轉(zhuǎn)眼之間，我們已步入了2017年年底，回首這一年科技圈的各類大事件，令人印象頗為深刻的便是蘋果公司最新推出的Face ID技術(shù)了，F(xiàn)ace ID技術(shù)的推出也將人臉識別技術(shù)的關(guān)注帶入了一個新的高度。作為一個"跟風(fēng)"型小編，自然不會錯過今年最大的熱點(diǎn)。沒錯！本次專題正是要為大家介紹2017年最火爆的"黑科技"--人臉識別技術(shù)。這次小編為大家?guī)砹擞嘘P(guān)人臉識別技術(shù)的全方位解讀，相信喜愛科技的你一定不會錯過！

什么是人臉識別技術(shù)？

人臉識別技術(shù)是基于人的臉部特征，對輸入的人臉圖像或者視頻流 . 首先判斷其是否存在人臉 , 如果存在人臉，則進(jìn)一步的給出每個臉的位置、大小和各個主要面部器官的位置信息。并依據(jù)這些信息，進(jìn)一步提取每個人臉中所蘊(yùn)涵的身份特征，并將其與已知的人臉進(jìn)行對比，從而識別每個人臉的身份。 廣義的人臉識別實(shí)際包括構(gòu)建人臉識別系統(tǒng)的一系列相關(guān)技術(shù)，包括人臉圖像采集、人臉定位、人臉識別預(yù)處理、身份確認(rèn)以及身份查找等；而狹義的人臉識別特指通過人臉進(jìn)行身份確認(rèn)或者身份查找的技術(shù)或系統(tǒng)。

人臉識別技術(shù)介紹

人臉識別技術(shù)的"前世今生"——發(fā)展歷程

  • 萌芽階段
    1964年~1990年

    這一階段人臉識別通常只是作為一個一般性的模式識別問題來研究，所采用的主要技術(shù)方案是基于人臉幾何結(jié)構(gòu)特征（Geometric feature based）的方法。這集中體現(xiàn)在人們對于剪影（Profile）的研究上，人們對面部剪影曲線的結(jié)構(gòu)特征提取與分析方面進(jìn)行了大量研究。人工神經(jīng)網(wǎng)絡(luò)也 一度曾經(jīng)被研究人員用于人臉識別問題中。

  • 發(fā)展階段
    1991年~1997年

    這一階段盡管時間相對短暫，但卻是人臉識別研究的高潮期，可謂碩果累累：不但誕生了若干代表性的人臉識別算法，美國軍方還組織了著名的 FERET 人臉識別算法測試，并出現(xiàn)了若干商業(yè)化運(yùn)作的人臉識別系統(tǒng)，比如最為著名的 Visionics（現(xiàn)為 Identix）的 FaceIt 系統(tǒng)。 美國麻省理工學(xué)院（MIT）媒體實(shí)驗(yàn)室的特克（Turk）和潘特（Pentland）提出的"特征臉"方法無疑是這一時期內(nèi)最負(fù)盛名的人臉識別方法。

  • 成熟階段
    1998年~現(xiàn)在

    最近幾年來，由于計(jì)算機(jī)技術(shù)的發(fā)展，人臉識別研究引起了學(xué)術(shù)界越來越多的關(guān)注。而在眾多研究方向中，研究最多的是關(guān)于人臉正面模式的研究，主要可以分為三個發(fā)展階段：
    第一階段是對人臉識別所需要的面部特征進(jìn)行研究。
    第二階段是人機(jī)交互式識別階段。
    第三階段是自動識別階段。

人臉識別技術(shù)的分類

二維人臉識別技術(shù)

人臉識別法主要集中在二維圖像方面，主要利用分布在人臉上從低到高80個節(jié)點(diǎn)或標(biāo)點(diǎn)，通過測量眼睛、顴骨、下巴等之間的間距來進(jìn)行身份認(rèn)證。人臉識別算法主要有：

1.基于模板匹配的方法:模板分為二維模板和三維模板，核心思想:利用人的臉部特征規(guī)律建立一個立體可調(diào)的模型框架,在定位出人的臉部位置后用模型框架定位和調(diào)整人的臉部特征部位,解決人臉識別過程中的觀察角度、遮擋和表情變化等因素影響。

2.基于奇異值特征方法：人臉圖像矩陣的奇異值特征反映了圖像的本質(zhì)屬性，可以利用它來進(jìn)行分類識別。

3.子空間分析法：因其具有描述性強(qiáng)、計(jì)算代價小、易實(shí)現(xiàn)及可分性好等特點(diǎn)，被廣泛地應(yīng)用于人臉特征提取，成為了當(dāng)前人臉識別的主流方法之一。

4.局部保持投影(Locality Preserving Projections，LPP)是一種新的子空間分析方法，它是非線性方法Laplacian Eigen map的線性近似，既解決了PCA等傳統(tǒng)線性方法難以保持原始數(shù)據(jù)非線性流形的缺點(diǎn)，又解決了非線性方法難以獲得新樣本點(diǎn)低維投影的缺點(diǎn)。

三維人臉識別技術(shù)

三維人臉識別可以極大的提高識別精度，真正的三維人臉識別是利用深度圖像進(jìn)行研究，自90年代初期開始，已經(jīng)有了一定的進(jìn)展。三維人臉識別方法有：

1.基于圖像特征的方法：采取了從3D結(jié)構(gòu)中分離出姿態(tài)的算法。首先匹配人臉整體的尺寸輪廓和三維空間方向；然后，在保持姿態(tài)固定的情況下，去作臉部不同特征點(diǎn)(這些特征點(diǎn)是人工的鑒別出來)的局部匹配。

2.基于模型可變參數(shù)的方法：使用將通用人臉模型的3D變形和基于距離映射的矩陣迭代最小相結(jié)合，去恢復(fù)頭部姿態(tài)和3D人臉。隨著模型形變的關(guān)聯(lián)關(guān)系的改變不斷更新姿態(tài)參數(shù)，重復(fù)此過程直到最小化尺度達(dá)到要求�；谀Ｐ涂勺儏�(shù)的方法與基于圖像特征的方法的最大區(qū)別在于：后者在人臉姿態(tài)每變化一次后，需要重新搜索特征點(diǎn)的坐標(biāo)，而前者只需調(diào)整3D變形模型的參數(shù)。

人臉識別技術(shù)的優(yōu)劣與隱患

人臉識別技術(shù)的算法與原理

  • 基于幾何特征的方法

    采用幾何特征進(jìn)行正面人臉識別一般是通過提取人眼、口、鼻等重要特征點(diǎn)的位置和眼睛等重要器官的幾何形狀作為分類特征,但Roder對幾何特征提取的精確性進(jìn)行了實(shí)驗(yàn)性的研究，結(jié)果不容樂觀。

  • 局部特征分析方法

    局部性和拓?fù)湫詫δＪ椒治龊头指钍抢硐氲奶匦�，似乎這更符合神經(jīng)信息處理的機(jī)制，因此尋找具有這種特性的表達(dá)十分重要。這種方法在實(shí)際應(yīng)用取得了很好的效果，它構(gòu)成了FaceIt人臉識別軟件的基礎(chǔ)。

  • 特征臉方法

    特征臉方法具有簡單有效的點(diǎn),也稱為基于主成分分析的人臉識別方法。從統(tǒng)計(jì)的觀點(diǎn)，尋找人臉圖像分布的基本元素，即人臉圖像樣本集協(xié)方差矩陣的特征向量，以此近似地表征人臉圖像。這些特征向量稱為特征臉。

  • 基于彈性模型方法

    彈性圖匹配技術(shù)是一種基于幾何特征和對灰度分布信息進(jìn)行小波紋理分析相結(jié)合的識別算法，由于該算法較好的利用了人臉的結(jié)構(gòu)和灰度分布信息，而且還具有自動精確定位面部特征點(diǎn)的功能，因而具有良好的識別效果。

  • 神經(jīng)網(wǎng)絡(luò)方法

    Lee等將人臉的特點(diǎn)用六條規(guī)則描述，然后根據(jù)這六條規(guī)則進(jìn)行五官的定位，將五官之間的幾何距離輸入模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行識別，神經(jīng)網(wǎng)絡(luò)方法在人臉識別上的應(yīng)用比起前述幾類方法來有一定的優(yōu)勢，它的適應(yīng)性更強(qiáng)，一般也比較容易實(shí)現(xiàn)。

拓展閱讀

人臉識別技術(shù)最新資訊

人臉識別技術(shù)設(shè)計(jì)方案

人臉識別技術(shù)發(fā)展應(yīng)用

最新技術(shù)專題展示