隨著大數(shù)據時代的到來，“人臉”也將成為數(shù)據的一部分，人臉識別如何實現(xiàn)？本文將為大家從人臉檢測、人臉定位、人臉校準以及人臉對比等方面詳細闡述人臉識別的原理與實現(xiàn)方式。
隨著計算機技術以及光學成像技術的發(fā)展，集成了人工智能、機器學習、視頻圖像處理等技術的人臉識別技術也逐漸成熟。未來五年，我國人臉識別市場規(guī)模平均復合增長率將達到25％，到2021年人臉識別市場規(guī)模將達到51億元左右，具有巨大的市場需求與前景。
安防、金融是人臉識別切入細分行業(yè)較深的兩個領域，移動智能硬件終端成為人臉識別新的快速增長點。因此，這三大領域將是人臉識別快速增長的最大驅動力。
2017年，我國安防行業(yè)總產值達到6200億，同比增長16．98％，維持強勁發(fā)展勢頭。從細分產業(yè)來看，視頻監(jiān)控是構建安防系統(tǒng)中的核心，在中國的安防產業(yè)中所占市場份額最大。而人臉識別在視頻監(jiān)控領域具有相當?shù)膬?yōu)勢，應用前景廣闊。
市面上的人臉識別解決方案也越來越多，但在系統(tǒng)框架上基本大同小異，大體框架如下圖所示：
接下來對人臉識別算法各技術點逐一進行詳細介紹，包括人臉檢測、人臉定位、人臉校準、人臉比對、人臉反欺詐以及算法優(yōu)化等。
一、人臉識別
人臉檢測算法繁多，我們采用由粗到精的高效方式，即先用計算量小的特征快速過濾大量非人臉窗口圖像，然后用復雜特征篩選人臉。這種方式能快速且高精度的檢測出正臉（人臉旋轉不超過45度）。該步驟旨在選取最佳候選框，減小非人臉區(qū)域的處理，從而減小后續(xù)人臉校準及比對的計算量。
以下為人臉檢測算法的初始化接口， 根據實際應用場景設置人臉的相關參數(shù)，包括最小人臉尺寸、搜索步長、金字塔縮放系數(shù)等：
人臉檢測實測效果如下圖所示：
在人臉檢測領域比較權威的測試集FDDB上進行評測， 100誤檢時的召回率達到85．2％， 1000誤檢時的召回率達到89．3％。
123下一頁>（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
