人臉識別

得益于移動設備的普及和攝像技術的發展，人臉識別技術突飛猛進，現已廣泛運用于各個行業，如：商鋪客流統計、道路安防監控、公司人臉考勤等，"刷臉"辦事正愈發常見。

人臉識別是一種基于人的臉部特征信息進行身份識別的一種生物識別技術，具體指代用攝像機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，進而對檢測到的人臉進行臉部識別的一系列相關技術。

人臉識別作為一項互聯網領域熱門技術，目前在很多互聯網產品領域都有著廣泛應用。

技術特性

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。自然性指該識別方式同人類進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，在采集過程中體驗感不佳。非接觸性、非侵擾性、硬件基礎完善、采集快捷便利等幾大優勢集合起來，就造就了人臉識別迅猛的發展和日趨成熟。

市場分析

近年來，在政策支持下，人工智能在國內狂飆突進，人臉識別技術逐漸在智慧城市、公共安全、軌道交通、政府治理等行業有所應用。2015年以來，國家持續出臺利好政策，推動了人臉識別在金融、安防、醫療等領域的應用，為人臉識別行業奠定了堅實的基礎。數據顯示，2017年人臉識別市場規模達21.9億元，與2016年相比同比增長27%，2018年人臉識別市場規模預計近為27.6億元。

（資料來源：中商產業研究院整理）

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系。眾所周知，機器學習只能理解數字，所以要機器識別一張圖片，根本是機器學習算法將數據集作為輸入識別數據中的模式，并從中學習經驗。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、頭發顏色、局部細節的寬度（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）
• 頭發的平均膚色（R，G，B）
• 鼻子長度（cm）

當給定一個圖片時，我們可以標注不同的特征并將其轉化為特征向量，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。
此時機器學習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。一個機器學習算法可以自動標注很多特征。例如，一個復雜的特征可能是：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，機器學習算法需要將新圖片和語料庫中的特征向量進行匹配。

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度旋轉人臉檢測，支持左右最大90度側面人臉檢測。同時毫秒級提取圖像中的人臉五官關鍵點，識別人臉105個關鍵點定位。在此基礎上，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維深度學習特征，實現高性能的人臉識別。

目前，阿里云.人臉識別已推出了一套完整的身份驗證解決方案：

身份驗證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
• 高準確率：精度>99%(FAR=0.1%)
• 高效-確保高通行率
  

身份驗證1 : N動態識人

基于圖像或視頻輸入進行檢測，與注冊庫比對，實現1：N的人臉識別。
適用于人臉登錄、VIP人臉識別、人臉通關等無需刷卡驗證的場景。

• 提供sdk、api調用方式，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
• 數千萬人臉樣本收集，CNN網絡模型的不斷訓練和調優，兼顧效率和精度的身份對比網絡。
• 高準確率：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，直接對客戶人臉進行識別，確認用戶是否為真人，無需動作配合。

• 支持多平臺，CPU、GPU計算模式，靈活部署。
• 對靜態人臉圖像利用深度學習網絡判斷其真實性，無需動作配合
• 基于人臉CNN網絡模型+大量數據實現，精度>95%(FRA=0.1%)
  

活體檢測 交互式

通過人臉特征點定位跟蹤識別 ，進行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深度學習網絡，實現人臉檢測和特征點定位擬合3D人臉模型，完成姿態和動作估計
• 實時完成檢測，精度>95%(FRA=0.1%)
  

注：部分內容來自網絡，感謝分享

原文鏈接

本文為云棲社區原創內容，未經允許不得轉載。

轉載于:https://juejin.im/post/5ccfe3f5f265da038412a24b

總結

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站內容還不錯，歡迎將生活随笔推薦給好友。