下一個(gè)消費(fèi)終端創(chuàng)新方向 人臉識(shí)別有三個(gè)關(guān)鍵技術(shù)

　　日前，2016年百度世界大會(huì)開(kāi)幕，創(chuàng)始人李彥宏在會(huì)上發(fā)表了以“人工智能”為主題的演講，并指出百度大腦的圖像識(shí)別能力非常突出，其人臉識(shí)別準(zhǔn)確率已高達(dá)99.7%;舉世矚目的G20峰會(huì)如期舉行，人臉識(shí)別技術(shù)被應(yīng)用于安防。近期人臉識(shí)別相關(guān)催化事件密集云涌引發(fā)業(yè)內(nèi)普遍關(guān)注。此前小米科技宣布小米人臉檢測(cè)團(tuán)隊(duì)研發(fā)的新算法在FDDB人臉檢測(cè)準(zhǔn)確率全球排名第一，百度、騰訊、360等國(guó)內(nèi)互聯(lián)網(wǎng)大公司也都建立了人臉檢測(cè)算法團(tuán)隊(duì)，積極參與FDDB平臺(tái)的評(píng)測(cè)。另外，蘋(píng)果、三星、華為、Facebook、谷歌等各大終端巨頭也紛紛布局臉部識(shí)別技術(shù)?？梢灶A(yù)判，在應(yīng)用場(chǎng)景不斷增加的情況下，臉部識(shí)別極有可能是下一個(gè)消費(fèi)終端創(chuàng)新的大方向。

　　據(jù)了解，人臉識(shí)別是基于人的臉部特征信息進(jìn)行身份識(shí)別的一種生物識(shí)別技術(shù)。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(dòng)在圖像中檢測(cè)和跟蹤人臉，進(jìn)而對(duì)檢測(cè)到的人臉進(jìn)行臉部的一系列相關(guān)技術(shù)。

　　一個(gè)全自動(dòng)人臉識(shí)別系統(tǒng)一般包括三個(gè)關(guān)鍵技術(shù)：人臉檢測(cè)、特征提取和人臉識(shí)別。

　　人臉檢測(cè)是從復(fù)雜的背景中提取我們感興趣的人臉圖像區(qū)域。臉部毛發(fā)、化妝品、光照、噪聲、面部?jī)A斜和人臉大小變化以及各種各樣遮擋等因素都會(huì)使人臉檢測(cè)問(wèn)題變得更為復(fù)雜。人臉檢測(cè)的主要目的是在輸入的整幅圖像上尋找人臉區(qū)域，從而為后續(xù)的人臉識(shí)別作準(zhǔn)備。人臉檢測(cè)的核心技術(shù)包括如下三個(gè)方面：

　　一、基于特征的人臉檢測(cè)技術(shù)。可采用顏色特征、輪廓特征、紋理特征、結(jié)構(gòu)特征、直方圖特征等進(jìn)行人臉檢測(cè)。

　　二、基于模板匹配的人臉檢測(cè)技術(shù)。事先設(shè)定好一定的候選人臉模板庫(kù)，接著采取一定的模板匹配策略，用模板庫(kù)中的模板對(duì)圖片進(jìn)行匹配，通過(guò)相關(guān)性的高低和所匹配的模板大小確定人臉大小以及位置信息。

　　三、基于統(tǒng)計(jì)的人臉檢測(cè)技術(shù)。搜集大量的“人臉”和“非人臉”圖片以構(gòu)成人臉正、負(fù)樣本庫(kù)，并采用統(tǒng)計(jì)方法進(jìn)行強(qiáng)化訓(xùn)練，從而實(shí)現(xiàn)對(duì)人臉和非人臉的模式進(jìn)行檢測(cè)和分類(lèi)。比較經(jīng)典的有Adaboost方法、人工神經(jīng)網(wǎng)絡(luò)方法、支持向量機(jī)方法等。

　　特征提取主要是從人臉圖像中提取具有判別性的特征，它是人臉識(shí)別的核心部分。特征提取的優(yōu)劣會(huì)在很大程度上影響人臉識(shí)別效果，現(xiàn)有的方法主要包括如下四個(gè)方面：

　　幾何特征。以面部特征點(diǎn)之間的距離和比率作為特征，其識(shí)別速度快，對(duì)內(nèi)存要求較小，對(duì)光照不太敏感。

　　基于模型的特征提取方法。隱馬爾科夫模型是一種常用的模型，根據(jù)不同特征狀態(tài)所具有的概率不同而提取人臉圖像特征。

　　基于統(tǒng)計(jì)的特征提取方法。將人臉圖像視為隨機(jī)向量，并用統(tǒng)計(jì)方法辨別不同人臉特征模式，比較典型的有特征臉、獨(dú)立成分分析、奇異值分解等。

　　基于神經(jīng)網(wǎng)絡(luò)的特征提取方法。利用大量神經(jīng)單元對(duì)人臉圖像特征進(jìn)行聯(lián)想存儲(chǔ)和記憶，根據(jù)不同神經(jīng)單元狀態(tài)的概率實(shí)現(xiàn)對(duì)人臉圖像準(zhǔn)確識(shí)別。

　　人臉識(shí)別是根據(jù)所提取的人臉圖像特征采用相關(guān)識(shí)別算法進(jìn)行人臉確認(rèn)或辨別。即將已檢測(cè)到的待識(shí)別人臉與數(shù)據(jù)庫(kù)中已知人臉進(jìn)行比較匹配，得出相關(guān)信息，該過(guò)程的關(guān)鍵是選擇適當(dāng)?shù)娜四槺碚鞣绞脚c匹配策略，系統(tǒng)的構(gòu)造與人臉的表征方式密切相關(guān)。一般根據(jù)所提特征而選擇不同識(shí)別算法進(jìn)行度量，常用的包括距離度量、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)、k均值聚類(lèi)等。

　　人臉識(shí)別避免了指紋磨損，或水漬、油漬等影響指紋識(shí)別精度同時(shí)對(duì)設(shè)備造成損耗的直接接觸方式，且在識(shí)別方式上與人類(lèi)識(shí)別同類(lèi)個(gè)體方式相同。人臉識(shí)別從去年開(kāi)始廣泛應(yīng)用，金融相關(guān)安全領(lǐng)域是滲透最快的，這點(diǎn)和指紋識(shí)別相似。伴隨互聯(lián)網(wǎng)金融的發(fā)展，臉部識(shí)別會(huì)成為“基建”需求。