『壹』 人臉識別技術小知識有哪些
人臉識別技術是指利用分析比較的計算機技術識別人臉。人臉識別是一項熱門的計算機技術研究領域，其中包括人臉追蹤偵測，自動調整影像放大，夜間紅外偵測，自動調整曝光強度等技術。
人臉識別技術屬於生物特徵識別技術，是對生物體（一般特指人）本身的生物特徵來區分生物體個體。
(1)人臉檢測
面貌檢測是指在動態的場景與復雜的背景中判斷是否存在面像，稿坦並分離出這種面像。一般有下列幾種方法：
①參考模板法
首先設計一個或數個標准人臉的模板，然後計算測試採集的樣品與標准模板之間的匹配程度，並通過閾值來判斷是否存在人臉；
②人臉規則法
由於人臉具有一定的結構分布特徵，所謂人臉規則的方法即提取這些特徵生成相應的規則以判斷測試樣品是否包含人臉；
③樣品學習法
這種方法即採用模式識別中人工神經網路的方法，即通過對面像樣品集和非面像樣品集的學習產生分類器；
④膚色模型法
這種方法是依據面貌膚色在色彩空間中分布相對集中的規律來進行檢測。
⑤特徵子臉法
這種方法是將所有面像集合視為一個面像子空間，並基於檢測樣品與其在子空間的投影之間的距離判斷是否存在面像。
值得提出的是，上述5種方法在實際檢測系統中也可綜合採用。
(2)人臉跟蹤
面貌跟蹤是指對被檢測到的面貌進行動態目標跟蹤。具體採用基於模型的方法或基於運動與模型相結合的方法。此外，利用膚色模型跟蹤也不失為一種簡單而有效的手段。
(3)人臉比對
面貌比對是對被檢測到的面貌像進行身份確認或在面像庫中進行目標搜索。這實際上就是說，將采樣到的面像與庫存的面像依次進行比對，並找出最佳的匹配對象。所以，面像的描述決定了面像識別的具體方法與性能。主要採用特徵向量與面紋模板兩種描述方法：
①特徵向量法
該方法是先確定眼虹膜、鼻翼、嘴角等面像五官輪廓的大小、位置、距離等屬性，然後再計算出它們的幾何特徵量，而這些特徵量形成一描述該面像的特徵向量。
②面紋模板法
該方法是在庫中存貯若干標准面像模板或面像器官模板，在進行比對時，將采樣面像所有象素與庫中所有模板採用歸一化相關量度量進行匹配。此外，還有採用模式識別的自相關網路或特徵與模板相結合的方法。
人臉識別技術的核心實際為「局部人體特徵分析」和「圖形/神經識別演算法。」這種演算法是利用人體面部各器官及特徵部位的方法。如對應幾何關系多數據形成識別參數與資料庫中所有的原始參數進行比較、判斷與確認。一般要求判斷洞敬雹時間低於1秒。
識別過程
一般分三步：
(1)首先建立人臉的面像檔案。即用攝像機採集單位人員的人臉的面像文件或取他們的照片形成面像文件，並將這些面像文件生成面紋(Faceprint)編碼貯存起來。
(2)獲取當前的人體面像。即用攝像機捕捉的當前出入人員的面像，或取照片輸入，並將當前的面像文件生成面紋編碼。
(3)用當前的面紋編碼與檔案庫存的比對。即將當前的面像的面紋編碼與檔案庫存中的面紋編碼進行檢索比對。上述的「面紋編碼」方式是根據人臉臉部的本質特徵和開頭來工作的。這種面紋編碼可以抵抗光線、皮膚色調、面部毛發、發型、眼鏡、表情和姿態的變化，具有強大的可靠性，從而使它可以從百萬人中精確地辨認出某個人。人臉納帆的識別過程，利用普通的圖像處理設備就能自動、連續、實時地完成。
技術流程
人臉識別系統主要包括四個組成部分，分別為：人臉圖像採集及檢測、人臉圖像預處理、人臉圖像特徵提取以及匹配與識別。
人臉圖像採集及檢測
人臉圖像採集：不同的人臉圖像都能通過攝像鏡頭採集下來，比如靜態圖像、動態圖像、不同的位置、不同表情等方面都可以得到很好的採集。當用戶在採集設備的拍攝范圍內時，採集設備會自動搜索並拍攝用戶的人臉圖像。
人臉檢測：人臉檢測在實際中主要用於人臉識別的預處理，即在圖像中准確標定出人臉的位置和大小。人臉圖像中包含的模式特徵十分豐富，如直方圖特徵、顏色特徵、模板特徵、結構特徵及Haar特徵等。人臉檢測就是把這其中有用的信息挑出來，並利用這些特徵實現人臉檢測。
主流的人臉檢測方法基於以上特徵採用Adaboost學習演算法，Adaboost演算法是一種用來分類的方法，它把一些比較弱的分類方法合在一起，組合出新的很強的分類方法。
人臉檢測過程中使用Adaboost演算法挑選出一些最能代表人臉的矩形特徵(弱分類器)，按照加權投票的方式將弱分類器構造為一個強分類器，再將訓練得到的若干強分類器串聯組成一個級聯結構的層疊分類器，有效地提高分類器的檢測速度。
人臉圖像預處理
人臉圖像預處理：對於人臉的圖像預處理是基於人臉檢測結果，對圖像進行處理並最終服務於特徵提取的過程。系統獲取的原始圖像由於受到各種條件的限制和隨機 干擾，往往不能直接使用，必須在圖像處理的早期階段對它進行灰度校正、雜訊過濾等圖像預處理。對於人臉圖像而言，其預處理過程主要包括人臉圖像的光線補 償、灰度變換、直方圖均衡化、歸一化、幾何校正、濾波以及銳化等。
人臉圖像特徵提取
人臉圖像特徵提取：人臉識別系統可使用的特徵通常分為視覺特徵、像素統計特徵、人臉圖像變換系數特徵、人臉圖像代數 特徵等。人臉特徵提取就是針對人臉的某些特徵進行的。人臉特徵提取，也稱人臉表徵，它是對人臉進行特徵建模的過程。人臉特徵提取的方法歸納起來分為兩大 類：一種是基於知識的表徵方法；另外一種是基於代數特徵或統計學習的表徵方法。
基於知識的表徵方法主要是根據人臉器官的形狀描述以及他們之間的距離特性來獲得有助於人臉分類的特徵數據，其特徵分 量通常包括特徵點間的歐氏距離、曲率和角度等。人臉由眼睛、鼻子、嘴、下巴等局部構成，對這些局部和它們之間結構關系的幾何描述，可作為識別人臉的重要特 征，這些特徵被稱為幾何特徵。基於知識的人臉表徵主要包括基於幾何特徵的方法和模板匹配法。
人臉圖像匹配與識別
人臉圖像匹配與識別：提取的人臉圖像的特徵數據與資料庫中存儲的特徵模板進行搜索匹配，通過設定一個閾值，當相似度超過這一閾值，則把匹配得到的結果輸 出。人臉識別就是將待識別的人臉特徵與已得到的人臉特徵模板進行比較，根據相似程度對人臉的身份信息進行判斷。這一過程又分為兩類：一類是確認，是一對一 進行圖像比較的過程，另一類是辨認，是一對多進行圖像匹配對比的過程。
衡量人臉識別的演算法能力：拒識率、誤識率、通過率，准確率。
『貳』 人臉識別技術是什麼如何進行人臉識別數據標注
最近幾年國內外吹起了了一場AI風,AI技術浪潮也成為了一種趨勢.人臉識別作為最近幾年發展的還算成熟的一項ai技術,也引起了眾多人的關注.鑒於技術的日趨成熟，現階段的人臉識別技術已經在具體場景落地嘗試，如會議人臉簽到、人臉識別智能門禁、安防監控人臉識別報警功能，還有最接近大眾群體的智能手機人臉解鎖功能。
『叄』 人臉識別的技術特點是什麼
傳統的人臉識別技術主要是基於可見光圖像的人臉識別，這也是人們熟悉的識別方式，已有30多年的研發歷史。但這種方式有著難以克服的缺點，尤其在環敏告境光照發生變化時，識別成效會急劇下降，無法滿足實際系統的需要。解決光照問題的方案有三維圖像人臉識別，和熱成像人臉識別，識別成效不盡人意。迅速發雀拿空展起來的一種解決方案是基於主動近紅外圖像的多光源人臉識別技術。它可以克服光線變化的影響，已經取得了卓越的識別性能，在精度、穩定性和速度方面的整體系統性能超過三維圖像人臉識別。
人臉識別技術通過幾何特徵的人臉檢測技術-可以快速的識別人體面貌，具有快速、簡便、不需要人被動配合的特點。比如自己從一架攝像機前走過，經過人臉識別可以迅速而簡便的識別面貌。人臉識別技術通過模板匹配人臉檢測技術，從資料庫當中提取人臉模板進行匹配，具有防偽、防欺詐、准確、直觀和方便的特點。比如在政法系統中可以用來抓捕犯人，可以快速的識別出罪犯的偽裝。人臉識別技術通過統計的人臉檢測技術，對於人臉的圖像大量搜集構成人臉樣本庫，採用統計方法強化該系統，從而實現對人臉進行檢測和分類。具有高性價比和可擴展性的特點。比如銀行加快了工作效率和安全性。人臉識別技術並不是僅僅可以識別捕捉活動的人像，也可以識別靜止的圖片。
人臉與人體的其它生物特徵（指紋、虹膜等）一樣與生俱來，它的僅有性和不易被復制的良好特性為身份鑒別提供了必要的前提，與其它類型的生物識別比較人臉識別具有如下特點：非強制性：用戶不需要專門配合人臉採集設備，幾乎可以在無意識的狀態下就可獲取人臉圖像，這樣的取樣方式沒有頃瞎「強制性」；非接觸性：用戶不需要和設備直接接觸就能獲取人臉圖像；並發性：在實際應用場景下可以進行多個人臉的分揀、判斷及識別；除此之外，還符合視覺特性：「以貌識人」的特性，以及操作簡單、結果直觀、隱蔽性好等特點。
『肆』 百度人臉識別搜索是怎麼實現的
同樣是基於圖片進行搜索，人臉識別和以圖搜圖並不一樣。網路資深工程師陶吉告訴創事記，網路人臉識別首先並不關注完整的圖像結構，其次顏色也沒有任何意義。最主要的特徵表達來自於臉部紋廳哪團理，並進行一些再加工。
具體演算法作為商業機密，難以對外界披露。不過資料顯示，目前人臉識別演算法中LBP是比較流行的一種特徵提取方式，即通過像素周邊8個臨緩盯近像素的灰度值和中扮橘心灰度值比較，得到一個八位編碼，然後再根據編碼的直方圖進行分類。
而影響演算法效果的因素還可能包括預處理、特徵選擇、特徵點定位精度、分類器設計和後處理乃至各種方式的融合、閾值選擇等各個方面。
一張圖片中，人臉至少有40×40像素(約一個指甲蓋大小)，才會被當作有效的識別對象。如果一張圖片中多個人像，目前網路的解決辦法是僅識別尺寸最大的那個，未來網路將提供焦點選擇功能，用戶可以通過選點確定搜索對象。
——數據方面。演算法的改善如果算是充分條件，數據的處理則是必要條件。從機器搜索的角度看，光照、姿態、表情、角度等因素，均是影響巨大的因素，所謂「笑和不笑，都是不同」。所以用來訓練的數據量越大，變化的包容性就越好。
『伍』 人臉識別怎麼用照片通過
人臉識別不可以用照片識別。
人臉識別的重點在於生命特徵識別，圖片沒有生物特徵，自然就不可以用圖片來進行人臉識別，也就是說圖片冒充不了活人。
為確保數據的准確性，手機上的認證軟體基本都會要求用戶在識別過程中進行指定的動作操作，比如眨眼，搖頭，點頭等動作。僅用照片無法通過這些動作驗證。
主要用途
人臉識別主要用於身份識別。由於視頻監控正在快速普及，眾多的視頻監控應用迫切需要一種遠距離、用戶非配合狀態下的快速身份識別技術，以求遠距離快速確認人員身份，實現智能預警。
人臉識別技術無疑是最佳的選擇，採用快速人臉檢測技術可以從監控視頻圖象中實時查找人臉，並與人臉資料庫進行實時比對，從而實現快速身份識別。
『陸』 人臉識別成功相似度要求多少以上
相似度超過72%就表示識別成功。
人臉識別技臘襲術，是基於人的臉部特徵信息進行身份識別的一種生物識別技術。用攝像機或攝像頭採集含有人臉的圖像或視頻流，並自動在圖像中檢測和跟蹤人臉，進而對檢測到的人臉進行臉部的一系列相關技術，通常也叫做人像識別、面部識別。
人臉識別技術主要是通過人臉圖像特徵的提取與對比來進行的。人臉識別系統將提取的人臉圖像的特徵數據與資料庫中存儲的特徵模板進行搜索匹配，通過設定一個閾值，當相似度超過這一閾值，則把匹配得到的結果輸出。
廣義的人臉識別實際包括構建人臉識別系統的一系列相關技術，包括人臉圖像採集、人臉定位、人臉識別預處理、身份確認以及身份查找等；而狹義的人臉識別特指通過人臉進行身份確認或者身份查找的技術或系統。
(6)人臉圖片搜索的技術要求擴展閱讀：
3D人臉識別技術
3D人臉識別技術是人臉識別重要發展發現。目前大部分的人臉識別應用的范疇限定在2D圖像上。人臉實質上是一個立體模型，而基寬2D人臉識別容易受到姿態、光照、表情等因素影響，是因為2D圖像本身有一個缺陷，無法很好地表示深度信息。
如果說深度學習是從人的認知角度來理解人臉識別，那麼3D技術就是從現實模型來反映人臉識別。
目前關於3D人臉識別方向的演算法研究並沒有2D人臉識別技術那麼豐富和深入，許多因素限制了這項技術的發展。3D人臉識別往往需要特定的採集設備，如3D攝像機或雙目攝像機。目前這類採集設備價格還比較昂貴，主要用於特定場景。
3D建模過程需要的計算量較大，對硬體要求較高，也限制了目前的應用。3D人臉識別資料庫輪鋒兄比較稀少，研究者缺少訓練樣本和測試樣本，無法開展更深入的理論研究。隨著未來晶元技術和感測器的發展，當計算能力不再收到制約，3D採集設備成本大幅下降的時候，3D人臉識別將取得重要突破。