人臉識別功能在日常生活中已經(jīng)越來越常見，像車站檢票、銀行核驗身份、上下班打卡……盡管技術本身隨處可見，但真正了解技術原理的人并不多。虹軟視覺開放平臺策劃了《從零學習人臉識別》系列課程，系統(tǒng)講解這門技術的技術原理和應用現(xiàn)狀。

第一期《人臉識別算法初識》課程，主要介紹人臉識別運行流程、應用場景及商用門檻等場景問題。

【人臉識別的技術原理】

最近幾年，隨著深度學習的發(fā)展以及計算機算力的提升，包括人臉識別在內的很多人工智能算法都采用了神經(jīng)網(wǎng)絡算法。

以人臉識別算法為例，利用卷積神經(jīng)網(wǎng)絡（CNN）對海量的人臉圖片進行學習，然后對輸入圖像提取出對應的特征向量。這些特征是卷積神經(jīng)網(wǎng)絡自主學習得到的，取代了之前人工設計的特征。

提取之后，將特征向量在特征空間里進行比對。同一人的不同照片所提取出的特征，在特征空間里距離很近，不同人則在特征空間里相距較遠。

【人臉識別的運行流程】

人臉識別主要包含了人臉注冊、人臉檢測、活體檢測、人臉比對等關鍵環(huán)節(jié)。

從識別流程來說，首先要獲取圖像數(shù)據(jù)，數(shù)據(jù)來源通常是各種攝像頭，然后對圖片進行人臉檢測。人臉檢測主要是為了獲取人臉在圖像中的位置，通常是返回一個矩形框，人臉就處在這個矩形框中。

活體檢測作為人臉識別應用中的重要環(huán)節(jié)，提升人臉識別應用的安全性，有效甄別欺詐行為，防止其他人拿到你的人臉信息時（比如說朋友圈的自拍照），利用人臉信息進行欺騙攻擊?；铙w主要是相對于假體而言，常見的假體攻擊方式有電子圖片、紙質照片、3D面具等手段。

人臉比對，就會進行人臉特征提取。無論是人工設計的人臉特征，還是神經(jīng)網(wǎng)絡自主學習得到的特征，最終會用這個特征表示人臉信息，特征一般來說是一個向量。

對于人臉注冊來說，提取完特征之后，需要把特征保存在數(shù)據(jù)庫中。對于識別來說，在提取完特征之后，需要把識別照特征和數(shù)據(jù)庫中的注冊照的特征進行比對，然后根據(jù)比對結果進行識別。

【技術優(yōu)勢及應用場景】

與其他生物特征識別技術相比，人臉識別具備非接觸、無感知、硬件基礎好、使用便利、可拓展性強等優(yōu)勢。

人臉識別的應用場景非常廣泛，典型應用場景如智慧樓宇、智慧旅游、智慧工地、智慧校園、智慧出行、智能機器人等場景，隨著虹軟視覺開放平臺開放了免費、離線算法，越來越多創(chuàng)新應用場景下的人臉識別應用開始出現(xiàn)，譬如刷臉乘車、人臉識別環(huán)保廁紙機、人臉識別垃圾桶、人臉識別測溫機、刷臉支付、人臉識別梯控、迎賓機器人等一系列創(chuàng)新產(chǎn)品。

【人臉識別應用中的注意點】

在人臉識別算法的應用過程中，有一些因素對識別結果影響較大，需要重點考慮。列舉如下：

光線問題：光線對人臉識別影響很大，比如說強光、背光、側光等，都會影響識別效果。

姿態(tài)問題：不同的姿態(tài)，譬如低頭、仰頭、轉頭等都會對識別效果會有較大影響。

遮擋問題：常見的遮擋有光線遮擋、實物遮擋和自遮擋等，遮擋會造成人臉特征不完整或者消失，從而導致算法識別率的降低。

年齡變化：年齡的變化會使得人臉的圖像特征發(fā)生很大變化，從而導致跨年齡的人臉識別成為一個很難的問題。

……

在商業(yè)落地落地過程中，在解決上述問題對識別效果的影響時，開發(fā)者也需要需要考慮研發(fā)成本與服務能力。