一文讀懂：深扒人臉識(shí)別60年技術(shù)發(fā)展史

　　7、人臉識(shí)別(Face Recognition)

　　“人臉識(shí)別(Face Recognition)”是識(shí)別出輸入人臉圖對(duì)應(yīng)身份的算法。

　　它的輸入為一個(gè)人臉特征，通過和注冊(cè)在庫中N個(gè)身份對(duì)應(yīng)的特征進(jìn)行逐個(gè)比對(duì)，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(yù)設(shè)的閾值相比較，如果大于閾值，則返回該特征對(duì)應(yīng)的身份，否則返回“不在庫中”。

　　舉例說明：人臉識(shí)別過程如下，判斷結(jié)果為輸入圖像為注冊(cè)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。

　　人臉檢索通過將輸入的人臉和一個(gè)集合中的說有人臉進(jìn)行比對(duì)，根據(jù)比對(duì)后的相似度對(duì)集合中的人臉進(jìn)行排序。根據(jù)相似度從高到低排序的人臉序列即使人臉檢索的結(jié)果。

　　舉例說明：人臉檢索過程如下，右側(cè)綠框內(nèi)排序序列為檢索結(jié)果

　　9、人臉聚類(Face Cluster)

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

　　人臉聚類也通過將集合內(nèi)所有的人臉兩兩之間做人臉比對(duì)，再根據(jù)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。

　　在沒有進(jìn)行人工身份標(biāo)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。

　　舉例說明：人臉聚類過程如下，右側(cè)綠框內(nèi)按身份的分組結(jié)果為聚類結(jié)果

　　10、人臉活體(FaceLiveness)

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

　　在我們生活環(huán)境中，人臉認(rèn)證系統(tǒng)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)在公開場(chǎng)合錄的視頻或網(wǎng)上公開的視頻片段;

　　(3)用計(jì)算機(jī)輔助軟件設(shè)計(jì)的三維模型欺騙;

　　(4)用蠟或塑料等材質(zhì)構(gòu)造的三維雕像欺騙。

　　現(xiàn)在所以人臉活體檢測(cè)技術(shù)的研究顯得異常重要。對(duì)于照片欺騙，主要是根據(jù)分辨率、三位三維信息、眼動(dòng)等來進(jìn)行區(qū)分;對(duì)于視頻欺騙，根據(jù)三維信息、光線等來區(qū)分。

　　人臉識(shí)別技術(shù)的主要用途

　　1、人臉識(shí)別技術(shù)應(yīng)用于鐵路安防系統(tǒng)

　　隨著技術(shù)的進(jìn)步，人員組織的不斷復(fù)雜化，鐵路安全形勢(shì)不斷面臨新的挑戰(zhàn)?；疖嚻睂?shí)名制有效阻止了不法分子進(jìn)入車站，但是，目前鐵路客運(yùn)安全檢查，基本還是靠安檢員來檢查票、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(rèn)，辨別度很低。而人臉識(shí)別技術(shù)，準(zhǔn)確度高、便捷性好，運(yùn)用于鐵路安防系統(tǒng)，將極大的提高安防系統(tǒng)，強(qiáng)化通關(guān)，讓不法分子無空子可鉆。另外，人臉識(shí)別技術(shù)還能助力強(qiáng)化追溯，支持在超大的人像庫中定位查找對(duì)象，這將有力協(xié)助公安部門偵破案件，或抓捕在逃案犯。

　　2、人臉識(shí)別技術(shù)應(yīng)用于教育領(lǐng)域

　　近年來，從中考、高考等升學(xué)考試，到執(zhí)業(yè)資格、晉級(jí)升職等等考試，均不同程度地出現(xiàn)了替考現(xiàn)象，而利用人臉識(shí)別技術(shù)實(shí)現(xiàn)證件內(nèi)照片特征和實(shí)時(shí)人臉照片特征比對(duì)識(shí)別，辨別考生身份，可防止考場(chǎng)替考現(xiàn)象的發(fā)生。人臉識(shí)別技術(shù)還可應(yīng)用于校園，能有效地對(duì)進(jìn)入校園的可疑人員做到預(yù)警。

　　3、人臉識(shí)別技術(shù)推進(jìn)于智能城市建設(shè)

　　隨著人類社會(huì)的不斷發(fā)展，未來城市將承載越來越多的人口，為實(shí)現(xiàn)城市可持續(xù)發(fā)展，建設(shè)智慧城市已成為當(dāng)今世界城市發(fā)展不可逆轉(zhuǎn)的歷史潮流。而在智慧城市的建設(shè)過程中，需注重對(duì)信息的結(jié)構(gòu)化存儲(chǔ)、分析挖掘，人臉的結(jié)構(gòu)化云識(shí)別儲(chǔ)存是構(gòu)建整個(gè)智慧城市基礎(chǔ)數(shù)據(jù)之一，是智慧城市云儲(chǔ)存體系中的不可或缺的一部分。通過智慧城市的高速數(shù)據(jù)傳輸鏈及結(jié)構(gòu)化的數(shù)據(jù)篩選，可將人臉大數(shù)據(jù)與智慧城市中其它的大數(shù)據(jù)之間碰撞出火花，更加凸顯出人臉識(shí)別“用”的價(jià)值。

　　如今，人臉識(shí)別技術(shù)不再僅僅局限在考勤、門禁行業(yè)的簡單應(yīng)用，而是憑借其人臉的唯一匹配性以及安全優(yōu)勢(shì)，受到高安全性環(huán)境應(yīng)用領(lǐng)域的青睞。而廈門云脈技術(shù)近年來致力于人臉識(shí)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(jié)合，依托自研的人臉識(shí)別算法以及成熟的OCR識(shí)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(shí)別解決方案。云脈人臉識(shí)別技術(shù)識(shí)別速度快，精度高，不受一些化妝、眼鏡等因素影響。

　　人臉識(shí)別的技術(shù)難點(diǎn)

　　人臉識(shí)別雖說發(fā)展到現(xiàn)在3、40年的時(shí)間了，但它一直存在的幾個(gè)難點(diǎn)，到現(xiàn)在也沒能徹底解決。

　　1、光照問題

　　光照問題是機(jī)器視覺重的老問題，在人臉識(shí)別中的表現(xiàn)尤為明顯。由于人臉的3D結(jié)構(gòu)，光照投射出的陰影，會(huì)加強(qiáng)或減弱原有的人臉特征。

　　2、表情姿態(tài)問題

　　與光照問題類似，姿態(tài)問題也是目前人臉識(shí)別研究中需要解決的一個(gè)技術(shù)難點(diǎn)。姿態(tài)問題涉及頭部在三維垂直坐標(biāo)系中繞三個(gè)軸的旋轉(zhuǎn)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(zhuǎn)會(huì)造成面部信息的部分缺失。針對(duì)姿態(tài)的研究相對(duì)比較的少，目前多數(shù)的人臉識(shí)別算法主要針列正面、準(zhǔn)正而人臉圖像，當(dāng)發(fā)生俯仰或者左右側(cè)而比較厲害的情況下，人臉識(shí)別算法的識(shí)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面部識(shí)別的準(zhǔn)確率。

　　3、遮擋問題

　　對(duì)于非配合情況下的人臉圖像采集，遮擋問題是一個(gè)非常嚴(yán)重的問題。特別是在監(jiān)控環(huán)境下，往往彼監(jiān)控對(duì)象都會(huì)帶著眼鏡，帽子等飾物，使得被采集出來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(shí)別，甚至?xí)?dǎo)致人臉檢測(cè)算法的失效。

　　4、年齡變化

　　隨著年齡的變化，面部外觀也在變化，特別是對(duì)于青少年，這種變化更加的明顯。對(duì)于不同的年齡段，人臉識(shí)別算法的識(shí)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(dǎo)致識(shí)別率的下降。對(duì)于不同的年齡段，人臉識(shí)別算法的識(shí)別率也不同。

　　5、人臉相似性

　　不同個(gè)體之間的區(qū)別不大，所有的人臉的結(jié)構(gòu)都相似，甚至人臉器官的結(jié)構(gòu)外形都很相似。這樣的特點(diǎn)對(duì)于利用人臉進(jìn)行定位是有利的，但是對(duì)于利用人臉區(qū)分人類個(gè)體是不利的。

　　6、圖像質(zhì)量

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

　　7、樣本缺乏

　　基于統(tǒng)計(jì)學(xué)習(xí)的人臉識(shí)別算法是目前人臉識(shí)別領(lǐng)域中的主流算法，但是統(tǒng)計(jì)學(xué)習(xí)方法需要大量的訓(xùn)練。由于人臉圖像在高維空間中的分布是一個(gè)不規(guī)則的流形分布，能得到的樣本只是對(duì)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(tǒng)計(jì)學(xué)習(xí)問題有待進(jìn)一步的研究。

　　8、海量數(shù)據(jù)

　　傳統(tǒng)人臉識(shí)別方法如PCA、LDA等在小規(guī)模數(shù)據(jù)中可以很容易進(jìn)行訓(xùn)練學(xué)習(xí)。但是對(duì)于海量數(shù)據(jù)，這些方法其訓(xùn)練過程難以進(jìn)行，甚至有可能崩潰。

　　9、大規(guī)模人臉識(shí)別

　　隨著人臉數(shù)據(jù)庫規(guī)模的增長，人臉?biāo)惴ǖ男阅軐⒊尸F(xiàn)下降。