一文讀懂：深扒人臉識別60年技術(shù)發(fā)展史

　　7、人臉識別(Face Recognition)

　　“人臉識別(Face Recognition)”是識別出輸入人臉圖對應身份的算法。

　　它的輸入為一個(gè)人臉特征，通過(guò)和注冊在庫中N個(gè)身份對應的特征進(jìn)行逐個(gè)比對，找出“一個(gè)”與輸入特征相似度最高的特征。將這個(gè)最高相似度值和預設的閾值相比較，如果大于閾值，則返回該特征對應的身份，否則返回“不在庫中”。

　　舉例說(shuō)明：人臉識別過(guò)程如下，判斷結果為輸入圖像為注冊庫中的jason

　　8、人臉檢索(Face Retrieval)

　　“人臉檢索”是查找和輸入人臉相似的人臉序列的算法。

　　人臉檢索通過(guò)將輸入的人臉和一個(gè)集合中的說(shuō)有人臉進(jìn)行比對，根據比對后的相似度對集合中的人臉進(jìn)行排序。根據相似度從高到低排序的人臉序列即使人臉檢索的結果。

　　舉例說(shuō)明：人臉檢索過(guò)程如下，右側綠框內排序序列為檢索結果

　　9、人臉聚類(lèi)(Face Cluster)

　　“人臉聚類(lèi)(Face Cluster)”是將一個(gè)集合內的人臉根據身份進(jìn)行分組的算法。

　　人臉聚類(lèi)也通過(guò)將集合內所有的人臉兩兩之間做人臉比對，再根據這些相似度值進(jìn)行分析，將屬于同一個(gè)身份的人劃分到一個(gè)組里。

　　在沒(méi)有進(jìn)行人工身份標注前，只知道分到一個(gè)組的人臉是屬于同一個(gè)身份，但不知道確切身份。

　　舉例說(shuō)明：人臉聚類(lèi)過(guò)程如下，右側綠框內按身份的分組結果為聚類(lèi)結果

　　10、人臉活體(FaceLiveness)

　　“人臉活體(FaceLiveness)”是判斷人臉圖像是來(lái)自真人還是來(lái)自攻擊假體(照片、視頻等)的方法。

　　在我們生活環(huán)境中，人臉認證系統中主要容易受到這種手段欺騙：

　　(1)用偷拍的照片假冒真實(shí)人;

　　(2)在公開(kāi)場(chǎng)合錄的視頻或網(wǎng)上公開(kāi)的視頻片段;

　　(3)用計算機輔助軟件設計的三維模型欺騙;

　　(4)用蠟或塑料等材質(zhì)構造的三維雕像欺騙。

　　現在所以人臉活體檢測技術(shù)的研究顯得異常重要。對于照片欺騙，主要是根據分辨率、三位三維信息、眼動(dòng)等來(lái)進(jìn)行區分;對于視頻欺騙，根據三維信息、光線(xiàn)等來(lái)區分。

　　人臉識別技術(shù)的主要用途

　　1、人臉識別技術(shù)應用于鐵路安防系統

　　隨著(zhù)技術(shù)的進(jìn)步，人員組織的不斷復雜化，鐵路安全形勢不斷面臨新的挑戰?；疖?chē)票實(shí)名制有效阻止了不法分子進(jìn)入車(chē)站，但是，目前鐵路客運安全檢查，基本還是靠安檢員來(lái)檢查票、證、人是否一致，而證件照片往往是多年前的照片，安檢員很難辨認，辨別度很低。而人臉識別技術(shù)，準確度高、便捷性好，運用于鐵路安防系統，將極大的提高安防系統，強化通關(guān)，讓不法分子無(wú)空子可鉆。另外，人臉識別技術(shù)還能助力強化追溯，支持在超大的人像庫中定位查找對象，這將有力協(xié)助公安部門(mén)偵破案件，或抓捕在逃案犯。

　　2、人臉識別技術(shù)應用于教育領(lǐng)域

　　近年來(lái)，從中考、高考等升學(xué)考試，到執業(yè)資格、晉級升職等等考試，均不同程度地出現了替考現象，而利用人臉識別技術(shù)實(shí)現證件內照片特征和實(shí)時(shí)人臉照片特征比對識別，辨別考生身份，可防止考場(chǎng)替考現象的發(fā)生。人臉識別技術(shù)還可應用于校園，能有效地對進(jìn)入校園的可疑人員做到預警。

　　3、人臉識別技術(shù)推進(jìn)于智能城市建設

　　隨著(zhù)人類(lèi)社會(huì )的不斷發(fā)展，未來(lái)城市將承載越來(lái)越多的人口，為實(shí)現城市可持續發(fā)展，建設智慧城市已成為當今世界城市發(fā)展不可逆轉的歷史潮流。而在智慧城市的建設過(guò)程中，需注重對信息的結構化存儲、分析挖掘，人臉的結構化云識別儲存是構建整個(gè)智慧城市基礎數據之一，是智慧城市云儲存體系中的不可或缺的一部分。通過(guò)智慧城市的高速數據傳輸鏈及結構化的數據篩選，可將人臉大數據與智慧城市中其它的大數據之間碰撞出火花，更加凸顯出人臉識別“用”的價(jià)值。

　　如今，人臉識別技術(shù)不再僅僅局限在考勤、門(mén)禁行業(yè)的簡(jiǎn)單應用，而是憑借其人臉的唯一匹配性以及安全優(yōu)勢，受到高安全性環(huán)境應用領(lǐng)域的青睞。而廈門(mén)云脈技術(shù)近年來(lái)致力于人臉識別核心技術(shù)的研發(fā)與產(chǎn)品化，并推動(dòng)其與各行業(yè)相結合，依托自研的人臉識別算法以及成熟的OCR識別技術(shù)，為切實(shí)解決不同行業(yè)難題，推出了不同的人臉識別解決方案。云脈人臉識別技術(shù)識別速度快，精度高，不受一些化妝、眼鏡等因素影響。

　　人臉識別的技術(shù)難點(diǎn)

　　人臉識別雖說(shuō)發(fā)展到現在3、40年的時(shí)間了，但它一直存在的幾個(gè)難點(diǎn)，到現在也沒(méi)能徹底解決。

　　1、光照問(wèn)題

　　光照問(wèn)題是機器視覺(jué)重的老問(wèn)題，在人臉識別中的表現尤為明顯。由于人臉的3D結構，光照投射出的陰影，會(huì )加強或減弱原有的人臉特征。

　　2、表情姿態(tài)問(wèn)題

　　與光照問(wèn)題類(lèi)似，姿態(tài)問(wèn)題也是目前人臉識別研究中需要解決的一個(gè)技術(shù)難點(diǎn)。姿態(tài)問(wèn)題涉及頭部在三維垂直坐標系中繞三個(gè)軸的旋轉造成的面部變化，其中垂直于圖像平面的兩個(gè)方向的深度旋轉會(huì )造成面部信息的部分缺失。針對姿態(tài)的研究相對比較的少，目前多數的人臉識別算法主要針列正面、準正而人臉圖像，當發(fā)生俯仰或者左右側而比較厲害的情況下，人臉識別算法的識別率也將會(huì )急劇下降。面部幅度較大的哭、笑、憤怒等表情變化同樣影像著(zhù)面部識別的準確率。

　　3、遮擋問(wèn)題

　　對于非配合情況下的人臉圖像采集，遮擋問(wèn)題是一個(gè)非常嚴重的問(wèn)題。特別是在監控環(huán)境下，往往彼監控對象都會(huì )帶著(zhù)眼鏡，帽子等飾物，使得被采集出來(lái)的人臉圖像有可能不完整，從而影響了后面的特征提取與識別，甚至會(huì )導致人臉檢測算法的失效。

　　4、年齡變化

　　隨著(zhù)年齡的變化，面部外觀(guān)也在變化，特別是對于青少年，這種變化更加的明顯。對于不同的年齡段，人臉識別算法的識別率也不同。一個(gè)人從少年變成青年，變成老年，他的容貌可能會(huì )發(fā)生比較大的變化，從而導致識別率的下降。對于不同的年齡段，人臉識別算法的識別率也不同。

　　5、人臉相似性

　　不同個(gè)體之間的區別不大，所有的人臉的結構都相似，甚至人臉器官的結構外形都很相似。這樣的特點(diǎn)對于利用人臉進(jìn)行定位是有利的，但是對于利用人臉區分人類(lèi)個(gè)體是不利的。

　　6、圖像質(zhì)量

　　人臉圖像的來(lái)源可能多種多樣，由于采集設備的不同，得到的人臉圖像質(zhì)量也不一樣，特別是對于那些低分辨率、噪聲大、質(zhì)量差的人臉圖像(如手機攝像頭拍攝的人臉圖片、遠程監控拍攝的圖片等)如何進(jìn)行有效地人臉識別是個(gè)需要關(guān)注的問(wèn)題。同樣的，對于高分辨圖像對人臉識別算法的影響也需要進(jìn)一步的研究。

　　7、樣本缺乏

　　基于統計學(xué)習的人臉識別算法是目前人臉識別領(lǐng)域中的主流算法，但是統計學(xué)習方法需要大量的訓練。由于人臉圖像在高維空間中的分布是一個(gè)不規則的流形分布，能得到的樣本只是對人臉圖像空間中的一個(gè)極小部分的采樣，如何解決小樣本下的統計學(xué)習問(wèn)題有待進(jìn)一步的研究。

　　8、海量數據

　　傳統人臉識別方法如PCA、LDA等在小規模數據中可以很容易進(jìn)行訓練學(xué)習。但是對于海量數據，這些方法其訓練過(guò)程難以進(jìn)行，甚至有可能崩潰。

　　9、大規模人臉識別

　　隨著(zhù)人臉數據庫規模的增長(cháng)，人臉算法的性能將呈現下降。