人脸识别的十个关键技术组成及原理

人脸识别技术已成为纳入研发参考的、给人们带来高质量生活的又一科技解决途径。日常生活中，人脸识别的应用已经常见，那么你知道它是如何做到如此智能吗？下面，我们就带大家了解人脸识别涉及的十个关键技术。

1、人脸检测（Face Detection）：是检测出图像中人脸所在位置的一项技术

人脸检测算法的输入是一张图片，输出是人脸框坐标序列(0个人脸框或1个人脸框或多个人脸框)。一般情况下，输出的人脸坐标框为一个正朝上的正方形，但也有一些人脸检测技术输出的是正朝上的矩形，或者是带旋转方向的矩形。

常见的人脸检测算法基本是一个“扫描”加“判别”的过程，即算法在图像范围内扫描，再逐个判定候选区域是否是人脸的过程。因此人脸检测算法的计算速度会跟图像尺寸、图像内容相关。开发过程中，我们可以通过设置“输入图像尺寸”、或“最小脸尺寸限制”、或“人脸数量上限”的方式来加速算法。

2、人脸配准（Face Alignment）：是定位出人脸上五官关键点坐标的一项技术

人脸配准算法的输入是“一张人脸图片”加“人脸坐标框”，输出五官关键点的坐标序列。五官关键点的数量是预先设定好的一个固定数值，可以根据不同的语义来定义(常见的有5点、68点、90点等等)。

当前效果的较好的一些人脸配准技术，基本通过深度学习框架实现，这些方法都是基于人脸检测的坐标框，按某种事先设定规则将人脸区域扣取出来，缩放的固定尺寸，然后进行关键点位置的计算。因此，若不计入图像缩放过程的耗时，人脸配准算法是可以计算量固定的过程。另外，相对于人脸检测，或者是后面将提到的人脸提特征过程，人脸配准算法的计算耗时都要少很多。

人脸配准结果举例(右图中的绿色点位人脸配准结果)

3、人脸属性识别（Face Attribute）：是识别出人脸的性别、年龄、姿态、表情等属性值的一项技术

一般的人脸属性识别算法的输入是“一张人脸图”和“人脸五官关键点坐标”，输出是人脸相应的属性值。人脸属性识别算法一般会根据人脸五官关键点坐标将人脸对齐(旋转、缩放、扣取等操作后，将人脸调整到预定的大小和形态)，然后进行属性分析。

常规的人脸属性识别算法识别每一个人脸属性时都是一个独立的过程，即人脸属性识别只是对一类算法的统称，性别识别、年龄估计、姿态估计、表情识别都是相互独立的算法。但最新的一些基于深度学习的人脸属性识别也具有一个算法同时输入性别、年龄、姿态等属性值的能力。

人脸属性识别过程(最右侧文字为属性识别结果)

4、人脸提特征（Face Feature Extraction）：是将一张人脸图像转化为一串固定长度的数值的过程

这个数值串被称为“人脸特征(Face Feature)”，具有表征这个人脸特点的能力。

人脸提特征过程的输入也是 “一张人脸图”和“人脸五官关键点坐标”，输出是人脸相应的一个数值串(特征)。人脸提特征算法都会根据人脸五官关键点坐标将人脸对齐预定模式，然后计算特征。

近几年来，深度学习方法基本统治了人脸提特征算法，这些算法都是固定时长的算法。早前的人脸提特征模型都较大，速度慢，仅使用于后台服务。但最新的一些研究，可以在基本保证算法效果的前提下，将模型大小和运算速度优化到移动端可用的状态。

人脸提特征过程(最右侧数值串为“人脸特征”）

5、人脸比对（Face Compare）：是衡量两个人脸之间相似度的算法

人脸比对算法的输入是两个人脸特征(注：人脸特征由前面的人脸提特征算法获得)，输出是两个特征之间的相似度。人脸验证、人脸识别、人脸检索都是在人脸比对的基础上加一些策略来实现。相对人脸提特征过程，单次的人脸比对耗时极短，几乎可以忽略。

基于人脸比对可衍生出人脸验证(Face Verification)、人脸识别(Face Recognition)、人脸检索(Face Retrieval)、人脸聚类(Face Cluster)等算法。

人脸对比过程(右侧的相似度为人脸比对输出的结果)

6、人脸验证（Face Verification）：是判定两个人脸图是否为同一人的算法

它的输入是两个人脸特征，通过人脸比对获得两个人脸特征的相似度，通过与预设的阈值比较来验证这两个人脸特征是否属于同一人(即相似度大于阈值，为同一人;小于阈值为不同)。

人脸验证过程说明(最右侧“是同一人”为人脸验证的输出)

7、人脸识别（Face Recognition）：是识别出输入人脸图对应身份的算法

它的输入一个人脸特征，通过和注册在库中N个身份对应的特征进行逐个比对，找出“一个”与输入特征相似度最高的特征。将这个最高相似度值和预设的阈值相比较，如果大于阈值，则返回该特征对应的身份，否则返回“不在库中”。

人脸识别过程(右侧身份“jason”为人脸识别结果)

8、人脸检索：是查找和输入人脸相似的人脸序列的算法

人脸检索通过将输入的人脸和一个集合中的说有人脸进行比对，根据比对后的相似度对集合中的人脸进行排序。根据相似度从高到低排序的人脸序列即使人脸检索的结果。

人脸检索过程(右侧绿框内排序序列为检索结果)

9、人脸聚类（Face Cluster）：是将一个集合内的人脸根据身份进行分组的算法

人脸聚类也通过将集合内所有的人脸两两之间做人脸比对，再根据这些相似度值进行分析，将属于同一个身份的人划分到一个组里。

在没有进行人工身份标注前，只知道分到一个组的人脸是属于同一个身份，但不知道确切身份。另外假设集合中有N个人脸，那么人脸聚类的算法复杂度为O(N2)

人脸聚类过程(右侧绿框内按身份的分组结果为聚类结果)

10、人脸活体（Face Liveness）：是判断人脸图像是来自真人还是来自攻击假体(照片、视频等)的方法

和前面所提到的人脸技术相比，人脸活体不是一个单纯算法，而是一个问题的解法。这个解法将用户交互和算法紧密结合，不同的交互方式对应于完全不同的算法。鉴于方法的种类过于繁多，这里只介绍“人脸活体”的概念，不再展开。

人脸识别的十个关键技术组成及原理相关推荐

人脸识别发展的关键技术是什么？
https://www.toutiao.com/a6693047362782233100/ 活体检测是人脸识别发展的关键技术,也是在实际应用中的重要保障,更是深度算法的重大突破.随着深度学习方法的应用 ...
5种最著名的人脸识别算法和关键特征介绍
人脸识别算法是任何人脸检测和识别系统或软件的基础组件.专家将这些算法分为两种核心方法:几何方法侧重于区分特征,光度统计方法用于从图像中提取值. 然后将这些值与模板进行比较以消除差异. 这些算法还可以分 ...
人脸识别应用概览及其技术、产品厂商一览
人脸识别应用概览及其技术.产品厂商一览人脸识别概述概念人脸识别,是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 ...
云栖大会人脸识别闸机【技术亮点篇4】--户外闸机高20%的抗撞击能力
云栖大会人脸识别闸机[技术亮点篇4]–户外闸机高20%的抗撞击能力云栖大会户外闸机是一款针对通用系列摆闸存在的缺陷进行升级换代的新型高科技通道产品,艾力奋会展服务公司提供的户外无刷防撞摆闸,采用全新 ...
微分算法非侵入式负荷识别_非侵入式负荷监测的识别方法和关键技术
原标题:非侵入式负荷监测的识别方法和关键技术在智能电网时代,必须突破目前用户家用电表只能读取用电总量,不能深入分析用户内部负荷成分,获取负荷信息有限的这一瓶颈,以完善用电信息采集系统和智能用电系统. ...
云栖大会人脸识别闸机【技术亮点篇3】--人脸识别闸机摆闸可达500万次
云栖大会人脸识别闸机[技术亮点篇3]–人脸识别闸机摆闸可达500万次人脸识别检票闸机,已经开始广泛的应用在全国各大展览会.会议等人员进出通道场所,依照其外观类型也叫翼闸人脸识别闸机.检测报告中显示: ...
云栖大会人脸识别闸机【技术亮点篇6】--人脸识别闸机采用活体检测技术
云栖大会人脸识别闸机[技术亮点篇6]–人脸识别闸机采用活体检测技术云栖大会使用的人脸识别闸机采用了活体检测技术,而为云栖大会提供闸机硬件的艾力奋会展服务公司的人脸识别系统中,也采用了活体检测技术.活 ...
云栖大会人脸识别闸机【技术亮点篇7】--人脸识别闸机可挑战12万组人脸数据
云栖大会人脸识别闸机[技术亮点篇7]–人脸识别闸机可挑战12万组人脸数据为云栖大会提供人脸识别闸机的艾力奋会展服务有限公司可做到,人脸识别前端硬件的数据库可支持超过十万组人脸数据,无惧人数的挑战.在 ...
人脸识别人证比对技术SDK
人脸识别人证比对技术SDK 一.人脸识别人证比对技术1:1及1:N概念人脸识别人证比对技术1:1如我们现在在宾馆.网吧.机场安检等的人与身份证上的照片进行比对的应用,用来证明自己是自己.想想,目前我 ...
神经网络的人脸识别方法,神经网络图像识别技术
神经网络如何识别和编码性别? 神经网络模拟人脑中的神经元,神经元相互连接.每个神经元接收数据,并将判断过程中产生的信号传输到下一个神经元,该神经元逐层传输,最终达到识别的目的,与其他模型不同,神经网络 ...

人脸识别的十个关键技术组成及原理

人脸识别的十个关键技术组成及原理相关推荐

最新文章

热门文章