說到人臉識(shí)別，大部分的人第一反應(yīng)是“刷臉”，我們來看下人臉識(shí)別的定義：人臉識(shí)別，是基于人的臉部特征信息進(jìn)行身份識(shí)別的一種生物識(shí)別技術(shù)。用攝像機(jī)或攝像頭采集含有人臉的圖像或視頻流，并自動(dòng)在圖像中檢測(cè)和跟蹤人臉，進(jìn)而對(duì)檢測(cè)到的人臉進(jìn)行臉部的一系列相關(guān)技術(shù)，通常也叫做人像識(shí)別、面部識(shí)別。

從上面這段話，我們能夠推斷出人臉識(shí)別需要：人臉圖像采集及檢測(cè)、人臉圖像特征提取以及匹配和識(shí)別這四個(gè)步驟，同時(shí)這也是人臉識(shí)別系統(tǒng)的三個(gè)組成部分。

人臉圖像采集及檢測(cè)

目前主流的人臉檢測(cè)及采集的方法有Adaboost人臉檢測(cè)算法、基于特征的方法、基于模板的方法等等。

主要說說Adaboost人臉檢測(cè)算法。Adaboost人臉檢測(cè)算法，是基于積分圖、級(jí)聯(lián)檢測(cè)器和Adaboost算法的方法，該方法能夠檢測(cè)出正面人臉且檢測(cè)速度快。其核心思想是自動(dòng)從多個(gè)弱分類器的空間中挑選出若干個(gè)分類器，構(gòu)成一個(gè)分類能力很強(qiáng)的強(qiáng)分類器。

缺點(diǎn)是在復(fù)雜背景中，AdaBoost人臉檢測(cè)算法容易受到復(fù)雜環(huán)境的影響，導(dǎo)致檢測(cè)結(jié)果并不穩(wěn)定，極易將類似人臉區(qū)域誤檢為人臉，誤檢率較高。

人臉圖像特征提取

人臉識(shí)別系統(tǒng)可使用的特征通常分為視覺特征、像素統(tǒng)計(jì)特征、人臉圖像變換系數(shù)特征、人臉圖像代數(shù)特征等。人臉特征提取就是針對(duì)人臉的某些特征進(jìn)行的。人臉特征提取，也稱人臉表征，它是對(duì)人臉進(jìn)行特征建模的過程。人臉特征提取的方法歸納起來分為兩大類：一種是基于知識(shí)的表征方法；另外一種是基于代數(shù)特征或統(tǒng)計(jì)學(xué)習(xí)的表征方法。

基于知識(shí)的表征方法主要是根據(jù)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于人臉分類的特征數(shù)據(jù)，其特征分量通常包括特征點(diǎn)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(gòu)成，對(duì)這些局部和它們之間結(jié)構(gòu)關(guān)系的幾何描述，可作為識(shí)別人臉的重要特征，這些特征被稱為幾何特征。

基于統(tǒng)計(jì)理論的方法是指利用統(tǒng)計(jì)分析與機(jī)器學(xué)習(xí)的方法分別尋找人臉與非人臉樣本特征，利用這些特征構(gòu)建分類，使用分類進(jìn)行人臉檢測(cè)。它主要包括神經(jīng)網(wǎng)絡(luò)方法，支持向量機(jī)方法和隱馬爾可夫模型方法。基于統(tǒng)計(jì)理論的方法是通過樣本學(xué)習(xí)而不是根據(jù)人們的直觀印象得到的表象規(guī)律，因此可以減小由于人眼觀測(cè)不完整和不精確帶來的錯(cuò)誤而不得不擴(kuò)大檢測(cè)的范圍，但是這種方法需要大量的統(tǒng)計(jì)特性，樣本訓(xùn)練費(fèi)時(shí)費(fèi)力。

人臉圖像匹配與識(shí)別

提取的人臉圖像的特征數(shù)據(jù)與數(shù)據(jù)庫中存儲(chǔ)的特征模板進(jìn)行搜索匹配，通過設(shè)定一個(gè)閾值，當(dāng)相似度超過這一閾值，則把匹配得到的結(jié)果輸出。人臉識(shí)別就是將待識(shí)別的人臉特征與已得到的人臉特征模板進(jìn)行比較，根據(jù)相似程度對(duì)人臉的身份信息進(jìn)行判斷。這一過程又分為兩類：一類是確認(rèn)，是一對(duì)一進(jìn)行圖像比較的過程，簡稱1：1，另一類是辨認(rèn)，是一對(duì)多進(jìn)行圖像匹配對(duì)比的過程，簡稱1：N。

1：1意思為“這人是不是某人？”

比如我們?cè)谲囌境塑囘^安檢時(shí)，檢票人員總是拿著身份證跟你本人做對(duì)比，證明身份證里面是不是你本人，這種場(chǎng)景就是1:1的場(chǎng)景。

據(jù)相關(guān)統(tǒng)計(jì)證明人的肉眼識(shí)別精準(zhǔn)度達(dá)到95%左右，但是人的眼睛是有疲勞度的，所以車站安檢人員需要定時(shí)換班換崗。目的就是為了保持比較平均的識(shí)別的準(zhǔn)確率。但是，在這種場(chǎng)景下，如果采用人臉識(shí)別技術(shù)，識(shí)別率可達(dá)到97%甚至是更高的準(zhǔn)確率而且系統(tǒng)設(shè)備是沒有疲勞度的問題。

1：N意思為“這人是誰？”

比如我們現(xiàn)在在車站或一些重要的場(chǎng)所如步行街、城中村等人流密集的場(chǎng)所應(yīng)用的人臉識(shí)別布控系統(tǒng)，其特點(diǎn)是動(dòng)態(tài)和非配合。所謂的動(dòng)態(tài)也就是識(shí)別的不是照片，不是圖片，而是由前端攝像機(jī)采集的動(dòng)態(tài)視頻流;非配合是指識(shí)別對(duì)象不用感知到攝像頭的位置并配合完成識(shí)別工作，整個(gè)識(shí)別過程非常方便，不會(huì)讓人排斥。但1:N會(huì)因?yàn)槭褂玫攸c(diǎn)，環(huán)境，光線，甚至是玻璃反射都會(huì)影響識(shí)別的準(zhǔn)確性，所以1:N相對(duì)更具有挑戰(zhàn)性。

人臉識(shí)別技術(shù)目前已經(jīng)廣泛應(yīng)用于金融、司法、軍隊(duì)、公安、邊檢、安防等領(lǐng)域。隨著平安城市、智慧小區(qū)、智能樓宇、智能交通的建設(shè)和發(fā)展，人臉識(shí)別技術(shù)將越來越深入我們的生活。

上一信息：“高新技術(shù)”和“高新技術(shù)企業(yè)”簡介

下一信息：高新技術(shù)企業(yè)認(rèn)定管理辦法