浏览量: 1,671 次浏览

人脸识别技术 介绍,现况以及应用

2018年12月13日 98 作者 Nie Hen

前言

最近几年国内外吹起了了一场AI风,AI技术浪潮也成为了一种趋势.

人脸识别作为最近几年发展的还算成熟的一项ai技术,也引起了众多人的关注.

鉴于技术的日趋成熟,现阶段的人脸识别技术已经在具体场景落地尝试,如会议人脸签到、人脸识别智能门禁、安防监控人脸识别报警功能,还有最接近大众群体的智能手机人脸解锁功能……
enter description here

技术介绍

enter description here

通俗点来讲就是,使用深度学习的框架,通过大量的图片人脸数据来训练模型,获取到人脸特征或者是人脸关键点.

关键点定位技术是快速识别一个人的核心技术,用于定位的关键点越多,识别的精准度就越高。以商汤科技为例,采用眼、口、鼻轮廓等人脸21、106、240三个不同数量级的定位点,可支持不同场景的需求,并能够适应大角度侧脸、大表情变化、遮挡、模糊、明暗变化等各种实际环境.

主要分为人脸检测和人脸识别,人脸检测就是找到图像中的人脸,人脸识别有分为1:1识别和1:N识别.

1:1人脸识别

1:1人脸识别技术主要是利用图像处理技术从图像中提取人像特征点,利用生物统计学的原理进行分析建立数学模型,即人脸特征点模型。
再从人脸特征点模型与被测者的人的面像进行特征分析(可以假定为无数的几何特征点求解),根据分析的结果来给出一个相似值,通过这个值即可确定是否为同一人。简单的说就是A/B两张照片比对,产生的计算数值是否达到要求。

1:N人脸识别

跟1:1的A/B两张照片比对最大的区别是A/B A/C A/D……多个1:1计算,这个最大的问题是一旦BCD总和数量越大计算速度越慢,而总和超过20万,就会出现多个相似结果(20万人这个大数会导致有不少人长相相似),需要人工辅助定位。过去我们在电影里面看到什么“天网”识别系统只是一种理想状态,实际应用中都是排列出多个结果,排第一的未必是需要的人

enter description here

深度学习学起来比较耗时间,并不是大多数人都能做,而且做起来也相对麻烦.所以就有几家公司拿出来自己的人脸识别技术可以免费使用,比如face++ 虹软 百度 等可以到他们官网上找api文档直接调用,也可以到我博客中查看,我写过他们几家人脸识别调用的代码 .  https://blog.csdn.net/nirvana_6174/article/category/8228379

发展近况

enter description here

全球人脸识别算法排名
enter description here

国内依图科技的算法排名第一 国内算法包揽前五

2018年11月16日公布的最新报告显示了全球人脸识别算法的最高水平可以做到在千万分之一误报率下,漏报率降低于0.4%,这意味着千万分位误报下的识别准确率已经超过99%。相比于去年同期千万分之一误报率下3.3%的漏报率,今年全球人脸识别性能提升了80%。

美国的谷歌、Facebook、微软都推出了深度学习算法开源平台,将自己研发的算法技术进行开源,降低了很多企业在人工智能基础技术研发上的投入。也会刺激人脸识别技术的进一步发展.

当然也会有一些缺陷 人脸识别智能门禁的目的在于只允许有权限的人进入特定区域……这就要求人脸识别的精度必须保持在一个极高的水准,且不能被技术手段所欺骗。但以现阶段的实际应用效果来看,还不能完全避免错误的发生。

动态活体检测会让用户根据随机给出的指令做出动作,大大降低了人脸“伪造”的可能性,但如果用硅胶、乳胶、3D打印做的立体面具来攻击系统,并不能完全排除识别失误可能性

此外,就在今年,多伦多大学教授Parham Aarabi和他的研究生Avishek Bose还开发了一种算法,通过对图像进行“光转换”,能够动态地破坏人脸识别系统,将识别成功率降至 0.5%。

应用场景

enter description here

enter description here

简单的应用也可以使用百度ai 旷世等一些公司的开源技术,可以在我博客中查看相关代码 .

else

其他人脸识别模块介绍 链接地址

欢迎进群 人工智能-人脸识别 : 894243022 一同讨论学习人脸识别技术!!

参考文章 https://www.zhihu.com/question/37060782/answer/102586758

https://baijiahao.baidu.com/s?id=1617614161168417826&wfr=spider&for=pc

https://baijiahao.baidu.com/s?id=1613387209694141805&wfr=spider&for=pc

写于2018-12-13 11:51:31
原文链接