【www.shanpow.com--香港】
一：[人脸识别技术]人脸识别技术的原理是什么？
香港中文大学的Chaochao Lu和Xiaoou Tang发明的人脸识别技术新算法能从超过13000张照片中找出同一个人的脸，准确率达98.52%（人类97.53%）。这个被命名为GaussianFace的程序有望实现从游戏登录到护照安检的应用。
那么人脸识别技术的原理到底是怎样的呢？它的应用前景如何？
人脸识别，特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸识别是一项热门的计算机技术研究领域，人脸追踪侦测，自动调整影像放大，夜间红外侦测，自动调整曝光强度；它属于生物特征识别技术，是对生物体（一般特指人）本身的生物特征来区分生物体个体。
人脸识别技术包含三个部分：
（1）人脸检测
面貌检测是指在动态的场景与复杂的背景中判断是否存在面像，并分离出这种面像。一般有下列几种方法：
①参考模板法
首先设计一个或数个标准人脸的模板，然后计算测试采集的样品与标准模板之间的匹配程度，并通过阈值来判断是否存在人脸；
②人脸规则法
由于人脸具有一定的结构分布特征，所谓人脸规则的方法即提取这些特征生成相应的规则以判断测试样品是否包含人脸；
③样品学习法
这种方法即采用模式识别中人工神经网络的方法，即通过对面像样品集和非面像样品集的学习产生分类器；
④肤色模型法
这种方法是依据面貌肤色在色彩空间中分布相对集中的规律来进行检测。
⑤特征子脸法
这种方法是将所有面像集合视为一个面像子空间，并基于检测样品与其在子孔间的投影之间的距离判断是否存在面像。
值得提出的是，上述5种方法在实际检测系统中也可综合采用。
（2）人脸跟踪
面貌跟踪是指对被检测到的面貌进行动态目标跟踪。具体采用基于模型的方法或基于运动与模型相结合的方法。此外，利用肤色模型跟踪也不失为一种简单而有效的手段。
（3）人脸比对
面貌比对是对被检测到的面貌像进行身份确认或在面像库中进行目标搜索。这实际上就是说，将采样到的面像与库存的面像依次进行比对，并找出最佳的匹配对象。所以，面像的描述决定了面像识别的具体方法与性能。目前主要采用特征向量与面纹模板两种描述方法：
①特征向量法
该方法是先确定眼虹膜、鼻翼、嘴角等面像五官轮廓的大小、位置、距离等属性，然后再计算出它们的几何特征量，而这些特征量形成一描述该面像的特征向量。
②面纹模板法
该方法是在库中存贮若干标准面像模板或面像器官模板，在进行比对时，将采样面像所有象素与库中所有模板采用归一化相关量度量进行匹配。此外，还有采用模式识别的自相关网络或特征与模板相结合的方法。
人脸识别技术的核心实际为“局部人体特征分析”和“图形/神经识别算法。”这种算法是利用人体面部各器官及特征部位的方法。如对应几何关系多数据形成识别参数与数据库中所有的原始参数进行比较、判断与确认。一般要求判断时间低于1秒。
应用前景
目前生物识别技术已广泛用于政府、军队、银行、社会福利保障、电子商务、安全防务等领域。例如，一位储户走进了银行，他既没带银行卡，也没有回忆密码就径直提款，当他在提款机上提款时，一台摄像机对该用户的眼睛扫描，然后迅速而准确地完成了用户身份鉴定，办理完业务。这是美国德克萨斯州联合银行的一个营业部中发生的一个真实的镜头。而该营业部所使用的正是现代生物识别技术中的“虹膜识别系统”。此外，美国“9.11”事件后，反恐怖活动已成为各国政府的共识，加强机场的安全防务十分重要。美国维萨格公司的脸像识别技术在美国的两家机场大显神通，它能在拥挤的人群中挑出某一张面孔，判断他是不是通缉犯。
随着技术的进一步成熟和社会认同度的提高，人脸识别技术将应用在更多的领域。
1、企业、住宅安全和管理。如人脸识别门禁考勤系统，人脸识别防盗门等。
2、电子护照及身份证。这或许是未来规模最大的应用，国际民航组织（ICAO）已确定，从2010年起，其118个成员国家和地区，必须使用机读护照，人脸识别技术是首推识别模式，该规定已经成为国际标准。中国的电子护照计划公安部一所正在加紧规划和实施。
3、公安、司法和刑侦。如利用人脸识别系统和网络，在全国范围内搜捕逃犯。
4、自助服务。如银行的自动提款机，如果用户卡片和密码被盗，就会被他人冒取现金。如果同时应用人脸识别就会避免这种情况的发生。
5、信息安全。如计算机登录、电子政务和电子商务。在电子商务中交易全部在网上完成，电子政务中的很多审批流程也都搬到了网上。而当前，交易或者审批的授权都是靠密码来实现，如果密码被盗，就无法保证安全。但是使用生物特征，就可以做到当事人在网上的数字身份和真实身份统一，从而大大增加电子商务和电子政务系统的可靠性。
2012年无锡采用物联网人脸识别技术规范建筑市场。无锡的建筑工地将从6月1日起每天通过物联网技术进行人脸识别，通过考勤管理，确保项目负责人到位，挂靠、层层转包等现象将有望受到限制。
京沪高铁三站将建人脸识别系统，整容也能被识别。铁路部门发布计划表示，将在京沪高铁段的上海虹桥站、天津西站、济南西站这三个站点，建设人脸识别系统工程，以协助公安部门抓捕在逃罪犯。利用这个系统，作案后的犯罪分子，即使整容，也将能够被识别。
二：[人脸识别技术]人脸识别 大数据，AI寻人落地还有多远?
其实，类似的寻人平台并不少见，全国范围内，以民政部、救助站为首的公益机构以及民间志愿组织，大部分都有开通PC或手机APP应用的寻人平台。如影响力较大的有全国救助寻亲网，也是百度合作的第一家AI寻人平台，还有福建省公安厅与腾讯互联网+合作事业部联合发布的“牵挂你”防走失平台等等，还有我们日常在新闻客户端常看到的类似“随手拍”等平台，这些都是针对人员走失找回的公益平台，各大平台由于后台的技术支持方不一，因此，找回的技术方式和流程也不尽相同，不过，核心的技术架构普遍采用的是人脸识别+大数据。
随着人工智能技术的日趋成熟，其在各领域的应用也逐步落地，驱动了多应用领域走向智能阶段，其中人脸识别更是以其技术的通用性，快速颠覆了包括公安抓捕嫌疑人、人员走失找回等原有应用体系的工作流程，辅以大数据运作平台，系统的识别率和海量数据的检索能力都得到质的提升，可大大提高目标人员信息匹配的准确率，这也是当前AI寻人的真实现状。包括百度、腾讯等在内目前都已是相关AI寻人平台背后的人脸识别技术提供方。
根据最新的数据显示，百度寻人平台日均用户调用人脸识别功能超过200次，90%以上相似度占到1/10。腾讯优图合作的防走失平台则在成立后短短的3个月时间里成功找回124名走失人员。如果用原始的人眼查看的方式，远达不到如今的数据值。
影响AI寻人成功率的两大因素
AI寻人指向的是两大要素，一是人脸识别的精准度，二则是人脸库的数据量。
人脸识别技术
首先我们来了解下人脸识别本身的技术。在人工智能技术的持续的进化下，人脸识别的准确率也在逐渐提升，我们已经能看到有多家企业在国际权威人脸识别数据库LFW上刷新纪录的消息，实验室的数据高达99.5%甚至往上，这是人脸识别技术应用到实际业务中的基础，我们也为此感到高兴。
影响人脸识别的因素有很多，其中影响人脸检测的因素有：光照、人脸姿态、遮挡程度;影响特征提取的因素有：光照、表情、遮挡、年龄，模糊是影响人脸识别精度的关键因素。而在跨年龄人脸检测中影响因素更多。
一般而言，在跨年龄阶段人脸识别中，类内变化通常大于类间变化(不同人相似年龄的照片的相似度有时比同一人不同年龄段的照片相似度更高)，这造成了人脸识别的巨大困难。同时，跨年龄的训练数据难以收集，没有足够多的数据，基于深度学习的神经网络很难学习到跨年龄的类内和类间变化。
针对这些技术难点，目前相关技术提供商均在通过优化算法以及加大对模型的训练来寻求突破，我们也能从相关的资讯中了解到人脸识别监测精度的发展进度，它们的落地领域包括应用最为广泛的安防监控以及金融、商业应用等领域。
人脸库的数据共享问题
从寻人平台的操作流程来看，用户只需上传一张要查找人的照片，系统会自动进行人脸比对，然后按照人脸相似度生成一张查询结果页面，供用户再次确认。这个过程中，系统采用的是静态人脸比对的方式，通过目标人的人脸照片和数据库中的人脸进行比对。因此，人脸匹配的几率，其实和数据库中人脸的数据量有很大关系，人脸库中的照片来自于各地方救助站、公安、民政局以及随手拍等渠道提供的数据，据相关资料了解，目前全国2000多个救助站有共3万多条走失人员数据，这个数据仅仅是救助站的数据，还不包括公安部门的数据，当然还有来自民间的随手拍的数据甚至街头巷尾视频监控抓拍的人脸数据。而这些数据分散在不同的寻亲平台，目前还没有一个系统可以统计到所有的具体失踪人口的数据，数据共享问题也极大地影响着当前寻人找回的成功率。
数据共享问题涉及到方方面面，这方面的建设也不能一蹴而就，相比于早前传统的方式，近两年的人工智能技术已经推动了人员走失找回方式的重大变革， AI寻人需要循序渐进，我们也期待在技术的推动下，更多走失的亲人可以重回温暖的家，这需要社会各方的努力!
a&s全球安防50强
GDSF上海GDSF南京 GDSF成都 GDSF广州 GDSF北京
中国百大集成商 十大安防品牌 智能安防产品 TOP10
安防大班级
想了解更多？那就赶紧来关注我们
三：[人脸识别技术]人脸识别技术简介?
人脸识别技术是基于基于人的脸部特征信息进行身份识别的一种生物识别技术。
用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行一系列比对的相关技术，通常也叫人像识别或面部识别。人脸与人体的其他生物特征（指纹和虹膜等）一样与生俱来，它的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提。
与其他类别的生物识别比较，人脸识别具有如下特点 ：
非强制性：用户不需要专门配合人脸采集设备，几乎可以在无意识的状态下就可以获得人来图像，这样的取样方式没有强制性；
非接触性：用户不需要和设备直接接触就能获得人脸图像；
并发性：在实际应用场景下可以进行多个人脸的分拣、判断和识别；
除此之外，还符合视觉特性：以貌识人 的特性，以及操作简单、结果直观、隐蔽性好等特点。
人脸识别目前来讲具体分为以下几个步骤：
1、人脸检测
根据眼睛、眉毛、嘴巴、鼻子等器官的特征以及相互之间的几何位置关系来检测人脸，即在一幅图像或一系列图像（比如视频）中判断是否有人脸，若有则返回人脸的大小、位置等信息。
2、人脸图像预处理
系统获取的原始图形由于受到各种条件的限制和随机干扰，必须在图像处理的早期阶段进行灰度校正、噪声过滤图像预处理。人脸图像预处理主要包括：人脸对准，人脸图像增强，以及归一化等工作。
人脸对准是为了人脸位置端正的人脸图像
图像增强是为了改善人脸图像的质量，不仅在视觉上更加清晰，而且使图像更利于计算机的处理与识别
归一化的工作的目标是取得尺寸的一致，灰度取值范围相同的标准化人脸图像
3、人脸图像特征提取
人脸识别提取就是针对人脸的某些特征进行的。人脸特征也称人脸表征，它是对人脸进行特征建模的过程
4、人脸图像匹配与识别
人脸识别就是将待识别的人脸特征与已得到的人脸的特征模板进行比较，根据相似程度对人脸的身份信息进行判断。这一过程又分为两类：
一类是人脸确认，是一对一进行图像比较的过程，根据其相似程度来判断是否是同一个人，相似程度一般以能否超过某以量化阈值为依据。
另一类是人脸辨认，是一对多进行图像对比，将某人面像与数据库中的多人的人脸进行对比，并根据比对结果来鉴定此人身份，或找到其中最相似的人脸，并按照相似程度的大小输出检测结果。乌镇互联网大会中的刷脸注册系统，百度大厦的闸机，人停留1到2秒即可通过，这就是1：N的人脸识别。
目前不仅Google和百度这种大企业在研发人脸识别技术，在国内，像中安未来等一些中小型企业也在人脸识别技术上取得了突破性的进展，在许多应用场景都进行了商业化应用的尝试。
更多人脸识别信息 请关注新浪博客：
blog.sina.com.cn/u/6054904961
评论区留言，有惊喜哦~
