人臉識別簡介

??? 人臉識別技術是基于人的臉部特征信息進行身份識別的一種生物識別技術。用攝像機或攝像頭采集含有人臉的圖像或視頻流，并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。

?

人臉識別特征圖

人臉識別特點

??? 人臉與人體的其它生物特征（指紋、虹膜等）一樣與生俱來，它的唯一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采集設備，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“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；
• 并發性：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。

人臉識別流程

人臉識別技術流程主要包括四個組成部分，分別為：人臉圖像采集及檢測、人臉圖像預處理、人臉圖像特征提取以及匹配與識別。

1.人臉圖像采集及檢測

1.1人臉圖像采集

?人臉圖像采集方式分為兩種，分別為批量人臉圖像導入及現場視頻人臉采集。

批量導入是指系統在用戶指定的目錄下面自動尋找圖像文件進行人臉圖像批量導入。現場視頻人臉圖像采集是指客戶端的采集功能被打開后，會調用本地的攝像頭并打開。當客戶在采集設備的拍攝有效范圍內，采集設備會自動搜索客戶的人臉圖像，當采集域上出現紅色矩形時，采集設備已經搜索到客戶的人臉圖像，然后客戶端進行自動采集圖像。 1.2人臉圖像質量擇優 為了獲得質量更高的人臉圖片，提高比對精確性，我司的客戶端組件帶有人臉采集圖片質量擇優處理，可自動對當前圖片質量進行檢測，確保抓拍的照片符合人臉識別質量要求和人臉圖像質量的判斷方法，例如：通過兩眼間像素數判斷圖像清晰度、判斷人臉姿態角度等進行判斷，在自動檢測抓拍到清晰可辨人臉圖片的同時，可大大提升用戶體驗。 1.3人臉檢測 人臉檢測在實際中主要用于人臉識別的預處理，即在圖像中準確標定出人臉的位置和大小。人臉圖像中包含的模式特征十分豐富，如直方圖特征、顏色特征、模板特征、結構特征及Haar特征等。人臉檢測就是把這其中有用的信息挑出來，并利用這些特征實現人臉檢測。 主流的人臉檢測方法基于以上特征采用Adaboost學習算法，Adaboost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算法挑選出一些最能代表人臉的矩形特征(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。 1.3.1人臉活體檢測 活體檢測可以有效地檢測出紙質照片、手機或pad上顯示照片等其他非活體照片，杜絕了照片或者視頻欺騙，保證系統人臉識別的安全性。算法提供隨機動作配合檢活模式，可隨機提示動作類型并根據客戶的配合完成度判斷是否為活體，產品能提示客戶完成以下八組動作（動作類型可自定義）并判斷活體情況：

• 提示客戶張嘴；
• 提示客戶抬頭、低頭；
• 提示客戶左轉頭、右轉頭；
• 提示客戶眨眼睛、左斜視、右斜視。

活體檢測控件支持IOS、Android、Windows等操作系統，并可通過參數進行配置和控制。通過天誠盛業人臉識別身份認證平臺的自學習功能，能夠不斷學習客戶的人臉特征變化，逐步提高人臉識別準確率，降低欺詐行為。 2.人臉圖像預處理 人臉圖像預處理是對系統所采集到的人臉圖像進行光線處理、切割、旋轉、降噪、過濾、放大或縮小等一系列的復雜處理，通過這些處理使人臉圖像無論是光線還是角度、距離、大小等達到人臉圖像特征提取的標準要求，盡可能消除因光照和角度等因素造成的影響，為進行人臉圖像特征提取做好準備。 3.人臉圖像特征提取 人臉識別系統可使用的特征通常分為視覺特征、像素統計特征、人臉圖像變換系數特征、人臉圖像代數特征等。人臉特征提取就是針對人臉的某些特征進行的。人臉特征提取，也稱人臉表征，它是對人臉進行特征建模的過程。人臉特征提取的方法歸納起來分為兩大類：一種是基于知識的表征方法；另外一種是基于代數特征或統計學習的表征方法。

? ? 基于知識的表征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于人臉分類的特征數據，其特征分量通常包括特征點間的歐氏距離、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，這些特征被稱為幾何特征。基于知識的人臉表征主要包括基于幾何特征的方法和模板匹配法。

? ? 基于代數特征的方法的基本思想是將人臉在空域內的高維描述轉化為頻域或者其他空間內的低維描述。基于代數特征的表征方法分為線性投影表征方法和非線性投影表征方法。基于線性投影的方法主要有主成分分析法或稱K-L變換，獨立成分分析法和Fisher線性判別分析法。非線性特征提取方法有兩個重要的分支：基于核的特征提取技術和以流形學習為主導的特征提取技術。

4.匹配與識別

4.1人臉識別1:1比對

天誠盛業人臉識別系統通過人臉識別算法實現上送兩張圖像進行比對，根據不同渠道的識別率返回比對結果，并將比對通過的圖像按照設定規則入庫保存。 1) 圖片支持聯網核查圖片、證件身份芯片、現場抓拍圖片。 2) 能夠最大限度的提高識別率，智能的解決像素較低（如芯片圖）、逆光、側光、昏暗、帶眼鏡、一定角度側臉等不利條件。 4.2人臉識別1:N比對 天誠盛業人臉識別系統通過上送客戶圖像，在客戶特征庫中識別出該將客戶身份，并返回該客戶的相關信息，如客戶信息號、姓名等。系統具有人臉識別 1：N功能，對外提供 1：N比對接口，可根據各系統傳送的照片提取特征值，并跟庫中模板比對，返回相似度最高的N個人（返回人數可自定義）。 1）支持現場拍攝客戶影響或短視頻，并從中提取人臉影響功能。 2）支持根據影像從人臉數據庫中檢索出客戶信息。 3）根據檢索出的信息，發送到相應操作終端進行后續操作。

總結

以上是生活随笔為你收集整理的人脸识别技术的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。