人臉識別

得益于移動設(shè)備的普及和攝像技術(shù)的發(fā)展，人臉識別技術(shù)突飛猛進(jìn)，現(xiàn)已廣泛運(yùn)用于各個行業(yè)，如：商鋪客流統(tǒng)計、道路安防監(jiān)控、公司人臉考勤等，"刷臉"辦事正愈發(fā)常見。

人臉識別是一種基于人的臉部特征信息進(jìn)行身份識別的一種生物識別技術(shù)，具體指代用攝像機(jī)或攝像頭采集含有人臉的圖像或視頻流，并自動在圖像中檢測和跟蹤人臉，進(jìn)而對檢測到的人臉進(jìn)行臉部識別的一系列相關(guān)技術(shù)。

人臉識別作為一項(xiàng)互聯(lián)網(wǎng)領(lǐng)域熱門技術(shù)，目前在很多互聯(lián)網(wǎng)產(chǎn)品領(lǐng)域都有著廣泛應(yīng)用。

技術(shù)特性

與其他生物識別方式相比，人臉識別具有自然性、不被察覺性等特點(diǎn)。自然性指該識別方式同人類進(jìn)行個體識別時所利用的生物特征相同，而指紋識別、虹膜識別等均不具有自然性。不被察覺的特點(diǎn)使該識別方法不易使人抵觸，而指紋識別或虹膜識別需利用電子壓力傳感器或紅外線采集指紋、虹膜圖像，在采集過程中體驗(yàn)感不佳。非接觸性、非侵?jǐn)_性、硬件基礎(chǔ)完善、采集快捷便利等幾大優(yōu)勢集合起來，就造就了人臉識別迅猛的發(fā)展和日趨成熟。

市場分析

近年來，在政策支持下，人工智能在國內(nèi)狂飆突進(jìn)，人臉識別技術(shù)逐漸在智慧城市、公共安全、軌道交通、政府治理等行業(yè)有所應(yīng)用。2015年以來，國家持續(xù)出臺利好政策，推動了人臉識別在金融、安防、醫(yī)療等領(lǐng)域的應(yīng)用，為人臉識別行業(yè)奠定了堅實(shí)的基礎(chǔ)。數(shù)據(jù)顯示，2017年人臉識別市場規(guī)模達(dá)21.9億元，與2016年相比同比增長27%，2018年人臉識別市場規(guī)模預(yù)計近為27.6億元。

（資料來源：中商產(chǎn)業(yè)研究院整理）

工作原理

要理解人臉識別的工作原理，特征向量這個概念和它脫不開聯(lián)系。眾所周知，機(jī)器學(xué)習(xí)只能理解數(shù)字，所以要機(jī)器識別一張圖片，根本是機(jī)器學(xué)習(xí)算法將數(shù)據(jù)集作為輸入識別數(shù)據(jù)中的模式，并從中學(xué)習(xí)經(jīng)驗(yàn)。例如，假定我們希望識別指定圖片中人物的臉，很多物體是可以看作模式的，如臉部長寬的比例、臉部膚色、頭發(fā)顏色、局部細(xì)節(jié)的寬度（如鼻子，嘴等）。此時就存在一個模式：不同的臉有不同的維度，相似的臉有相似的維度。表示一張臉的數(shù)字可以稱為特征向量，一個特征向量包括特定順序的各種數(shù)字。舉個例子：

• 臉的長度（cm）
• 臉的寬度（cm）
• 臉的平均膚色（R，G，B）
• 頭發(fā)的平均膚色（R，G，B）
• 鼻子長度（cm）

當(dāng)給定一個圖片時，我們可以標(biāo)注不同的特征并將其轉(zhuǎn)化為特征向量，比如上述例子即可為(23；16；250,210,165；150,120,250；5)。
一旦我們將每個圖片解碼為特征向量，問題就變得更簡單。明顯地，當(dāng)我們使用同一個人的兩張面部圖片時，提取的特征向量會非常相似。換言之，兩個特征向量的“距離”就變得非常小。
此時機(jī)器學(xué)習(xí)可以幫我們完成兩件事：

提取特征向量。由于特征過多，手動列出所有特征是非常困難的。一個機(jī)器學(xué)習(xí)算法可以自動標(biāo)注很多特征。例如，一個復(fù)雜的特征可能是：鼻子長度和前額寬度的比例。手動列出所有的這些衍生特征是非常困難的。

匹配算法。一旦得到特征向量，機(jī)器學(xué)習(xí)算法需要將新圖片和語料庫中的特征向量進(jìn)行匹配。

解決方案

阿里云.人臉識別可支持最多上千個人臉的同時檢測，支持平面360度旋轉(zhuǎn)人臉檢測，支持左右最大90度側(cè)面人臉檢測。同時毫秒級提取圖像中的人臉五官關(guān)鍵點(diǎn)，識別人臉105個關(guān)鍵點(diǎn)定位。在此基礎(chǔ)上，可識別各個檢測人臉的性別、年齡、表情、眼鏡四種屬性，返回人臉的1024維深度學(xué)習(xí)特征，實(shí)現(xiàn)高性能的人臉識別。

目前，阿里云.人臉識別已推出了一套完整的身份驗(yàn)證解決方案：

身份驗(yàn)證1 : 1刷臉識別

判斷身份證持有者是否為本人。
適用于安檢口、酒店、app等需要用戶刷卡做身份驗(yàn)證的場景。

• 提供sdk、api兩種方式，支持多平臺，靈活部署。
• 支持無交互式及交互式活體檢測
• 高準(zhǔn)確率：精度>99%(FAR=0.1%)
• 高效-確保高通行率
  

身份驗(yàn)證1 : N動態(tài)識人

基于圖像或視頻輸入進(jìn)行檢測，與注冊庫比對，實(shí)現(xiàn)1：N的人臉識別。
適用于人臉登錄、VIP人臉識別、人臉通關(guān)等無需刷卡驗(yàn)證的場景。

• 提供sdk、api調(diào)用方式，支持多平臺，CPU、GPU計算模式，靈活部署。
• 支持無交互式或動作活體檢測
• 數(shù)千萬人臉樣本收集，CNN網(wǎng)絡(luò)模型的不斷訓(xùn)練和調(diào)優(yōu)，兼顧效率和精度的身份對比網(wǎng)絡(luò)。
• 高準(zhǔn)確率：千人注冊級別，精度>98%
  

活體檢測 無交互式

通過視頻或者圖像，直接對客戶人臉進(jìn)行識別，確認(rèn)用戶是否為真人，無需動作配合。

• 支持多平臺，CPU、GPU計算模式，靈活部署。
• 對靜態(tài)人臉圖像利用深度學(xué)習(xí)網(wǎng)絡(luò)判斷其真實(shí)性，無需動作配合
• 基于人臉CNN網(wǎng)絡(luò)模型+大量數(shù)據(jù)實(shí)現(xiàn)，精度>95%(FRA=0.1%)
  

活體檢測 交互式

通過人臉特征點(diǎn)定位跟蹤識別 ，進(jìn)行3D人臉重建估計、識別搖頭、 眨眼、張嘴等動作，判斷是否為真人。

• 支持多平臺，CPU、GPU計算模式，靈活部署。
• 基于CNN深度學(xué)習(xí)網(wǎng)絡(luò)，實(shí)現(xiàn)人臉檢測和特征點(diǎn)定位擬合3D人臉模型，完成姿態(tài)和動作估計
• 實(shí)時完成檢測，精度>95%(FRA=0.1%)
  

注：部分內(nèi)容來自網(wǎng)絡(luò)，感謝分享

原文鏈接

本文為云棲社區(qū)原創(chuàng)內(nèi)容，未經(jīng)允許不得轉(zhuǎn)載。

轉(zhuǎn)載于:https://juejin.im/post/5ccfe3f5f265da038412a24b

總結(jié)

以上是生活随笔為你收集整理的走近人脸识别：时代趋势下的弄潮儿的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。