人臉識別技術(shù)原理分析

　　人臉由于其易采集的特性，受到很多行業(yè)客戶的關(guān)注，特別是公安、海關(guān)、商場等。人類每天都在進行人臉識別，因此也最能接受這種身份認證方式。人臉識別的研究始于上世紀(jì)中期，經(jīng)歷了數(shù)十年的努力，現(xiàn)在已經(jīng)可以應(yīng)用在我們的實際生活中，為我們提供各種便利。

　　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(xùn)練級聯(lián)分類器對圖像中的每一塊進行分類。如果某一矩形區(qū)域通過了級聯(lián)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(shù)字來表征人臉信息，這些數(shù)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(guān)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精準(zhǔn)選擇，限制了它的應(yīng)用范圍。另外，當(dāng)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(yīng)用。

　　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?biāo)崛〉奶卣髋c數(shù)據(jù)庫中人臉的特征進行對比，根據(jù)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(shù)據(jù)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(shù)據(jù)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(shù)據(jù)的匹配。常用的分類器有最近鄰分類器、支持向量機等。

　　現(xiàn)在已有一些機構(gòu)、高校在進行人臉識別新領(lǐng)域、新技術(shù)的研究。如遠距離人臉識別技術(shù)，3D人臉識別技術(shù)等。遠距離人臉識別系統(tǒng)面臨兩個主要困難。一是如何從遠距離獲取人臉圖像。其次，在得到的數(shù)據(jù)并不理想的情況下如何識別身份。從某種意義上來看，遠距離人臉識別并不是一個特定的關(guān)鍵技術(shù)或基礎(chǔ)研究問題。它可看成是一個應(yīng)用和系統(tǒng)設(shè)計問題。通常有兩類解決方法用于獲取人臉圖片。一種是高清的固定式攝像機，另一種是使用PTZ控制系統(tǒng)多攝像機系統(tǒng)。后者更適合于一般情況，不過其結(jié)構(gòu)更為復(fù)雜，造價也更貴。后者需要慮如何協(xié)調(diào)多臺攝像機的同步操作。一般地，系統(tǒng)由低分辨率廣角攝像機和高分辨率長焦攝像機組成。前者用于檢測和追蹤目標(biāo)，后者用于人臉圖像采集和識別。目前遠距離人臉識別技術(shù)還處于實驗室階段，未來如果能夠解決上述問題，對人員布控這樣的應(yīng)用有著重要意義。

　　3D人臉識別能夠很好地克fu2D人臉識別遇到的姿態(tài)、光照、表情等問題。主要原因是2D圖像無法很好地表示深度信息。通常，3D人臉識別方法使用3D掃描技術(shù)獲取3D人臉，然后建立3D人臉模型并用于識別。不過，3D人臉識別技術(shù)的缺點也是很明顯的。首先它需要額外的3D采集設(shè)備或雙目立體視覺技術(shù)，其次，建模過程需要的計算量較大。相信隨著未來芯片技術(shù)的發(fā)展，當(dāng)計算能力不再受到制約，采集設(shè)備成本大幅下降的時候，3D人臉識別將會成為熱門技術(shù)之一。

重慶人臉識別之生物識別產(chǎn)業(yè)現(xiàn)三大趨勢

2010至2014年，國內(nèi)生物識別市場平均增長率保持在60％以上，2014年生物識別市場規(guī)模為80多億元人民幣，預(yù)計到2015年中國生物識別市場規(guī)?？赏黄?00億元，2020年生物識別市場規(guī)模將突破300億元。

在地方的重視、下游應(yīng)用普及與技術(shù)提高共同推動生物識別市場快速發(fā)展。

結(jié)合西方國家生物識別產(chǎn)業(yè)發(fā)展軌跡，前瞻產(chǎn)業(yè)研究院認為，未來國內(nèi)生物識別產(chǎn)業(yè)將有以下發(fā)展趨勢：

首先，產(chǎn)業(yè)集中度將不斷提高，從2002年迄今，國外生物識別產(chǎn)業(yè)經(jīng)過競爭淘汰以及大量的并購重組，生物識別公司數(shù)量下降至100余家，上規(guī)模的重要企業(yè)甚至不足15家，未來產(chǎn)業(yè)優(yōu)勝劣汰將在我國出現(xiàn)；

其次，生物識別均衡發(fā)展。指紋識別技術(shù)一家獨大的局面將被打破，未來語音識別、人臉識別、虹膜識別等多種技術(shù)可百放齊放，共同發(fā)展；

{zh1}，多技術(shù)融合發(fā)展成主流。隨著信息安全問題日益突出，市場需求日益強烈，技術(shù)整合融合（采用兩種或以上的生物識別技術(shù)，如指紋與人臉識別搭配；指紋、人臉再加虹膜識別等）進一步確保信息安全成為發(fā)展大勢。

關(guān)于人臉識別的市場情況怎么樣呢？

人臉可以分為多少類呢？

　　取決于所處理問題的人臉庫大小，人臉庫中有多少目標(biāo)人臉，就需要機器進行相應(yīng)數(shù)量的細分類。如果想要機器認出每個他看到的人，則這世界上有多少人，人臉就可以分為多少類，而這些類別之間的區(qū)別是非常細微的。由此可見人臉識別問題的難度。

　　更不要提，這件事還要受到光照，角度，人臉部的裝飾物等各種因素的影響。這也不難解釋為什么人臉識別技術(shù)目前還沒有大量應(yīng)用在日常生活中，大部分人只能在科幻電影中接觸人臉識別了。

傻傻分不清楚——一些容易被混淆的概念

　　一些不太被人熟悉的事物，經(jīng)常會伴隨著大量的概念混淆。

　　比如對西方宗教不太了解的國人，可能搞不清楚為什么有些人信上帝但不信耶穌；都是在教堂工作的大叔，為什么有些要禁欲，有些卻能結(jié)婚。

　　而人臉識別作為一個新事物，也伴隨著大量的概念混淆，而分清這些概念，對于理解人臉識別還是比較重要的。

人臉檢測與人臉識別

　　完成人臉識別的工作，要經(jīng)過幾個步驟。首先計算機需要在圖像或視頻中找到人臉的位置，這部分工作一般叫做人臉檢測。如前所述，這是一種粗分類，具體到人臉檢測中，實際上是二分類，計算機只需要判斷目標(biāo)圖像是或者不是人臉。但由于并不能事先確定人臉的大小和位置，計算機需要以每個可能的人臉大小對全圖進行掃描，逐個判斷子窗口所截取的圖像是否為人臉。而每次掃描過程，子窗口移動的步長可能是幾個像素。

　　所以你可以大致想象下，作一張圖的人臉檢測，計算機需要作多少次二分類判斷。

　　人臉檢測步驟從一張圖中獲得人臉的位置和大小，并將該部分圖像送給后續(xù)步驟，bao括：人臉部件點定位，人臉圖像的對齊和歸一化，人臉圖像質(zhì)量選取，特征提取，特征比對。所有步驟完成后，才能得知該人臉的身份。

　　當(dāng)然，我們也可以單獨使用人臉檢測功能來完成某些應(yīng)用，比如當(dāng)前大部分照相機，及手機攝像頭都有人臉檢測功能，可以自動獲得人臉位置，從而對圖片作一些自動調(diào)焦和優(yōu)化。甚至對人臉做一些初步的判斷，比如性別、年齡，甚至顏值。