人臉識別 介紹

人臉識別

人臉識別技術是基於人的臉部特徵信息進行身份識別的一種生物識別技術。用攝像機或攝像頭採集含有人臉的圖像或視頻流，
並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，一般也叫作人像識別、面部識別

人臉識別流程
人臉識別技術流程主要包括四個組成部分，分別爲：人臉圖像採集及檢測、人臉圖像預處理、人臉圖像特徵提取以及匹配與識別
1.人臉圖像採集

人臉圖像採集方式分爲兩種，分別爲批量人臉圖像導入及現場視頻人臉採集。

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。現場視頻人臉圖像採集是指客戶端的採集功能被打開後，會調用本地的攝像頭並打開。當客戶在採集設備的拍攝有效範圍內，採集設備會自動搜索客戶的人臉圖像，當採集域上出現紅色矩形時，採集設備已經搜索到客戶的人臉圖像，而後客戶端進行自動採集圖像。

2人臉圖像質量擇優

爲了得到質量更高的人臉圖片，提升比對精確性，我司的客戶端組件帶有人臉採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：經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，可大大提高用戶體驗。

3人臉檢測

人臉檢測在實際中主要用於人臉識別的預處理，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徵十分豐富，如直方圖特徵、顏色特徵、模板特徵、結構特徵及Haar特徵等。人臉檢測就是把這其中有用的信息挑出來，並利用這些特徵實現人臉檢測。

主流的人臉檢測方法基於以上特徵採用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塊兒，組合出新的很強的分類方法。

人臉檢測過程當中使用Adaboost算法挑選出一些最能表明人臉的矩形特徵(弱分類器)，按照加權投票的方式將弱分類器構造爲一個強分類器，再將訓練獲得的若干強分類器串聯組成一個級聯結構的層疊分類器，有效地提升分類器的檢測速度。

 

2.人臉圖像預處理

人臉圖像預處理是對系統所採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複雜處理，經過這些處理令人臉圖像不管是光線仍是角度、距離、大小等達到人臉圖像特徵提取的標準要求，儘量消除因光照和角度等因素形成的影響，爲進行人臉圖像特徵提取作好準備。

3.人臉圖像特徵提取

人臉識別系統可以使用的特徵一般分爲視覺特徵、像素統計特徵、人臉圖像變換系數特徵、人臉圖像代數特徵等。人臉特徵提取就是針對人臉的某些特徵進行的。人臉特徵提取，也稱人臉表徵，它是對人臉進行特徵建模的過程。人臉特徵提取的方法概括起來分爲兩大類：一種是基於知識的表徵方法；另一種是基於代數特徵或統計學習的表徵方法。
基於知識的表徵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得到有助於人臉分類的特徵數據，其特徵份量一般包括特徵點間的歐氏距離、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係的幾何描述，可做爲識別人臉的重要特徵，這些特徵被稱爲幾何特徵。基於知識的人臉表徵主要包括基於幾何特徵的方法和模板匹配法。

基於代數特徵的方法的基本思想是將人臉在空域內的高維描述轉化爲頻域或者其餘空間內的低維描述。基於代數特徵的表徵方法分爲線性投影表徵方法和非線性投影表徵方法。基於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。非線性特徵提取方法有兩個重要的分支：基於核的特徵提取技術和以流形學習爲主導的特徵提取技術。

4.匹配與識別

4.1人臉識別1:1比對

人臉識別系統經過人臉識別算法實現上送兩張圖像進行比對，根據不一樣渠道的識別率返回比對結果，並將比對經過的圖像按照設定規則入庫保存。
1) 圖片支持聯網覈查圖片、證件身份芯片、現場抓拍圖片。
2) 可以最大限度的提升識別率，智能的解決像素較低（如芯片圖）、逆光、側光、昏暗、帶眼鏡、必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經過上送客戶圖像，在客戶特徵庫中識別出該將客戶身份，並返回該客戶的相關信息，如客戶信息號、姓名等。系統具備人臉識別 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徵值，並跟庫中模板比對，返回類似度最高的N我的（返回人數可自定義）。
1）支持現場拍攝客戶影響或短視頻，並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，發送到相應操做終端進行後續操做。

 

5. 應用領域：

• 金融行業：聯網覈查、刷臉支付、VIP客戶識別等；
• 社保行業：離退休人員信息採集及身份信息覈查；
• 教育行業：考生信息採集和身份識別；
• 公安行業：公安人臉照片比對、罪犯抓捕；
• 企事業單位：工做人員考勤、出入控制；

 

轉自天誠盛業對人臉識別的分析。在人臉識別中我門要關注以下技術點：

1。基本流程

    1.圖像獲取(從圖片，攝像頭，視頻錄像)
    2.人臉識別比對（人臉預處理，特徵提取，特徵對比匹配與識別調用特徵模型，結果輸出）
    3.模型訓練（人臉大數據,DL深度學習）

2。如何進行 圖像進行比對，最大限度的提升識別率，

     智能的解決像素較低（如芯片圖）、逆光、側光、昏暗、帶眼鏡、必定角度側臉等不利條件）