基于物联网的人脸识别视频网络的优化方法分析

基于物联网的人脸识别视频网络的优化方法分析

何芳明

广州粤嵌通信科技股份有限公司  广州510000

摘要：传统的基于口令的身份认证方式虽然简单易行，但是一旦用户忘记密码，便需要烦琐的方式找回密码或者重置密码。生物特征识别技术主要是利用生物面部、指纹、虹膜、步态等特征来识别个体，目前移动端常用人脸对用户身份进行鉴别。人脸识别是一种基于人的相貌特征、采用非接触的方式对用户进行身份认证的技术，该技术首先判断人脸是否存在，若存在，则进一步给出人脸的大小、位置以及脸部的脸部信息，依据脸部信息，进一步提取出人的特征并与数据库人脸模板进行匹配。

关键词：物联网；人脸识别；视频网络

引言

脸识别使生活更加便捷，但也增加了个人信息泄露的风险，令个人遭受不可逆损害的概率大幅度提升。因此，加强对个人信息的保护尤为重要。那么，加强个人信息的保护具有怎样的道德基础，未来又该如何对待人脸识别技术，这些问题成为人脸识别技术应用必须正视的问题。

1人脸识别系统相关内容介绍

首先特征采集子系统主要采用摄像头自动搜索并拍摄用户的人脸图像从而实现人脸图像采集。人脸检测主要是根据人脸的人直方图特征、颜色特征、结构特征及Haar特征挑选出人脸的有用信息，并用于预处理阶段。卷积神经网络成功应用于解决图像识别问题，提出了一种基于全卷积神经网络的DenseBox的目标检测算法，在检测的同时对关键点进行定位，使得检测精度明显提高；其次，由于拍摄环境不同导致原始图像不能直接使用，便使用采用光线补偿、直方图均衡化、灰度变换、归一化等方法对原始图像进行预处理。再次，利用基于知识库的表征方法、基于代数特征或统计学习的表征方法进行人脸特征提取；后，提取的图像特征将与数据库中特征模板进行相似度计算，当相似度超过设定的阈值，便认为是匹配成功。

2物联网视频网络技术的发展状况

最近几年，随着物联网技术、图像处理技术以及数据传输技术的快速发展，视频网络技术应运而生并取得了长足的发展。当前，视频网络系统作为一种模拟数字控制系统，其具有非常成熟和稳定的性能，已广泛应用于实际工程中。虽然数字系统发展迅速，但尚未完全形成相应的体系，因此，混合数字和模拟应用程序逐渐迁移到数字系统将成为未来发展的主要趋势之一。当前，国内外市场上主流的产品主要有两种，即模拟视频数字网络系统、数字视频网络系统。前者技术先进，性能稳定，被广泛应用于实际工程应用中，特别是大中型视频网络项目。后者作为一种新兴技术，是一种通过以计算机技术和视频压缩为核心的新型视频网络系统，其有效的避免了模拟系统所存在的一些弊端，但未来仍需要进行不断的改进和发展。外部集成、视频数字化、视频网络连接、系统集成是未来视频网络系统发展的重要研究方向。数字化是网络的前提，而网络是系统集成的基础。因此，视频网络领域的两个最大发展特征是：数字化和网络化。

3人脸识别技术局限

人脸识别技术是一项不断发展的科技技术，虽然当前人脸识别技术仍在不断发展中，并且识别的准确性日益提升，但是技术仍具有局限。人脸识别技术的人脸信息采集比较依赖周边环境，特别是光线环境，光线环境较暗可能影响人脸识别的准确性。人脸识别技术同样会受到其他因素的影响，比如面部头发遮挡、眼镜饰品等都有可能影响人脸识别的准确性，另外人脸的生物特征具有变化性，随着年龄的增加人脸会慢慢变老，衰老特征或者面部损伤等，都需要通过要的人工智能机制进行补偿，或者重新录入信息等。人脸识别技术的局限性虽然在一定程度上影响了技术应用的稳定，但随着时间的发展和科技的进步，人脸识别技术的局限性也正在被不断克服，这其中人工智能系统的发展进步与其他识别技术联合应用发挥了极为关键的作用。，AdaBoost算法的原理是通过训练得到多个不同的弱分类器并将这些弱分类器通过叠加、级联得到强分类器，AdaBoost算法流程如图1所示。

图1AdaBoost算法流程图

图2人脸特征识别系统流程图

4物联网的人脸识别视频网络的优化方法

4.1物联网人脸识别视频网络多目标算法优化

多目标优化问题的实质是协调并在各个子目标之间达成折衷，以便使不同的子目标功能尽可能地最佳。工程优化的大多数实际问题都是多用途优化问题，目标通常相互冲突。长期以来，多目标优化一直受到人们的广泛关注，现在已经开发出更多的方法来解决多目标优化问题。如果多标准优化没有最差的解决方案，那么通常会有无限多的解决方案，这并不是最差的解决方案。解决面部强调时，人们不能直接应用许多次等解决方案。作为最后的决定，我们只能选择质量不是最低，最能满足我们要求的解决方案。在预处理之后，将脸部图像注入到新训练的预训练模型中进行识别。该过程如图3所示。

图3物联网人脸识别视频网络多目标算法的优化前后的比较

4.2安全技术保障

人脸识别技术现阶段的重要应用场景之一就是社会公共安全保障。很多违法分子在违法犯罪后逃窜，严重威胁公众安全，挑战法律权威，随着人脸识别技术的应用，对人脸的智能检索和识别可以帮助公安人员完成刑侦追查工作，通过数据联网和数据共享以及公共监控系统的人脸识别推广，对混迹人群的不法分子进行检索和筛查，虽然现阶段相关技术仍在不断发展中，但依靠人工智能人脸识别技术逮捕震慑犯罪分子已经初见成效。在公共违法行为监控中，人脸识别技术同样发挥着良好的作用，利用公共摄像头以及计算机处理系统，可以对公共场所内破坏公共财产安全等违法行为进行监控，及时发现盗窃、猥亵等不法行为，借助人脸识别系统以及智慧化警务系统对危害公共安全的不法分子进行处罚，保证公共安全。

4.3对人脸识别进行高标准的研究

一方面，人脸识别等技术的研发团队应当是多元化的，不仅要包括精通计算机技术的专业人员，还应当有伦理学专家、法学专家、隐私保护等方面的专业人士，甚至应当有人民群众的广泛参与。因为人脸识别等技术的应用产生的各种影响与问题是需要多方交流才能妥善解决的，这样才能使这类技术更好地服务于人类;另一方面，对于信息的保护应该在研发阶段就予以重视，采取适当的手段去尽量避免个人信息泄露等问题，而不应该在问题出现了才想到要解决，人脸识别等技术对于信息的保护应当防患于未然。只有在技术研发阶段就考虑要加强对信息的保护，才能更好地保证数据库的安全，更好地保护个人信息不被侵犯，尊重个人的自主权。

4.4完善相关法律法规

以制度建设为保障，加强生物识别技术制度体系建设。出台符合新技术应用需求的相关标准规范，推动建立符合生物识别技术的统一、权威的指导政策与技术规范。尽快完善包括人脸识别技术在内的人体生物信息使用法律法规，划定人脸识别技术使用边界，建立人脸识别技术应用申报备案和审批制度；结合面部识别技术的应用，有针对性修订完善非面对面客户身份识别制度。同时，统一规定客户身份识别的方式和方法。

结束语

我们已然身处大数据时代，人脸识别技术已经慢慢成为我们生活的一部分，技术是一把双刃剑，有利也有弊，人脸识别技术的应用既让我们的生活更加方便快捷，也引起我们对个人信息安全风险的担忧。对于人脸识别技术，既不能放任不管，也不应完全禁止，相信只要我们坚守伦理底线，加强对数据信息的监管，努力提升自身道德修养，加强公众参与，信息安全就能够得到保障。同时，要坚持以政府为主导、社会各阶层团结起来，共同努力创造一个安全高效的信息社会，从而充分发挥信息时代的技术优势。

参考文献

[1]肖康.低分辨率场景下的人脸识别系统的设计与实现[D].东南大学,2019.

[2]张荣成.基于滤波与人脸检测识别的人脸跟踪算法[D].哈尔滨工业大学,2019.

[3]张光旭.非理想条件下视频序列人脸识别算法研究与实现[D].河北科技大学,2019.

[4]陈慧萍.基于深度学习的人脸表情识别的研究[D].河北科技大学,2019.

[5]江晓林,项羽,高升.局部图结构与卷积神经网络的人脸识别[J].黑龙江科技大学学报,2019,29(06):757-762.