人脸识别防伪技术的几种识别方法

人脸识别防伪技术是目前较为先进且可靠性高的身份识别技术，与以往使用指纹识别身份不同，人脸识别看似只需要拍照即可确认身份判断为同一人，该项技术的使用方法简单但技术含量高，人脸识别防伪技术采用区域特征分析算法，融合了计算机图像处理技术和生物统计学原理，利用图像处理技术从拍摄的照片或者视频中提取人像特征点，利用生物统计学原理建立成一个数学模型，获得一个人脸特征的模板，通过将该模板与被验证者的人像进行特征对比分析得出一个相似值来判断是否为同一人。接下来让我们来了解一下人脸识别防伪技术是怎么识别人脸的，有哪些识别方法。

（1）几何特征识别方法：几何特征在人脸识别防伪技术的识别中指的是眼睛、鼻子、嘴巴部位等的形状和它们之间的几何关系，如相互之间的距离，这种识别方法的识别速度快，需要的内存小，但识别准确率相对较低；

（2）基于特征脸（PCA即主分量分析技术）的人脸识别防伪技术方法：这是一种基于KL变换的人脸识别方法，KL变换是图像压缩的一种最优正交变换，高维的图像空间经过KL变换后得到一组新的正交基，保留其中重要的正交基，由这些基可以张成低维线性空间。假设人脸在这些低维线性空间的投影具有可分性，那么这些投影将被用作识别的特征矢量，但这种识别方法需要较多的训练样本，因此没有主要被应用于人脸识别防伪技术的识别；

（3）神经网络识别方法：神经网络指的是模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型，它的输入可以是降低分辨率的人脸图像、局部区域的自相关函数或局部纹理的二阶矩等，这种识别方法同样需要较多的样本进行训练，因此也较少被应用于人脸识别防伪技术中；

（4）弹性图匹配法：弹性图匹配法在二维的空间中定义了一种对于通常的人脸变形具有一定的不变性的距离，并采用属性拓扑图（拓扑图是指由网络节点设备和通信介质构成的网络结构图）来代表人脸，拓扑图的任一顶点都包含了一个特征向量，是用来记录人脸在该顶点位置附近的信息的，这种方法结合了灰度特性和几何因素，在比对时可以允许图像存在弹性形变，能够克服一定程度的表情变化对识别的影响，也不需要多个样本进行训练，因此得以应用于人脸识别防伪技术的识别中；

（5）线段Hausdorff 距离识别方法（LHD方法）：LHD是基于从人脸灰度图像中提取出来的线段图，其定义的是两个线段集之间的距离，LHD并不建立不同线段集之间线段的一一对应关系，因此它更能适应线段图之间的微小变化，人脸识别的效果会更好；

（6）支持向量机识别方法（SVM识别方法）：支持向量机是统计模式识别领域的一个新的热点，该方法的基本思想是试图把一个低维的线性不可分的问题转化成一个高维的线性可分的问题，根据较多的实验结果表明SVM有较好的识别率，但是同样需要大量的训练样本，因此目前尚不足以被应用于人脸识别防伪技术的识别功能。

深圳市兆信防伪技术有限公司有着从业20年的防伪经验，服务过多家知名企业，具有专利性的技术，对于防伪防窜货有丰富的经验，可以提供多种个性化的防窜货解决方案，如有需要或希望得到进一步了解，可致电免费热线电话：0755-8883 0778，将有专人为您提供详细的咨询和服务。