人臉識別最新技術（人臉識別依靠什麼技術）

當前，隨著人工智慧、物聯網等前沿技術的迅速發展，智慧時代已悄然到來，"刷臉"逐漸成為了新的風潮。在人臉識別技術商業化應用領域不斷擴張的趨勢下，"刷臉"辦事正愈發常見。

2017北京國際長跑節賽事大規模啟用了人臉識別系統，嚴防替跑現象：

技術梗概

人臉識別，是基於人的臉部特徵資訊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影象或視訊流，並自動在影象中檢測和跟蹤人臉，進而給出每個臉的位置、大小和各個主要面部器官的位置資訊，並依據這些資訊，進一步提取每個人臉中所蘊涵的身份特徵，並將其與已知的人臉進行對比，從而識別每個人臉的身份的一系列相關技術，通常也叫做人像識別、面部識別。

可用於刷臉門禁、刷臉考勤、公安、邊防、機場、火（汽）車站、人臉支付、疑（逃）犯追蹤等方向。

人臉識別技術原理分為人臉影象採集與檢測、人臉影象預處理、人臉影象特徵提取、匹配與識別四個過程。

技術核心

1、人臉影象採集與檢測

人臉影象採集：不同的人臉影象都能通過攝像鏡頭採集下來，比如靜態影象、動態影象、不同的位置、不同表情等方面都可以得到很好的採集。當使用者在採集裝置的拍攝範圍內時，採集裝置會自動搜尋並拍攝使用者的人臉影象。

人臉檢測：人臉檢測在實際中主要用於人臉識別的預處理，即在影象中準確標定出人臉的位置和大小。人臉影象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資訊挑出來，並利用這些特徵實現人臉檢測。

2、人臉影象預處理

對於人臉的影象預處理是基於人臉檢測結果，對影象進行處理並最終服務於特徵提取的過程。

系統獲取的原始影象由於受到各種條件的限制和隨機干擾，往往不能直接使用，必須在影象處理的早期階段對它進行灰度校正、噪聲過濾等影象預處理。對於人臉影象而言，其預處理過程主要包括人臉影象的光線補償、灰度變換、直方圖均衡化、歸一化、幾何校正、濾波以及銳化等。

3、人臉影象特徵提取

人臉識別系統可使用的特徵通常分為視覺特徵、畫素統計特徵、人臉影象變換系數特徵、人臉影象代數特徵等。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歸納起來分為兩大類：一種是基於知識的表徵方法；另外一種是基於代數特徵或統計學習的表徵方法。

4、匹配與識別

提取的人臉影象的特徵資料與資料庫中儲存的特徵模板進行搜尋匹配，通過設定一個閾值，當相似度超過這一閾值，則把匹配得到的結果輸出。

人臉識別就是將待識別的人臉特徵與已得到的人臉特徵模板進行比較，根據相似程度對人臉的身份資訊進行判斷。這一過程又分為兩類：一類是確認，是一對一進行影象比較的過程，另一類是辨認，是一對多進行影象匹配對比的過程。

技術問題

1、可複製性

人每天都暴露在外面，通過拍照完全可以獲得一個人的臉部特徵，並進行復制。

2、不穩定性

臉部畫上濃妝、過敏、受傷、整容都會導致臉部特徵發生很大變化，以及在各種複雜光線環境下，影響人臉識別準確率甚至無法識別。

3、標準不一

具備開發人臉識別技術能力的企業不在少數，跟隨市場需求動向，通過融合整合推出人臉識別產品並不難，這也導致瞭如今市場上人臉識別的產品琅琊滿目，沒有標準可言，質量也不能得到保障。