人臉識(shí)別是什么？人臉識(shí)別特指利用分析比較人臉視覺特征信息進(jìn)行身份鑒別的計(jì)算機(jī)技術(shù)。人臉識(shí)別是一項(xiàng)熱門的計(jì)算機(jī)技術(shù)研究領(lǐng)域，它屬于生物特征識(shí)別技術(shù)，是對(duì)生物體(一般特指人)本身的生物特征來區(qū)分生物體個(gè)體。

    攝像頭模組|人臉識(shí)別攝像頭模組|寬動(dòng)態(tài)攝像頭模組

    廣義的人臉識(shí)別實(shí)際包括構(gòu)建人臉識(shí)別系統(tǒng)的一系列相關(guān)技術(shù)，包括人臉圖像采集、人臉定位、人臉識(shí)別預(yù)處理、身份確認(rèn)以及身份查找等;而狹義的人臉識(shí)別特指通過人臉進(jìn)行身份確認(rèn)或者身份查找的技術(shù)或系統(tǒng)。

    生物特征識(shí)別技術(shù)所研究的生物特征包括人臉、指紋、手掌紋、掌型、虹膜、視網(wǎng)膜、靜脈、聲音(語音)、體形、紅外溫譜、耳型、氣味、個(gè)人習(xí)慣(例如敲擊鍵盤的力度和頻率、簽字、步態(tài))等，相應(yīng)的識(shí)別技術(shù)就有人臉識(shí)別、指紋識(shí)別、掌紋識(shí)別、虹膜識(shí)別、視網(wǎng)膜識(shí)別、靜脈識(shí)別、語音識(shí)別(用語音識(shí)別可以進(jìn)行身份識(shí)別，也可以進(jìn)行語音內(nèi)容的識(shí)別，只有前者屬于生物特征識(shí)別技術(shù))、體形識(shí)別、鍵盤敲擊識(shí)別、簽字識(shí)別等。

    幾何特征的人臉識(shí)別方法

    攝像頭模組|人臉識(shí)別攝像頭模組|寬動(dòng)態(tài)攝像頭模組

    幾何特征可以是眼、鼻、嘴等的形狀和它們之間的幾何關(guān)系(如相互之間的距離)。這些算法識(shí)別速度快，需要的內(nèi)存小，但識(shí)別率較低。

    基于特征臉(PCA)的人臉識(shí)別方法

    特征臉方法是基于KL變換的人臉識(shí)別方法，KL變換是圖像壓縮的一種最優(yōu)正交變換。高維的圖像空間經(jīng)過KL變換后得到一組新的正交基，保留其中重要的正交基，由這些基可以轉(zhuǎn)成低維線性空間。如果假設(shè)人臉在這些低維線性空間的投影具有可分性，就可以將這些投影用作識(shí)別的特征矢量，這就是特征臉方法的基本思想。這些方法需要較多的訓(xùn)練樣本，而且完全是基于圖像灰度的統(tǒng)計(jì)特性的。目前有一些改進(jìn)型的特征臉方法。

    神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法

    神經(jīng)網(wǎng)絡(luò)的輸入可以是降低分辨率的人臉圖像、局部區(qū)域的自相關(guān)函數(shù)、局部紋理的二階矩等。這類方法同樣需要較多的樣本進(jìn)行訓(xùn)練，而在許多應(yīng)用中，樣本數(shù)量是很有限的。

    彈性圖匹配的人臉識(shí)別方法

    彈性圖匹配法在二維的空間中定義了一種對(duì)于通常的人臉變形具有一定的不變性的距離，并采用屬性拓?fù)鋱D來代表人臉，拓?fù)鋱D的任一頂點(diǎn)均包含一特征向量，用來記錄人臉在該頂點(diǎn)位置附近的信息。該方法結(jié)合了灰度特性和幾何因素，在比對(duì)時(shí)可以允許圖像存在彈性形變，在克服表情變化對(duì)識(shí)別的影響方面收到了較好的效果，同時(shí)對(duì)于單個(gè)人也不再需要多個(gè)樣本進(jìn)行訓(xùn)練。

    線段Hausdorff距離(LHD)的人臉識(shí)別方法

    心理學(xué)的研究表明，人類在識(shí)別輪廓圖(比如漫畫)的速度和準(zhǔn)確度上絲毫不比識(shí)別灰度圖差。LHD是基于從人臉灰度圖像中提取出來的線段圖的，它定義的是兩個(gè)線段集之間的距離，與眾不同的是，LHD并不建立不同線段集之間線段的一一對(duì)應(yīng)關(guān)系，因此它更能適應(yīng)線段圖之間的微小變化。實(shí)驗(yàn)結(jié)果表明，LHD在不同光照條件下和不同姿態(tài)情況下都有非常出色的表現(xiàn)，但是它在大表情的情況下識(shí)別效果不好。

    支持向量機(jī)(SVM)的人臉識(shí)別方法

    近年來，支持向量機(jī)是統(tǒng)計(jì)模式識(shí)別領(lǐng)域的一個(gè)新的熱點(diǎn)，它試圖使得學(xué)習(xí)機(jī)在經(jīng)驗(yàn)風(fēng)險(xiǎn)和泛化能力上達(dá)到一種妥協(xié)，從而提高學(xué)習(xí)機(jī)的性能。支持向量機(jī)主要解決的是一個(gè)2分類問題，它的基本思想是試圖把一個(gè)低維的線性不可分的問題轉(zhuǎn)化成一個(gè)高維的線性可分的問題。通常的實(shí)驗(yàn)結(jié)果表明SVM有較好的識(shí)別率，但是它需要大量的訓(xùn)練樣本(每類300個(gè))，這在實(shí)際應(yīng)用中往往是不現(xiàn)實(shí)的。而且支持向量機(jī)訓(xùn)練時(shí)間長，方法實(shí)現(xiàn)復(fù)雜，核函數(shù)的取法沒有統(tǒng)一的理論。

    人臉識(shí)別新技術(shù)

    傳統(tǒng)的人臉識(shí)別技術(shù)主要是基于可見光圖像的人臉識(shí)別，這也是人們最熟悉的識(shí)別方式，已有30多年的研發(fā)歷史。但這種方式有著難以克服的缺陷，尤其在環(huán)境光照發(fā)生變化時(shí)，識(shí)別效果會(huì)急劇下降，無法滿足實(shí)際系統(tǒng)的需要。解決光照問題的方案有三維圖像人臉識(shí)別，和熱成像人臉識(shí)別。但目前這兩種技術(shù)還遠(yuǎn)不成熟，識(shí)別效果不盡人意。

    最近迅速發(fā)展起來的一種解決方案是基于主動(dòng)近紅外圖像的多光源人臉識(shí)別技術(shù)。它可以克服光線變化的影響，已經(jīng)取得了卓越的識(shí)別性能，在精度、穩(wěn)定性和速度方面的整體系統(tǒng)性能超過三維圖像人臉識(shí)別。這項(xiàng)技術(shù)在近兩三年發(fā)展迅速，使人臉識(shí)別技術(shù)逐漸走向?qū)嵱没Ｈ四樧R(shí)別攝像頭模組

    人臉識(shí)別攝像頭模組人臉識(shí)別特指利用分析比較人臉視覺特征信息進(jìn)行身份鑒別的計(jì)算機(jī)技術(shù)。人臉識(shí)別是一項(xiàng)熱門的計(jì)算機(jī)技術(shù)研究領(lǐng)域，它屬于生物特征識(shí)別技術(shù)，是對(duì)生物體(一般特指人)本身的生物特征來區(qū)分生物體個(gè)體。

    人臉識(shí)別是什么？

    廣義的人臉識(shí)別實(shí)際包括構(gòu)建人臉識(shí)別系統(tǒng)的一系列相關(guān)技術(shù)，包括人臉圖像采集、人臉定位、人臉識(shí)別預(yù)處理、身份確認(rèn)以及身份查找等;而狹義的人臉識(shí)別特指通過人臉進(jìn)行身份確認(rèn)或者身份查找的技術(shù)或系統(tǒng)。生物特征識(shí)別技術(shù)所研究的生物特征包括人臉、指紋、手掌紋、掌型、虹膜、視網(wǎng)膜、靜脈、聲音(語音)、體形、紅外溫譜、耳型、氣味、個(gè)人習(xí)慣(例如敲擊鍵盤的力度和頻率、簽字、步態(tài))等，相應(yīng)的識(shí)別技術(shù)就有人臉識(shí)別、指紋識(shí)別、掌紋識(shí)別、虹膜識(shí)別、視網(wǎng)膜識(shí)別、靜脈識(shí)別、語音識(shí)別(用語音識(shí)別可以進(jìn)行身份識(shí)別，也可以進(jìn)行語音內(nèi)容的識(shí)別，只有前者屬于生物特征識(shí)別技術(shù))、體形識(shí)別、鍵盤敲擊識(shí)別、簽字識(shí)別等。幾何特征的人臉識(shí)別方法幾何特征可以是眼、鼻、嘴等的形狀和它們之間的幾何關(guān)系(如相互之間的距離)。這些算法識(shí)別速度快，需要的內(nèi)存小，但識(shí)別率較低。

    基于特征臉(PCA)的人臉識(shí)別方法

    特征臉方法是基于KL變換的人臉識(shí)別方法，KL變換是圖像壓縮的一種最優(yōu)正交變換。高維的圖像空間經(jīng)過KL變換后得到一組新的正交基，保留其中重要的正交基，由這些基可以轉(zhuǎn)成低維線性空間。如果假設(shè)人臉在這些低維線性空間的投影具有可分性，就可以將這些投影用作識(shí)別的特征矢量，這就是特征臉方法的基本思想。這些方法需要較多的訓(xùn)練樣本，而且完全是基于圖像灰度的統(tǒng)計(jì)特性的。目前有一些改進(jìn)型的特征臉方法。

    人臉識(shí)別攝像頭模組

    神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法

    神經(jīng)網(wǎng)絡(luò)的輸入可以是降低分辨率的人臉圖像、局部區(qū)域的自相關(guān)函數(shù)、局部紋理的二階矩等。這類方法同樣需要較多的樣本進(jìn)行訓(xùn)練，而在許多應(yīng)用中，樣本數(shù)量是很有限的。

    攝像頭模組|人臉識(shí)別攝像頭模組|寬動(dòng)態(tài)攝像頭模組

    彈性圖匹配的人臉識(shí)別方法

    彈性圖匹配法在二維的空間中定義了一種對(duì)于通常的人臉變形具有一定的不變性的距離，并采用屬性拓?fù)鋱D來代表人臉，拓?fù)鋱D的任一頂點(diǎn)均包含一特征向量，用來記錄人臉在該頂點(diǎn)位置附近的信息。該方法結(jié)合了灰度特性和幾何因素，在比對(duì)時(shí)可以允許圖像存在彈性形變，在克服表情變化對(duì)識(shí)別的影響方面收到了較好的效果，同時(shí)對(duì)于單個(gè)人也不再需要多個(gè)樣本進(jìn)行訓(xùn)練。

    線段Hausdorff距離(LHD)的人臉識(shí)別方法

    心理學(xué)的研究表明，人類在識(shí)別輪廓圖(比如漫畫)的速度和準(zhǔn)確度上絲毫不比識(shí)別灰度圖差。LHD是基于從人臉灰度圖像中提取出來的線段圖的，它定義的是兩個(gè)線段集之間的距離，與眾不同的是，LHD并不建立不同線段集之間線段的一一對(duì)應(yīng)關(guān)系，因此它更能適應(yīng)線段圖之間的微小變化。實(shí)驗(yàn)結(jié)果表明，LHD在不同光照條件下和不同姿態(tài)情況下都有非常出色的表現(xiàn)，但是它在大表情的情況下識(shí)別效果不好。

    人臉識(shí)別攝像頭模組

    支持向量機(jī)(SVM)的人臉識(shí)別方法近年來，支持向量機(jī)是統(tǒng)計(jì)模式識(shí)別領(lǐng)域的一個(gè)新的熱點(diǎn)，它試圖使得學(xué)習(xí)機(jī)在經(jīng)驗(yàn)風(fēng)險(xiǎn)和泛化能力上達(dá)到一種妥協(xié)，從而提高學(xué)習(xí)機(jī)的性能。支持向量機(jī)主要解決的是一個(gè)2分類問題，它的基本思想是試圖把一個(gè)低維的線性不可分的問題轉(zhuǎn)化成一個(gè)高維的線性可分的問題。通常的實(shí)驗(yàn)結(jié)果表明SVM有較好的識(shí)別率，但是它需要大量的訓(xùn)練樣本(每類300個(gè))，這在實(shí)際應(yīng)用中往往是不現(xiàn)實(shí)的。而且支持向量機(jī)訓(xùn)練時(shí)間長，方法實(shí)現(xiàn)復(fù)雜，核函數(shù)的取法沒有統(tǒng)一的理論。

    人臉識(shí)別新技術(shù)

    傳統(tǒng)的人臉識(shí)別技術(shù)主要是基于可見光圖像的人臉識(shí)別，這也是人們最熟悉的識(shí)別方式，已有30多年的研發(fā)歷史。但這種方式有著難以克服的缺陷，尤其在環(huán)境光照發(fā)生變化時(shí)，識(shí)別效果會(huì)急劇下降，無法滿足實(shí)際系統(tǒng)的需要。解決光照問題的方案有三維圖像人臉識(shí)別，和熱成像人臉識(shí)別。但目前這兩種技術(shù)還遠(yuǎn)不成熟，識(shí)別效果不盡人意。最近迅速發(fā)展起來的一種解決方案是基于主動(dòng)近紅外圖像的多光源人臉識(shí)別技術(shù)。它可以克服光線變化的影響，已經(jīng)取得了卓越的識(shí)別性能，在精度、穩(wěn)定性和速度方面的整體系統(tǒng)性能超過三維圖像人臉識(shí)別。這項(xiàng)技術(shù)在近兩三年發(fā)展迅速，使人臉識(shí)別技術(shù)逐漸走向?qū)嵱没Ｈ四樧R(shí)別是什么

    數(shù)碼相機(jī)人臉自動(dòng)對(duì)焦和笑臉快門技術(shù)首先是面部捕捉。它根據(jù)人的頭部的部位進(jìn)行判定，首先確定頭部，然后判斷眼睛和嘴巴等頭部特征，通過特征庫的比對(duì)，確認(rèn)是人面部，完成面部捕捉。然后以人臉為焦點(diǎn)進(jìn)行自動(dòng)對(duì)焦，可以大大的提升拍出照片的清晰度。笑臉快門技術(shù)就是在人臉識(shí)別的基礎(chǔ)上，完成了面部捕捉，然后開始判斷嘴的上彎程度和眼的下彎程度，來判斷是不是笑了。以上所有的捕捉和比較都是在對(duì)比特征庫的情況下完成的，所以特征庫是基礎(chǔ)，里面有各種典型的面部和笑臉特征數(shù)據(jù)。

    應(yīng)用示例人臉識(shí)別攝像頭模組

    2012年4月13日京滬高鐵安檢區(qū)域人臉識(shí)別系統(tǒng)工程開始招標(biāo)，上海虹橋站、天津西站和濟(jì)南西站三個(gè)車站安檢區(qū)域?qū)惭b用于身份識(shí)別的高科技安檢系統(tǒng)——人臉識(shí)別系統(tǒng)，以協(xié)助公安部門抓捕在逃案犯，人臉識(shí)別產(chǎn)品及系統(tǒng)解決方案的高科技創(chuàng)新型企業(yè)。由該領(lǐng)域內(nèi)的專家組成了核心技術(shù)研發(fā)團(tuán)隊(duì)，專注于以人臉識(shí)別技術(shù)為核心，覆蓋考勤、門禁安防等多領(lǐng)域的產(chǎn)品設(shè)計(jì)與研發(fā)項(xiàng)目。現(xiàn)今人臉識(shí)別產(chǎn)品已廣泛應(yīng)用于金融、司法、軍隊(duì)、公安、邊檢、政府、航天、電力、工廠、教育、醫(yī)療及眾多企事業(yè)單位等領(lǐng)域。

    2013年9月5日，刷臉支付系統(tǒng)在中國國際金融展上亮相。刷臉支付系統(tǒng)基于天誠盛業(yè)自主研發(fā)的生物識(shí)別云金融平臺(tái)，將自主知識(shí)產(chǎn)權(quán)軍用級(jí)別的人臉識(shí)別算法與現(xiàn)有的支付系統(tǒng)進(jìn)行融合，對(duì)接了我們生活中涉及到支付、轉(zhuǎn)賬、結(jié)算和交易的環(huán)節(jié)。在支付時(shí)人們不再需要銀行卡、存折和密碼，甚至是手機(jī)，只需要對(duì)著攝像頭點(diǎn)個(gè)頭、露個(gè)笑臉，刷臉支付系統(tǒng)將會(huì)在幾秒內(nèi)完成身份確認(rèn)、賬戶讀取、轉(zhuǎn)賬支付、交易確認(rèn)等一站式支付環(huán)節(jié)，為用戶創(chuàng)建更棒的支付體驗(yàn)。

    2014年8月起，日本將在部分機(jī)場(chǎng)的出入國審查(邊檢)處重啟人臉識(shí)別系統(tǒng)的實(shí)驗(yàn)。2012年實(shí)施的首次實(shí)驗(yàn)因錯(cuò)誤頻發(fā)而一度中止，但法務(wù)省認(rèn)為，為迎接2020年東京奧運(yùn)會(huì)需提高邊檢速度，于是決定重啟實(shí)驗(yàn)。實(shí)驗(yàn)將在2014年8月起進(jìn)行約5周，對(duì)象為在羽田機(jī)場(chǎng)和成田機(jī)場(chǎng)乘機(jī)的日本人。負(fù)責(zé)實(shí)驗(yàn)的企業(yè)將于近期敲定。日本政府在各地機(jī)場(chǎng)設(shè)置了僅憑指紋識(shí)別便可通過的自動(dòng)邊檢門，但因需要事先登記指紋，乘客利用率不高。人臉識(shí)別則無需事先登記。[4]

    2015年3月15日漢諾威IT博覽會(huì)(CeBIT)在德國開幕，阿里巴巴創(chuàng)始人馬云作為唯一受邀的企業(yè)家代表，在開幕式上作了主旨演講。在發(fā)表演講后，馬云還為德國總理默克爾與中國副總理馬凱演示了螞蟻金服的SmiletoPay掃臉技術(shù)，并當(dāng)場(chǎng)刷自己的臉給嘉賓買禮物。馬云選擇的禮物是淘寶網(wǎng)上

    一枚1948年的漢諾威紀(jì)念郵票。他用手機(jī)登陸淘寶，首先選擇產(chǎn)品；第二步進(jìn)入支付系統(tǒng)，確認(rèn)支付后出現(xiàn)掃臉的頁面；然后掃臉(拍照后)后臺(tái)認(rèn)證；接著顯示支付成功。馬云現(xiàn)場(chǎng)為德國總理默克爾贈(zèng)送了一份特殊禮物：一張紀(jì)念版的德國日歷頁，且恰好就是這位女總理的出生年月。