在此過程中，計算機圖像處理技術人才識別課程教學，應緊抓時展需求，加強人臉識別教學教育實踐改革，以人臉識別教學實踐多元化、系統化開展為基礎，擴寬教育實踐范圍，使人臉識別技術人才教育培養能充分與國際教育發展相接軌。

一、人臉識別技術應用推廣與實現

人臉識別概念最早在美國興起，計算機技術應用體系逐步完善，對美國人臉識別技術研究給予充分支持。20世紀70年代末期，人臉識別技術不再是單一的技術理論，在美國軍方資金推動下，人臉識別技術真正意義在實踐領域有所運用。隨著人臉技術研究理論廣泛普及，德國、英國等科技強國逐步加入研究人臉識別技術陣營，提高人臉識別技術應用的廣泛性，能夠進一步為人臉識別技術在不同領域信息的推廣夯實基礎。早期階段，人臉識別技術由于技術概念不統一、計算機技術應用水平有限，導致人臉識別技術錯誤率相對較高，無法滿足軍方及政府部門使用需求，最終在20世紀90年代末期，人臉識別技術一度被虹膜識別技術、指紋識別技術、DNA技術所取代。但智能AI技術的運用推廣，打破了人臉識別技術的應用局限性，推動人臉識別技術運用的商業化進程，成為現代人臉識別技術發展的主要方向。人臉識別技術于2005~2010年之間迎來技術研究發展新高潮，現代人臉識別技術推廣，得益于電子數碼產品對人臉識別核心技術移植，有效彌補了人臉識別技術應用理論不足，使人臉識別在各個領域技術應用發展水平均得到充分提高。

二、基于計算機圖像技術處理的人臉識別技術運用

計算機圖像處理技術，是利用數據信息修正模塊，對所成像圖像內容做修改，使其符合圖像使用者應用預期，以達到更好圖像技術應用效果。以計算機圖像技術應用作為人臉識別技術開發模塊，能更好地提高人臉識別數據算法計算能力，使人臉識別技術在不同領域中均能發揮良好功能優勢。（一）數碼科技產品。數碼科技產品，是人臉識別技術應用主要門類，其中移動電話、移動PC電腦、小型服務器工作站等是人臉識別技術在數碼科技領域運用的主要方向。與傳統概念中人臉識別技術應用不同的是，數碼科技產品對人臉識別技術的要求是小型化、便攜性。因此，在計算機圖像處理技術算法優化方面，針對數碼科技產品人臉識別技術開發，更多考慮到技術適用性、功能多元化，以滿足移動電子設備對人臉識別技術的使用需求。除此之外，數碼科技產品中計算機圖像處理技術，其技術內核不僅要能保證人臉識別模塊的易用性，同時，也要盡可能根據數碼科技產品未來化發展，做好更深層次技術整合。所以，從技術研發角度來看，數碼科技產品對人臉識別技術運用，更重視技術創新、技術資源開發，保證其先進性、前瞻性，是人臉識別技術在數碼科技產品領域對計算機圖像處理技術應用的根本條件。（二）商用門禁系統。針對門禁系統開展技術研發，是初期階段人臉識別技術運用的主要方向。隨著近年來人臉識別逐漸突破技術壁壘，門禁系統對人臉識別技術的運用，進一步從區域識別、局部識別轉向多人識別、動態識別，有效提高了門禁系統對人臉識別技術運用的可靠性［3］。就技術發展角度而言，門禁系統對人臉識別的技術要求，更多是在識別準確性、識別內容做技術拓展，使其在軍方及政府機構方面能得到充分普及運用。正是由于商用門禁系統對人臉識別技術運用有著較高內容要求，在現代計算機智能化、大數據技術充分加持下，以計算機圖像處理技術為基礎的人臉識別技術，從根本上強化了商用門禁系統的安全性、穩定性，解決人臉識別技術水平不足，通過計算機圖像處理技術對人臉識別技術應用系統化整合，使商用門禁系統得以最大限度發揮商業價值，為其后續階段在各個領域有效推廣創造有利條件。（三）電子信息身份識別。電子信息身份識別最早是基于身份驗證數據編碼技術運用衍生而來，隨著人臉識別技術普及，電子信息身份識別，最終將指紋識別、人臉識別納入電子信息身份識別技術體系。2001年9月11日在美國紐約世界貿易中心發生恐怖襲擊事件，同一時間美國五角大樓遭遇襲擊，遭受重大損失，相同時間內發生兩起針對美國本土恐怖襲擊事件，為電子信息身份識別技術推廣創造條件。最終在2006年由美國及部分歐盟國家推動下，以人臉識別為核心技術應用電子信息身份識別系統得以廣泛推廣，僅2006一年，全球有近60個國家完成電子信息身份識別系統網絡連通，使電子信息身份識別，一躍成為人臉識別技術應用的重要方向。計算機圖像處理技術在人臉識別中運用推廣，彌補人臉識別核心技術不足，使人臉識別技術能基于靜態、動態多種模式進行信息甄別，最大限度地滿足了人臉識別技術在電子信息身份識別中的運用需求。至此，2010年國際民航組織將人臉識別技術列為電子身份識別的主要技術門類，全球近120個國家對電子信息身份識別系統做出了內容完善，提高了人臉識別技術應用的廣泛性。

三、國外及國內計算機圖像處理技術的人臉識別技術研究及教學發展

（一）國外發展現狀。國外人臉識別技術研究起步相對較早，有關技術內容也較為完善。因而，在計算機圖像處理技術的人臉識別應用方面，國外部分發達國家有著更為完備的教育體系，其技術人才培養能涉足多個領域，進一步加速了國外部分國家對人臉識別技術的研究積累。首先，從計算機技術應用角度分析，國外計算機技術普及水平相對較高，計算機核心技術內容大部分掌握在美國、英國、韓國、日本及荷蘭等科技強國之手，為其計算機圖像處理技術在人臉識識別中充分運用創造技術條件。其次，從人臉識別技術自身分析，早期階段人臉識別技術的內容積累，大部分由美國、德國進行參與，相關學術研究理論框架，也大部分基于美國、德國科學家早期技術理論進行設計，使國外部分國家在人臉識別技術運用方面有著較為明顯的基礎性優勢。最后，從技術專業教育角度分析，現階段人臉識別技術開發，在國外部分國家成為與AI智能技術比肩尖端科技，對人才教育培養也多數以半官方性質進行。（二）國內發展現狀。國內人臉識別技術雖起步較晚，但技術發展速度相對較快，截至2015年末，我國在人臉識別算法研究應用領域，已然走在世界前列，進一步突破了人臉識別核心技術限制，彌補我國在人臉識別技術算法中的不足。從人臉識別技術應用發展的歷史來看，我國人臉識別技術綜合技術實力相對較強［1］，但在部分核心技術方面仍處于弱勢地位，其中，人臉識別系統硬件設備適配及人臉識別程序設計水平較為薄弱，無法與國外部分國家人臉識別技術相比擬。目前，我國基于計算機圖像處理技術的人臉識別人才教育培養規模較小，僅有少部分院校圍繞人臉識別核心技術應用開設有關課程，核心技術多數掌握在企業、有關科研單位手中，核心技術教學則更多停留于軟件技術運用及程序編輯兩個部分。因此，與國外部分國家相比，我國計算機圖像處理人臉識別教學研究在教育體系方面不夠完善，教育發展規模也無法滿足未來階段人才應用需求。但從人臉識別技術應用教育發展長效化推進來看，我國已然完成中期階段技術研究積累，從根本上強化了人臉識別技術的研發能力，通過有關企業及組織機構教育發展聯動，將以專家技術團隊建設為中心開展的人才教育培養工作進一步成為主要教育形式，對我國計算機人臉識別技術的人才教育培養及未來化發展有著重要意義。

四、新時期計算機圖像處理技術的人臉識別技術教學困境

（一）缺乏足夠人臉識別技術資源支持?；谟嬎銠C圖像處理的人臉識別技術其教育內容涉及領域較為寬泛，核心技術課程具有一定保密性，加之部分院校教育資源相對匱乏，使我國人臉識別技術人才教育培養無法切實實現整體化開展。針對這一問題，有關教育機構采取互聯網教學授課模式彌補教育資源不足，通過網絡資源整合完善人臉識別課程內容。但受限于基礎技術條件，大部分教育機構人才識別技術教學，多數停留于對理論性內容的輸出，未能基于軟件課程實踐做好教育體系優化，使人臉識別技術教學質量難以得到顯著提升。對此，教育機構可以采取與高校教育聯動辦法，實現計算機圖像處理技術人臉識別教學系統化推進，利用教育機構教育資源彌補高校教育的不足。而高校方面則應給予人臉識別互聯網教學教育實踐性幫助，提高互聯網教育專業化水平，使我國人臉識別技術人才教育培養能力可以得到大幅提升。（二）人臉識別技術人才教育培養體系尚不完善?，F階段，我國人臉識別技術人才教育正處于人才教育培養的起步階段，有關人才培養教育課程相對匱乏，人才教育應用實踐水平較為有限。截至2019年末，我國國內人臉識別技術人才培養院校不足50所，實際技術科研中心不足10個，而技術研究企業則多達近千家，導致大部分人臉識別技術人才培養通過企業人才培訓方式加以實現，難以利用正規渠道開展人才教育培養工作。之所以我國人臉識別技術人才培養出現這一困境，主要是由于部分人臉識別核心技術商業價值過高，處于信息保密目的，核心技術內容難以在專業教育領域加以運用，使我國人臉識別技術人才培養能力始終無法達到較高水平。面對該問題，我國有關高校及教育機構應針對計算機圖像處理的人臉識別技術運用，建立完備人才教育培養應用機制，促進人才教育培養生態循環，提高人才培養規模及人才培養標準化水平，從人臉識別教育內容普及角度構建系統化人才教育培養模塊，使計算機圖像處理的人臉識別技術人才教育能逐漸向規范化、規?；岸嘣l展。

五、基于計算機圖像處理技術的人臉識別教學思路及策略

（一）教學參照對象選擇。本次教學實踐研究主要選用開源軟件開發工具包作為人臉識別教學參考，依據原有數據鏈開展教學細節梳理分析。根據計算機圖像處理技術人臉識別教學內容不同，將基于SDK數據包開源數據做教學優化，為后續階段人臉識別課程教學實踐積累經驗。（二）教學課程布置。本次課程教學共計選取課程主體內容的三個部分，根據人臉識別開源軟件設計程序步驟差異，三個部分將依次做教學分析，圍繞SDK軟件數據程序布置教學課程，以滿足不同課程內容對人臉識別技術教學應用需求。規范教學課程對人臉識別技術的運用，本次課程教學將數據參數進行固定，具體數值需結合表1數據內容進行分析。（三）人臉識別技術教學內容實踐。1.參數設置及數據內容輸出交互structDLL_OUT_FACE_STRUCT{BYTEaddress;LONGeye1_x;LONGeye1_y;該部分用于檢測信息內容傳址準確性，對于錯誤信息地址，需要通過程序糾正或信息校準進行處理，無法校準將不能進行后續階段編譯。LONGeye2_x;LONGeye2_y;該部分用于定位眼部信息坐標，根據眼部間距及眼軸距離，對面部識別信息進行判斷，錯誤信息將通過信息反饋進行記錄。LONGleft;LONGtop;LONGright;LONGbottom;該部門用于對人臉形狀進行分析，不同形狀臉部結構呈現數據掃描圖像不同，臉部結構數據包將基于人臉識別最基本狀況，對人臉識別結構做深層次比對。LONGangle;floattally;該部分將對人臉平面角度進行分析。軟件對于三位立體空間感知能力不足，需要根據評分制標準對軟件人臉識別內容打分，達到100分則可通過數據包效驗。LONGis_small_face;該部分結構數據包理論數值，對人臉大小、不同角度之間面部的距離進行分析。通常情況下系統程序驗證，將根據不同臉部結構做有針對性對比。例如，大臉程序驗證對數據包的啟用，將結合面向臉頰寬度等內容作分析，若數據指數與數據包數據信息不一致，則無法通過大臉程序判定，需要重新進行識別。LONGleft_face_len;LONGright_face_len;floatface_width_rely;該部分是基于對眼部數據的分析，將左眼、右眼數據進行切割，以臉型長度、寬度等數據為基礎，根據數據比例進行對比計算。LONGnose_x;LONGnose_y;floatnose_rely;這一部分為對面部鼻子部分形態判定，基本判定依據為鼻尖部分。鼻尖部分位置及形狀變化，是該部分面部識別的主要方向。以鼻尖位置中心定位為基數，分為0/1兩個指數，分別代表受信任、不信任。LONGmonth_x;//在原圖像中的嘴中心位置LONGmonth_y;//在原圖像中的嘴中心位置floatmonth_rely;//嘴心位置：可信任度［0，1）該部分主要對嘴部面部信息進行分析，中心位置、中軸線向量分布、嘴部結構及外觀等，均是人臉識別系統數據對比基本依據。此外，由于在人臉識別過程中，可能存在眨眼、閉眼情況，針對眼部動向變化，將加入“LONGCloseEyeBelievable;”對眼部動態進行分析，提高人臉識別在不同環境下識別應用準確性。};//ENDSTRUCTDEF至此，人臉識別系統第一部分參數數據及框架結構建立基本完成，對數據細節的調整，可以根據人臉識別系統使用需求進行優化。根據第一部分內容進行分析，人臉識別系統教學首先要通過對基礎框架的分析與建立，使其了解人臉識別系統運作邏輯，然后根據人臉識別的主要區域及整體方向開展更深層次系統編譯分析，基于循序漸進的基本教學攻略，有效組織計算機圖像處理技術應用的人臉識別教學。2.數據輸出變量調整及數據內容控制LONG__stdcallGetA(LONGOID,LONGPARA_NAME_ORDER);輸出變量調試，將根據數據算法中函數公式，對所用時間、人臉檢測光線參數做統一規范，其中基礎變量單位為ms。longusedms=zGetA(OID,de_out_recog_1cn_use_time);該部分用于對程序返回及運行時間計數，數值內容不應將人臉檢測數據包括在內，以保證數據程序信息回執準確性。#definede_out_recog_1cn_use_time1//返回1CN用時#definede_out_recog_1c1_use_time2//返回1C1用時#definede_out_recog_fast_1c1_use_time3//返回快速1C1用時#definede_out_find_face_use_time4//返回人臉檢測用時#definede_out_add_template_use_time5//返回添加模板用時#definede_out_del_template_use_time6//返回任何一種刪除模板函數所用的時間#definede_out_update_memory_use_time7//返回從庫文件中重載模板特征到內存用時以上第1~3部分，主要用于ICN/1C1信息回執處理，結合數據反饋模塊，將數據信息以數據包形式發送。第4部分則是用于在人臉檢測時間監控，不同背光角度、膚色及面部結構，所用檢測時間各不相同。第5部分方便對程序模板進行優化，可以基于程序開發的基本需求，對程序模板進行自主選擇。第6部分用于對刪除模板控制，這一過程也包括對模板刪除函數時間。第7部分是數據信息載入以及數據模板更新后，軟件程序數據寫入設備內存時間，內存時鐘指數越高，內容寫入速率越高，過載能力也大幅提升，但數據寫入延遲也將影響提高。另外，需要注意的內容，函數參數模板數量越多，對系統程序運行的影響越大，人臉識別檢測周期也將延長。#definede_out_is_happen_backlighting8該部分是對不同背景參數調節下的算法檢測。例如，不同膚色、背光環境等，均納入算法檢測分析目標。由于人臉識別系統使用條件并不統一，但進行數據算計方面，需要采用兩個相同空間進行算法計算。所以，后續階段應將“#definede_out_is_happen_backlighting_B”在系統中進行植入，以最高速度獲取最為準確數據。此外，若在人臉檢測系統使用環境動態變化較為頻繁，需要對人臉識別相似度閥值進行降低，以排除外界因素對人臉識別干擾。3.軟件算法人工定位及算法內容選用由于不同人臉識別系統的應用方向及使用需求存在較大差異，對軟件算法教學選擇，需要根據自身教育需求進行確定。本次教學實踐，選擇眼球人工定位VC模板作為數據代碼分析依據。LONGret=MakeFaceDataByHand(OID,"d:\\bmp_zt_flag\\6.bmp",0x00ffffff,5);——————if(ret==1){AddFaceTemplate(OID,"Lili",0);//加入模板庫該部分用于在實踐數據庫中添加軟件模板，根據軟件模板數據內容，在以下段落代碼中對人臉檢測數據進行回收，并將其輸入系統內存。FaceLocate_FreeMemory(OID);}else::AfxMessageBox("Notwocrossesformanualpositioningwerefound");LONGret1=MakeFaceDataByHand(OID,"d:\\bmp_zt_flag\\4.bmp",0x00ff00ff,3);——————if(ret1==1){LONGret2=Recog1CN(OID,0,5,rout)該部分主要對模板參考值進行植入，由于不同面部識別系統對人臉檢測識別準確性有較大差異，前期階段檢測定位，僅能為數據包識別對比提供部分信息，為了更好地提高數據準確性，并滿足單一場景內多人人臉識別的需求，第一參數將其設置為5，第二參數則設置為0，不同情況下，人臉識別系統可以根據預設參考值，合理地基于函數算法對人臉識別場景進行分析，并結合數據參考指數進行人臉識別檢測。FaceLocate_FreeMemory(OID);}else::AfxMessageBox("Notwocrossesformanualpositioningwerefound")至此，第一部分人工定位參數設置完成，系統參數應該以實際人臉識別系統使用效果為準。必要時，應結合人臉識別系統使用條件對部分參數細節進行優化。

六、結語

綜上所述，基于計算機圖像處理技術人臉識別教學實踐，必須要結合計算機圖像處理技術特點，強化人臉識別教學內容適用性，確保人臉識別課程教學能滿足不同行業人才應用培養需求，進一步完善人臉識別技術應用教育人才培養體系，解決早期階段我國人臉識別技術教育人才匱乏問題，從根本上把計算機圖像處理核心課題與人臉識別教學基本內容做統一教育規劃，為未來階段更好地實現人臉識別教學工作的長效化推進奠定良好根基。

參考文獻：

［1］楊韻丞.會議記錄系統的框架設計與人臉識別技術在系統中的實現［D］.首都經濟貿易大學碩士論文，2019.

［2］鄒金花.人臉識別技術的研究與應用［J］.電腦知識與技術，2019（28）：199-200.

［3］鮑自敏.人臉識別技術在電子商務中的應用研究［D］.河北工程大學碩士論文，2011.

作者:徐小茹 單位:江蘇財經職業技術學院