重慶人臉識別機器關于人臉識別技術原理分析

人臉識別主要分為人臉檢測（face detection）、特征提取（feature extraction）和人臉識別（face recognition）三個過程。

人臉檢測：人臉檢測是指從輸入圖像中檢測并提取人臉圖像，通常采用haar特征和Adaboost算法 訓練級聯分類器對圖像中的每一塊進行分類。如果某一矩形區域通過了級聯分類器，則被判別為人臉圖像。

特征提取：特征提取是指通過一些數字來表征人臉信息，這些數字就是我們要提取的特征。常見的人臉特征分為兩類，一類是幾何特征，另一類是表征特征。幾何 特征是指眼睛、鼻子和嘴等面部特征之間的幾何關系，如距離、面積和角度等。由于算法利用了一些直觀的特征，計算量小。不過，由于其所需的特征點不能選擇，限制了它的應用范圍。另外，當光照變化、人臉有外物遮擋、面部表情變化時，特征變化較大。所以說，這類算法只適合于人臉圖像的粗略識別，無法在實際中應用。

表征特征利用人臉圖像的灰度信息，通過一些算法提取全局或局部特征。其中比較常用的特征提取算法是LBP算法。LBP方法首先將 圖像分成若干區域，在每個區域的像素640x960鄰域中用中心值作閾值化，將結果看成是二進制數。圖3顯示了一個LBP算子。LBP算子的特點是對單調 灰度變化保持不變。每個區域通過這樣的運算得到一組直方圖，然后將所有的直方圖連起來組成一個大的直方圖并進行直方圖匹配計算進行分類。

人臉識別：這里提到的人臉識別是狹義的人臉識別，即將待識別人臉所提取的特征與數據庫中人臉的特征進行對比，根據相似度判別分類。而人臉識別又可以分為 兩個大類：一類是確認，這是人臉圖像與數據庫中已存的該人圖像比對的過程，回答你是不是你的問題;另一類是辨認，這是人臉圖像與數據庫中已存的所有圖像匹 配的過程，回答nss的問題。顯然，人臉辨認要比人臉確認困難，因為辨認需要進行海量數據的匹配。常用的分類器有最近鄰分類器、支持向量機等。

與指紋應用方式類似，人臉識別技術目前比較成熟的也是勤機。因為在勤系統中，用戶是主動配合的，可以在特定的環境下獲取符合要求的人臉。這就為人臉 識別提供了良好的輸入源，往往可以得到滿意的結果。但是在一些公共場所安裝的視頻監空探頭，由于光線、角度問題，得到的人臉圖像很難比對成功。這也是未來 人臉識別技術發展必須要解決的難題之一。

人臉識別系統是未來安防的發展方向之一

人臉識別系統是未來安防的發展方向之一 。在目前的安防市場中，監空領域的高清技術、智能分析技術是未來的發展方向；在門禁控制領域中，生物識別、物聯網是未來的發展方向；在防盜報警領域中，紅外探測技術等是市場應用的熱點，大安防市場，是將視頻監空、防盜報警及門禁控制這幾大分支領域融合在一起。最終，我們歸納為智能分析+人臉識別是大安防市場的發展方向。

　　安防市場應用領域及技術特點不勝枚舉，為何偏偏選中了智能分析與人臉識別呢？其又可以發展出哪些新的技術與應用，能否帶動整個大安防市場發展還是個未知數。仔細地分析過后，或許我們會發現其有一定的道理：

大安防技術應用三大特點

　　特點一：智能分析帶動高清監空市場。在高清成像顯示的前提下，融合計算機分析技術及管理模式，配合監空系統的'眼睛'與'大腦'，將二者結合起來。

　　特點二：人臉識別帶動生物識別發展。未來的識別領域，為了區別人與人或物與物之間的不同，發揮生物識別唯yi性與準確性等特點，在大安防市場中，如何快速定位一個人的蹤跡，或許這需要一個對比過程。

　　特點三：大數據庫的快速尋找。如何在海量數據庫中尋找到你所需的人員面部信息，我想這需要智能分析+人臉識別，另加入視頻數據挖掘技術，才能夠真正實現大安防監空的作用。

無論是從技術上還是從產品上來說，大安防市場智能分析+人臉識別技術成為未來的發展方向已成事實。在帶動傳統的安防技術外，云計算、光學技術、LCD液晶技術等或許都可以成為大安防的左膀右臂。

高級人臉拼圖識別系統簡介

高級人臉拼圖識別系統簡介據英國媒體近日報道，科學家研究出的一種高級的人臉拼圖識別系統，能夠幫助受害人和目擊證人準確拼湊出罪犯的畫像，準確率高達近50%。

這種高級人臉拼圖識別系統被稱為EvoFIT，由英國中央蘭開夏大學的兩名學者彼得·漢克和查利·弗勞德設計開發而成。

與傳統的人臉識別系統相比，EvoFIT系統具有十分明顯的優勢。傳統的人臉識別方式要求受害人或目擊證人逐個回憶和識別犯罪嫌疑人的五官和外貌特征，例如鼻子、眼睛、發型等，{zh1}再將零散的五官拼湊出犯罪分子的臉。

EvoFIT 則更加科學細致，強調從整體上確定犯罪嫌疑人的大致輪廓，再分部位進行微調和改進。受害人或目擊證人首先選定臉型、膚質、膚色等整體特征，再替換和調整眼睛、鼻子、耳朵、嘴型等五官特征，{zh1}加上發色、發型、耳朵等外貌特征，拼湊一個更加接近真實罪犯外表的圖像。整個還原過程更像是一個人臉“進化”的過程。

發明者查利·弗勞德介紹說：“傳統的人臉識別系統要通過辨別上百張圖片才能夠拼湊出一張人臉畫像。而且由于最終的成像是通過分散的外表特征湊起來的，準確率還不到10%。而我們在實驗過程中發現，受害人或目擊者記憶中的罪犯外表特征其實是作為一個整體儲存在記憶中的，EvoFIT系統能夠在識別過程中不斷調整這些特征，縮小目標的范圍，修正錯誤的信息，逐漸喚醒受害人的記憶，成功率自然更高。”

2008年，英國蘭開夏jc局首先開始采用EvoFIT系統，并利用好的成像效果成功偵破了不少大案。目前，該系統憑借較高的準確率已被bao括倫敦jc局在內的11個地區jc局應用于日常案件的偵破，同時也已被歐洲、美國和以色列的警方采用。