[计算机视觉]人脸应用：人脸检测、人脸对比、五官检测、眨眼检测、活体检测、疲劳检测

人脸应用在计算机视觉体系中占很大一块，在深度学习火起来之前，基于传统机器学习的人脸应用就已经很成熟了，有很多商用应用场景。本文用一个可以实际运行的Demo来说明人脸应用中常见的技术概念，包含‘人脸检测’、‘人脸对比’、‘人脸表征检测（五官定位）’、‘眨眼检测’、‘活体检测’以及‘疲劳检测’。

 

人脸检测

严格来讲，人脸检测只包含对照片中的人脸进行定位，人脸检测只获取照片中人脸的矩形方框（Left、Top、Right、Bottom），再没有其他的内容。现如今网上大部分“人脸检测”概念模糊，包含的东西很多，比如除了刚才说的定位，还包括后面要说的人脸对比，这个严格上讲是错的。

 

人脸对比

当你使用人脸检测技术发现图片（视频帧）中包含一个人脸，那么如何判断该人脸是谁呢？这个就是我们常见的人脸授权应用，将一个人脸与数据库的其他人脸进行对比，看它与数据库中已有人脸哪个最相似。传统机器学习中，人脸对比过程需要先提取人脸特征编码，寻找一个特征向量来代替原有人脸RGB图片，再通过计算两个人脸特征向量距离来判断人脸是否相似（传统机器学习中的特征工程可以参考上一篇文章）。如果距离小于某值，则认为是同一个人脸，反之亦然。

 

上图显示传统机器学习方法中人脸对比的过程，过程相对来说比较复杂，需要提取合适的特征向量，该特征对原RGB人脸图片有一定代表性。基于深度学习的方式去做人脸对比就相对来说简单很多，可以直接是一个端到端的流程：

当然也有的做法是先通过神经网络提取人脸特征，然后再用传统机器学习的方式去训练类似SVM模型去做分类。

 

人脸表征检测（五官定位）

一般人脸应用使用前面说到的‘人脸检测’、‘人脸对比’两种技术就足够了，比如人脸打卡、人脸自动马赛克、人脸开锁等应用。但是更复杂的一些人脸应用只有人脸检测和对比是不够的，比如后面要说的活体检测、疲劳检测等场景。这些时候不仅要判断人脸的位置（矩形方框），还需要检测出人脸五官位置，比如眉毛形状、眼睛区域、鼻子位置、嘴巴位置等等，有了五官位置数据之后，我们就可以基于这些数据做一些更复杂的应用了，比如实时判断视频中的人是否眨眼、是否闭眼、是否说话、是否低头抬头等等。下图为人脸表征检测得到的结果：

上图显示通过机器学习提取到一张人脸表征的68个点，分别为：

（1）左眉毛5个点

（2）右眉毛5个点

（3）左眼睛6个点

（4）右眼睛6个点

（5）鼻梁4个点

（6）鼻尖5个点

（7）上嘴唇/下嘴唇20个点

（8）下巴17个点

我们可以通过下标（python中可以使用切片）快速获取对应的坐标点，该坐标点代表脸部表征在原输入图片中的实际位置（像素单位）。

 

眨眼检测

对视频每帧做人脸表征检测，得到视频每帧画面中人脸五官的位置数据后，我们可以通过分析人眼区域（六个点组成一个闭合的椭圆形）的闭合程度来判断是否发生眨眼，那么如何衡量每个眼睛的闭合程度呢？根据前人研究：http://vision.fe.uni-lj.si/cvww2016/proceedings/papers/05.pdf可知，通过每只眼的6个点即可判断眼睛的闭合程度：

眼睛在打开到闭合时，下面这个表达式的值快速趋近于零：

上面表达式EAR（Eye Aspect Ratio）的值等于垂直方向两个线段长度之和除以水平方向线段长度*2，这个值在闭眼的瞬间可以趋近于零，在睁眼的瞬间，恢复到原来值。EAR的变化过程如下图所示：

我们只需要监控EAR的值是否快速波动并且趋近于零来判断是否闭眼，是否快速恢复来判断是否睁眼。如果闭眼和睁眼时间间隔很短（只占几个视频帧，每秒25帧算），那么就认定为眨眼。

 

活体检测

人脸应用中，为了防止人们使用照片等伪造人脸通过授权，一般都需要对画面中的人脸进行活体过滤，即判断当前视频画面中的人脸是否是真人，而不是照片等其他代替物。通过前面介绍的眨眼检测技术，我们可以实现一个非常简单的‘活体检测’算法，算法每隔一个随机时间段（比如几秒，时间不固定，防止人们录制视频来伪造）就要求视频画面中的人眨眼，如果画面中的人积极配合算法发出的指令，那么可以认为画面中是真人，否则可能就是伪造人脸。

需要说明的是，活体检测仅仅通过以上这种方式可能还不是足够安全，一般还可以结合其他活体检测技术，比如相机深度检测、脸部光线检测、以及利用深度学习技术直接对人脸进行二分类（活体/非活体）。

 

疲劳检测

疲劳检测这个应用场景太大了，比如可以用于长途汽车司机疲劳监控告警、值班人员疲劳监控告警等。主要原理还是通过前面介绍的眨眼检测技术，将其稍微改进一下，我们就可以对闭眼进行检测，如果闭眼超过一段时间（比如1秒），那么就认为疲劳发生，发出告警。眨眼判断很简单，闭眼判断更简单，这些所有的判断逻辑全部基于人脸表征提取的数据：

 

 

需要明确的是，本文所有算法的准确性全部依赖于模型训练的好坏，人脸检测是否准确、人脸特征提取是否合适、人脸表征检测结果是否准确。机器学习就是这样，结果的好坏完全取决于模型训练的好坏（特征提取的好坏）。比如本文这个demo中可以容易看到，人脸表征检测对戴眼镜的人脸效果不是很好，需要更多这方面的训练数据。有问题的朋友请留言，感兴趣的朋友请关注公众号，分享原创CV/DL相关文章。