新闻中心

科普,一文读懂人脸识别技术

2020-4-27 9:57:50浏览次数:

人脸识别(Face Recognition)是一种依据人的面部特征(如统计或几何特征等),自动进行身份识别的一种生物识别技术,又称为面像识别、人像识别、相貌识别、面孔识别、面部识别等。通常我们所说的人脸识别是基于光学人脸图像的身份识别与验证的简称。

QQ截图20200420112414.jpgQQ截图20200420112521.jpg

根据人脸识别行业发展现状;到2016年,全球生物识别市场规模在127.13亿美元左右,其中人脸识别规模约26.53亿美元,占比在20%左右。预计到2021年,全球人脸识别市场预计将达到63.7亿美元,按预计期间的复合增长率达17.83%。估算我国人脸识别市场规模约占全球市场的10%左右。2010-2016年,我国人脸识别市场规模逐年增长,年均复合增长率达27%。2016年,我国人脸识别行业市场规模约为17.25亿元,同比增长27.97%,增速较上年上升4.64个百分点。

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。

图片1.jpg

人脸检测结果举例(绿色框为人脸检测结果)


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)。

图片2.jpg

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。

图片3.jpg

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。

图片5.jpg

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。

图片5.jpg

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)。

图片6.jpg

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”。

图片7.jpg

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。

图片8.jpg

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。

99.jpg

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。


人脸识别技术目前已经广泛应用于金融、司法、军队、公安、边检、安防等领域。随着平安城市、智能医疗、楼宇、交通和智慧生活的建设和发展,人脸识别产品将越来越深入我们的生活。



人脸识别、智能终端产品的相关资讯:

工业设计中的创新美学

简析人证核验终端应用趋势与核心技术

智能门禁一体机升级,戴着口罩也认出你