计算机图像处理技术人脸识别教学研究

导语：计算机图像处理技术人脸识别教学研究一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

摘要：2015年，我国人脸识别技术应用取得重大突破，对解决我国人脸识别应用核心技术问题起到积极的帮助作用。虽然我国现阶段人脸识别技术发展与国外部分国家有着一定技术差距，但随着计算机图像处理技术人脸识别教学水平的不断提高，新时期人脸识别人才教育培养将逐渐向技术应用未来化迈进，使我国人脸识别技术运用在高等人才教育培养推动下，能更好地形成人才教育应用的良性循环。

关键词：计算机；图像处理；人脸识别；教学

人脸识别技术是一种基于提取人体脸部特征信息，对身份进行识别的计算机生物识别技术［1］，将计算机图像处理技术与生物统计学原理融合起来，通过计算机图像处理技术，提取人像的部分特征，并分析生物统计学的原理，建立数学模型，存储在电脑中，来达到身份识别的目的。人脸识别对人们平时的工作生活产生了重大影响，特别是云计算、大数据、互联网等服务方面的逐步提升，不断推动着人脸识别技术趋向成熟，以及发展领域的不断扩大［2］。现今，人脸识别技术广泛应用，为该项技术发展提供新的契机。为更好满足人脸识别技术应用需求，做好针对性人才教育培养规划至关重要。在此过程中，计算机图像处理技术人才识别课程教学，应紧抓时展需求，加强人脸识别教学教育实践改革，以人脸识别教学实践多元化、系统化开展为基础，扩宽教育实践范围，使人脸识别技术人才教育培养能充分与国际教育发展相接轨。

一、人脸识别技术应用推广与实现

人脸识别概念最早在美国兴起，计算机技术应用体系逐步完善，对美国人脸识别技术研究给予充分支持。20世纪70年代末期，人脸识别技术不再是单一的技术理论，在美国军方资金推动下，人脸识别技术真正意义在实践领域有所运用。随着人脸技术研究理论广泛普及，德国、英国等科技强国逐步加入研究人脸识别技术阵营，提高人脸识别技术应用的广泛性，能够进一步为人脸识别技术在不同领域信息的推广夯实基础。早期阶段，人脸识别技术由于技术概念不统一、计算机技术应用水平有限，导致人脸识别技术错误率相对较高，无法满足军方及政府部门使用需求，最终在20世纪90年代末期，人脸识别技术一度被虹膜识别技术、指纹识别技术、DNA技术所取代。但智能AI技术的运用推广，打破了人脸识别技术的应用局限性，推动人脸识别技术运用的商业化进程，成为现代人脸识别技术发展的主要方向。人脸识别技术于2005~2010年之间迎来技术研究发展新高潮，现代人脸识别技术推广，得益于电子数码产品对人脸识别核心技术移植，有效弥补了人脸识别技术应用理论不足，使人脸识别在各个领域技术应用发展水平均得到充分提高。

二、基于计算机图像技术处理的人脸识别技术运用

计算机图像处理技术，是利用数据信息修正模块，对所成像图像内容做修改，使其符合图像使用者应用预期，以达到更好图像技术应用效果。以计算机图像技术应用作为人脸识别技术开发模块，能更好地提高人脸识别数据算法计算能力，使人脸识别技术在不同领域中均能发挥良好功能优势。（一）数码科技产品。数码科技产品，是人脸识别技术应用主要门类，其中移动电话、移动PC电脑、小型服务器工作站等是人脸识别技术在数码科技领域运用的主要方向。与传统概念中人脸识别技术应用不同的是，数码科技产品对人脸识别技术的要求是小型化、便携性。因此，在计算机图像处理技术算法优化方面，针对数码科技产品人脸识别技术开发，更多考虑到技术适用性、功能多元化，以满足移动电子设备对人脸识别技术的使用需求。除此之外，数码科技产品中计算机图像处理技术，其技术内核不仅要能保证人脸识别模块的易用性，同时，也要尽可能根据数码科技产品未来化发展，做好更深层次技术整合。所以，从技术研发角度来看，数码科技产品对人脸识别技术运用，更重视技术创新、技术资源开发，保证其先进性、前瞻性，是人脸识别技术在数码科技产品领域对计算机图像处理技术应用的根本条件。（二）商用门禁系统。针对门禁系统开展技术研发，是初期阶段人脸识别技术运用的主要方向。随着近年来人脸识别逐渐突破技术壁垒，门禁系统对人脸识别技术的运用，进一步从区域识别、局部识别转向多人识别、动态识别，有效提高了门禁系统对人脸识别技术运用的可靠性［3］。就技术发展角度而言，门禁系统对人脸识别的技术要求，更多是在识别准确性、识别内容做技术拓展，使其在军方及政府机构方面能得到充分普及运用。正是由于商用门禁系统对人脸识别技术运用有着较高内容要求，在现代计算机智能化、大数据技术充分加持下，以计算机图像处理技术为基础的人脸识别技术，从根本上强化了商用门禁系统的安全性、稳定性，解决人脸识别技术水平不足，通过计算机图像处理技术对人脸识别技术应用系统化整合，使商用门禁系统得以最大限度发挥商业价值，为其后续阶段在各个领域有效推广创造有利条件。（三）电子信息身份识别。电子信息身份识别最早是基于身份验证数据编码技术运用衍生而来，随着人脸识别技术普及，电子信息身份识别，最终将指纹识别、人脸识别纳入电子信息身份识别技术体系。2001年9月11日在美国纽约世界贸易中心发生恐怖袭击事件，同一时间美国五角大楼遭遇袭击，遭受重大损失，相同时间内发生两起针对美国本土恐怖袭击事件，为电子信息身份识别技术推广创造条件。最终在2006年由美国及部分欧盟国家推动下，以人脸识别为核心技术应用电子信息身份识别系统得以广泛推广，仅2006一年，全球有近60个国家完成电子信息身份识别系统网络连通，使电子信息身份识别，一跃成为人脸识别技术应用的重要方向。计算机图像处理技术在人脸识别中运用推广，弥补人脸识别核心技术不足，使人脸识别技术能基于静态、动态多种模式进行信息甄别，最大限度地满足了人脸识别技术在电子信息身份识别中的运用需求。至此，2010年国际民航组织将人脸识别技术列为电子身份识别的主要技术门类，全球近120个国家对电子信息身份识别系统做出了内容完善，提高了人脸识别技术应用的广泛性。

三、国外及国内计算机图像处理技术的人脸识别技术研究及教学发展

（一）国外发展现状。国外人脸识别技术研究起步相对较早，有关技术内容也较为完善。因而，在计算机图像处理技术的人脸识别应用方面，国外部分发达国家有着更为完备的教育体系，其技术人才培养能涉足多个领域，进一步加速了国外部分国家对人脸识别技术的研究积累。首先，从计算机技术应用角度分析，国外计算机技术普及水平相对较高，计算机核心技术内容大部分掌握在美国、英国、韩国、日本及荷兰等科技强国之手，为其计算机图像处理技术在人脸识识别中充分运用创造技术条件。其次，从人脸识别技术自身分析，早期阶段人脸识别技术的内容积累，大部分由美国、德国进行参与，相关学术研究理论框架，也大部分基于美国、德国科学家早期技术理论进行设计，使国外部分国家在人脸识别技术运用方面有着较为明显的基础性优势。最后，从技术专业教育角度分析，现阶段人脸识别技术开发，在国外部分国家成为与AI智能技术比肩尖端科技，对人才教育培养也多数以半官方性质进行。（二）国内发展现状。国内人脸识别技术虽起步较晚，但技术发展速度相对较快，截至2015年末，我国在人脸识别算法研究应用领域，已然走在世界前列，进一步突破了人脸识别核心技术限制，弥补我国在人脸识别技术算法中的不足。从人脸识别技术应用发展的历史来看，我国人脸识别技术综合技术实力相对较强［1］，但在部分核心技术方面仍处于弱势地位，其中，人脸识别系统硬件设备适配及人脸识别程序设计水平较为薄弱，无法与国外部分国家人脸识别技术相比拟。目前，我国基于计算机图像处理技术的人脸识别人才教育培养规模较小，仅有少部分院校围绕人脸识别核心技术应用开设有关课程，核心技术多数掌握在企业、有关科研单位手中，核心技术教学则更多停留于软件技术运用及程序编辑两个部分。因此，与国外部分国家相比，我国计算机图像处理人脸识别教学研究在教育体系方面不够完善，教育发展规模也无法满足未来阶段人才应用需求。但从人脸识别技术应用教育发展长效化推进来看，我国已然完成中期阶段技术研究积累，从根本上强化了人脸识别技术的研发能力，通过有关企业及组织机构教育发展联动，将以专家技术团队建设为中心开展的人才教育培养工作进一步成为主要教育形式，对我国计算机人脸识别技术的人才教育培养及未来化发展有着重要意义。

四、新时期计算机图像处理技术的人脸识别技术教学困境

（一）缺乏足够人脸识别技术资源支持。基于计算机图像处理的人脸识别技术其教育内容涉及领域较为宽泛，核心技术课程具有一定保密性，加之部分院校教育资源相对匮乏，使我国人脸识别技术人才教育培养无法切实实现整体化开展。针对这一问题，有关教育机构采取互联网教学授课模式弥补教育资源不足，通过网络资源整合完善人脸识别课程内容。但受限于基础技术条件，大部分教育机构人才识别技术教学，多数停留于对理论性内容的输出，未能基于软件课程实践做好教育体系优化，使人脸识别技术教学质量难以得到显著提升。对此，教育机构可以采取与高校教育联动办法，实现计算机图像处理技术人脸识别教学系统化推进，利用教育机构教育资源弥补高校教育的不足。而高校方面则应给予人脸识别互联网教学教育实践性帮助，提高互联网教育专业化水平，使我国人脸识别技术人才教育培养能力可以得到大幅提升。（二）人脸识别技术人才教育培养体系尚不完善。现阶段，我国人脸识别技术人才教育正处于人才教育培养的起步阶段，有关人才培养教育课程相对匮乏，人才教育应用实践水平较为有限。截至2019年末，我国国内人脸识别技术人才培养院校不足50所，实际技术科研中心不足10个，而技术研究企业则多达近千家，导致大部分人脸识别技术人才培养通过企业人才培训方式加以实现，难以利用正规渠道开展人才教育培养工作。之所以我国人脸识别技术人才培养出现这一困境，主要是由于部分人脸识别核心技术商业价值过高，处于信息保密目的，核心技术内容难以在专业教育领域加以运用，使我国人脸识别技术人才培养能力始终无法达到较高水平。面对该问题，我国有关高校及教育机构应针对计算机图像处理的人脸识别技术运用，建立完备人才教育培养应用机制，促进人才教育培养生态循环，提高人才培养规模及人才培养标准化水平，从人脸识别教育内容普及角度构建系统化人才教育培养模块，使计算机图像处理的人脸识别技术人才教育能逐渐向规范化、规模化及多元化发展。

五、基于计算机图像处理技术的人脸识别教学思路及策略

（一）教学参照对象选择。本次教学实践研究主要选用开源软件开发工具包作为人脸识别教学参考，依据原有数据链开展教学细节梳理分析。根据计算机图像处理技术人脸识别教学内容不同，将基于SDK数据包开源数据做教学优化，为后续阶段人脸识别课程教学实践积累经验。（二）教学课程布置。本次课程教学共计选取课程主体内容的三个部分，根据人脸识别开源软件设计程序步骤差异，三个部分将依次做教学分析，围绕SDK软件数据程序布置教学课程，以满足不同课程内容对人脸识别技术教学应用需求。规范教学课程对人脸识别技术的运用，本次课程教学将数据参数进行固定，具体数值需结合表1数据内容进行分析。（三）人脸识别技术教学内容实践。1.参数设置及数据内容输出交互structDLL_OUT_FACE_STRUCT{BYTEaddress;LONGeye1_x;LONGeye1_y;该部分用于检测信息内容传址准确性，对于错误信息地址，需要通过程序纠正或信息校准进行处理，无法校准将不能进行后续阶段编译。LONGeye2_x;LONGeye2_y;该部分用于定位眼部信息坐标，根据眼部间距及眼轴距离，对面部识别信息进行判断，错误信息将通过信息反馈进行记录。LONGleft;LONGtop;LONGright;LONGbottom;该部门用于对人脸形状进行分析，不同形状脸部结构呈现数据扫描图像不同，脸部结构数据包将基于人脸识别最基本状况，对人脸识别结构做深层次比对。LONGangle;floattally;该部分将对人脸平面角度进行分析。软件对于三位立体空间感知能力不足，需要根据评分制标准对软件人脸识别内容打分，达到100分则可通过数据包效验。LONGis_small_face;该部分结构数据包理论数值，对人脸大小、不同角度之间面部的距离进行分析。通常情况下系统程序验证，将根据不同脸部结构做有针对性对比。例如，大脸程序验证对数据包的启用，将结合面向脸颊宽度等内容作分析，若数据指数与数据包数据信息不一致，则无法通过大脸程序判定，需要重新进行识别。LONGleft_face_len;LONGright_face_len;floatface_width_rely;该部分是基于对眼部数据的分析，将左眼、右眼数据进行切割，以脸型长度、宽度等数据为基础，根据数据比例进行对比计算。LONGnose_x;LONGnose_y;floatnose_rely;这一部分为对面部鼻子部分形态判定，基本判定依据为鼻尖部分。鼻尖部分位置及形状变化，是该部分面部识别的主要方向。以鼻尖位置中心定位为基数，分为0/1两个指数，分别代表受信任、不信任。LONGmonth_x;//在原图像中的嘴中心位置LONGmonth_y;//在原图像中的嘴中心位置floatmonth_rely;//嘴心位置：可信任度［0，1）该部分主要对嘴部面部信息进行分析，中心位置、中轴线向量分布、嘴部结构及外观等，均是人脸识别系统数据对比基本依据。此外，由于在人脸识别过程中，可能存在眨眼、闭眼情况，针对眼部动向变化，将加入“LONGCloseEyeBelievable;”对眼部动态进行分析，提高人脸识别在不同环境下识别应用准确性。};//ENDSTRUCTDEF至此，人脸识别系统第一部分参数数据及框架结构建立基本完成，对数据细节的调整，可以根据人脸识别系统使用需求进行优化。根据第一部分内容进行分析，人脸识别系统教学首先要通过对基础框架的分析与建立，使其了解人脸识别系统运作逻辑，然后根据人脸识别的主要区域及整体方向开展更深层次系统编译分析，基于循序渐进的基本教学攻略，有效组织计算机图像处理技术应用的人脸识别教学。2.数据输出变量调整及数据内容控制LONG__stdcallGetA(LONGOID,LONGPARA_NAME_ORDER);输出变量调试，将根据数据算法中函数公式，对所用时间、人脸检测光线参数做统一规范，其中基础变量单位为ms。longusedms=zGetA(OID,de_out_recog_1cn_use_time);该部分用于对程序返回及运行时间计数，数值内容不应将人脸检测数据包括在内，以保证数据程序信息回执准确性。#definede_out_recog_1cn_use_time1//返回1CN用时#definede_out_recog_1c1_use_time2//返回1C1用时#definede_out_recog_fast_1c1_use_time3//返回快速1C1用时#definede_out_find_face_use_time4//返回人脸检测用时#definede_out_add_template_use_time5//返回添加模板用时#definede_out_del_template_use_time6//返回任何一种删除模板函数所用的时间#definede_out_update_memory_use_time7//返回从库文件中重载模板特征到内存用时以上第1~3部分，主要用于ICN/1C1信息回执处理，结合数据反馈模块，将数据信息以数据包形式发送。第4部分则是用于在人脸检测时间监控，不同背光角度、肤色及面部结构，所用检测时间各不相同。第5部分方便对程序模板进行优化，可以基于程序开发的基本需求，对程序模板进行自主选择。第6部分用于对删除模板控制，这一过程也包括对模板删除函数时间。第7部分是数据信息载入以及数据模板更新后，软件程序数据写入设备内存时间，内存时钟指数越高，内容写入速率越高，过载能力也大幅提升，但数据写入延迟也将影响提高。另外，需要注意的内容，函数参数模板数量越多，对系统程序运行的影响越大，人脸识别检测周期也将延长。#definede_out_is_happen_backlighting8该部分是对不同背景参数调节下的算法检测。例如，不同肤色、背光环境等，均纳入算法检测分析目标。由于人脸识别系统使用条件并不统一，但进行数据算计方面，需要采用两个相同空间进行算法计算。所以，后续阶段应将“#definede_out_is_happen_backlighting_B”在系统中进行植入，以最高速度获取最为准确数据。此外，若在人脸检测系统使用环境动态变化较为频繁，需要对人脸识别相似度阀值进行降低，以排除外界因素对人脸识别干扰。3.软件算法人工定位及算法内容选用由于不同人脸识别系统的应用方向及使用需求存在较大差异，对软件算法教学选择，需要根据自身教育需求进行确定。本次教学实践，选择眼球人工定位VC模板作为数据代码分析依据。LONGret=MakeFaceDataByHand(OID,"d:\\bmp_zt_flag\\6.bmp",0x00ffffff,5);——————if(ret==1){AddFaceTemplate(OID,"Lili",0);//加入模板库该部分用于在实践数据库中添加软件模板，根据软件模板数据内容，在以下段落代码中对人脸检测数据进行回收，并将其输入系统内存。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)该部分主要对模板参考值进行植入，由于不同面部识别系统对人脸检测识别准确性有较大差异，前期阶段检测定位，仅能为数据包识别对比提供部分信息，为了更好地提高数据准确性，并满足单一场景内多人人脸识别的需求，第一参数将其设置为5，第二参数则设置为0，不同情况下，人脸识别系统可以根据预设参考值，合理地基于函数算法对人脸识别场景进行分析，并结合数据参考指数进行人脸识别检测。FaceLocate_FreeMemory(OID);}else::AfxMessageBox("Notwocrossesformanualpositioningwerefound")至此，第一部分人工定位参数设置完成，系统参数应该以实际人脸识别系统使用效果为准。必要时，应结合人脸识别系统使用条件对部分参数细节进行优化。

六、结语

综上所述，基于计算机图像处理技术人脸识别教学实践，必须要结合计算机图像处理技术特点，强化人脸识别教学内容适用性，确保人脸识别课程教学能满足不同行业人才应用培养需求，进一步完善人脸识别技术应用教育人才培养体系，解决早期阶段我国人脸识别技术教育人才匮乏问题，从根本上把计算机图像处理核心课题与人脸识别教学基本内容做统一教育规划，为未来阶段更好地实现人脸识别教学工作的长效化推进奠定良好根基。

参考文献：

［1］杨韵丞.会议记录系统的框架设计与人脸识别技术在系统中的实现［D］.首都经济贸易大学硕士论文，2019.

［2］邹金花.人脸识别技术的研究与应用［J］.电脑知识与技术，2019（28）：199-200.

［3］鲍自敏.人脸识别技术在电子商务中的应用研究［D］.河北工程大学硕士论文，2011.

作者:徐小茹 单位:江苏财经职业技术学院