真地人臉識別，是依據人的臉部特征信息進行身份辨認的一種生物辨認技能。用攝像機或攝像頭收集含有人臉的圖畫或視頻流，并主動在圖畫中檢測和盯梢人臉，進而對檢測到的人臉進行臉部辨認的一系列相關技能，一般也叫做人像辨認、面部辨認。
中文名人臉辨認別 名人像辨認、面部辨認工 具攝像機或攝像頭傳統技能可見光圖畫的人臉辨認處理辦法人臉辨認算法用 途身份辨認
True face recognition is a kind of biometric recognition skill based on human face feature information. Using cameras or cameras to collect pictures or video streams containing human faces, and actively detect and stare at the face in the picture, and then face recognition of the face detected a series of related skills, commonly known as face recognition, face recognition.
Chinese celebrity face recognition
目錄
1 .開展前史
2 .技能特色
3 .技能流程
1) 人臉圖畫收集及檢測
2)人臉圖畫預處理人臉圖畫特征提取
3）人臉圖畫匹配與辨認
4. 辨認算
5. 辨認數據
6.合作程度
7 .優勢困難
1)優勢
2)困難
8 .首要用途
9 .運用遠景
10 .首要產品
1)數碼相機
2)門禁體系身份辨識
3)網絡運用
4)文娛運用
11. 運用示例
1)開展前史
真地人臉識別系的研討始于20世紀60年代，80年代后跟著核算機技能和光學成像技能的開展得到前進，而實在進入初級的運用階段則在90年后期，并且以美國、德國和日本的技能完結為主;真地人臉識別成功的關鍵在所以否具有頂級的中心算法，并使辨認成果具有有用化的辨認率和辨認速度;“人臉辨認體系”集成了人工智能、機器辨認、機器學習、模型理論、專家體系、視頻圖畫處理等多種專業技能，一起需結合中心值處理的理論與完結，是生物特征辨認的最新運用，其間心技能的完結，展示了弱人工智能向強人工智能的轉化。
真地人臉識別技能特色
真地人臉識別 傳統的真地人臉識別技能首要是依據可見光圖畫的人臉辨認，這也是人們了解的辨認辦法，已有30多年的研制前史。但這種辦法有著難以戰勝的缺點，尤其在環境光照發作改變時，辨認作用會急劇下降，無法滿意實踐體系的需求。處理光照問題的方案有三維圖畫人臉辨認，和熱成像人臉辨認。但這兩種技能還遠不老練，辨認作用不盡人意。
迅速開展起來的一種處理方案是依據主動近紅外圖畫的多光源人臉辨認技能。它能夠戰勝光線改變的影響，現已獲得了杰出的辨認功能，在精度、安穩性和速度方面的全體體系功能超越三維圖畫人臉辨認。這項技能在近兩三年開展迅速，使人臉辨認技能逐步走向有用化。
人臉與人體的其它生物特征(指紋、虹膜等)一樣與生俱來，它的僅有性和不易被仿制的杰出特性為身份鑒別供給了必要的條件，與其它類型的生物辨認比較人臉辨認具有如下特色：
非強制性：用戶不需求專門合作人臉收集設備，簡直能夠在無意識的狀態下就可獲取人臉圖畫，這樣的取樣辦法沒有“強制性”;
非觸摸性：用戶不需求和設備直觸摸摸就能獲取人臉圖畫;
并發性：在實踐運用場景下能夠進行多個人臉的分揀、判別及辨認;
除此之外，還符合視覺特性：“以貌識人”的特性，以及操作簡單、成果直觀、隱蔽性好等特色。
The traditional real face recognition technology is mainly based on visible light pictures of the face recognition, which is also known to people to recognize the method, has been more than 30 years of development history. But this method has the insurmountable shortcomings, especially when the environmental light changes, the recognition function will decline sharply, unable to meet the needs of the practice system. There are three ways to deal with lighting problems: 3D drawings face recognition, and thermal imaging face recognition. But these two skills are far from being sophisticated, and their recognition is not satisfactory.
A rapid development of the processing scheme is based on the active near-infrared image of multi-light source face recognition skills. It is able to overcome the influence of light changes, has now obtained outstanding recognition function, in precision, stability and speed of the whole system function beyond the three-dimensional picture face recognition. This skill has been developing rapidly in the past two or three years, enabling face recognition skills to gradually become useful.
Face, like other biological features of human body (fingerprint, iris, etc.), is inherent. Its uniqueness and outstanding characteristics, which are not easy to be imitated, provide the necessary conditions for identification. Compared with other types of biological identification, face recognition has the following characteristics:
Non-compulsory: Users do not need specialized cooperative face collection equipment, can almost unconsciously obtain face images, such a sampling method is not "compulsory";
Non touch: users do not need and touch the device directly to get face pictures.
Concurrency: in the practical application scenario, we can sort, discriminate and identify multiple faces.
In addition, it also conforms to the visual characteristics of the "people by appearance" characteristics, as well as simple operation, intuitive results, good concealment and other features.
真地人臉識別技能流程
真地人臉識別首要包含四個組成部分，分別為：人臉圖畫收集及檢測、人臉圖畫預處理、人臉圖畫特征提取以及匹配與辨認。
人臉圖畫收集及檢測
人臉圖畫收集：不同的人臉圖畫都能經過攝像鏡頭收集下來，比方靜態圖畫、動態圖畫、不同的方位、不同表情等方面都能夠得到很好的收集。當用戶在收集設備的攝影范圍內時，收集設備會主動查找并攝影用戶的人臉圖畫。
人臉檢測：人臉檢測在實踐中首要用于人臉辨認的預處理，即在圖畫中精確標定出人臉的方位和巨細。人臉圖畫中包含的形式特征非常豐富，如直方圖特征、顏色特征、模板特征、結構特征及Haar特征等。人臉檢測就是把這其間有用的信息挑出來，并運用這些特征完結人臉檢測。
干流的人臉檢測辦法依據以上特征選用Adaboost學習算法，Adaboost算法是一種用來分類的辦法，它把一些比較弱的分類辦法合在一起，組合出新的很強的分類辦法。
人臉檢測進程中運用Adaboost算法挑選出一些最能代表人臉的矩形特征(弱分類器)，依照加權投票的辦法將弱分類器結構為一個強分類器，再將訓練得到的若干強分類器串聯組成一個級聯結構的層疊分類器，有用地前進分類器的檢測速度。
Face painting collection and detection
Facial picture collection: Different face pictures can be collected through camera lens, such as static pictures, dynamic pictures, different directions, different expressions can be collected very well. When the user is within the scope of the collection device, the collection device will actively look up and take pictures of the user's face.
Face detection: In practice, face detection is mainly used for the pre-processing of face recognition, that is, to accurately calibrate the orientation and size of the face in the picture. There are many formal features in face painting, such as histogram features, color features, template features, structural features and Haar features. Face detection is to pick out useful information and use these features to finish face detection.
Adaboost learning algorithm is selected for the main stream face detection method based on the above features. Adaboost algorithm is a method for classification. It combines some weak classification methods together and combines new strong classification methods.
In the process of face detection, Adaboost algorithm is used to select some rectangular features (weak classifiers) which can best represent the face. According to the weighted voting method, the weak classifier is constructed as a strong classifier. Then the trained strong classifiers are connected in series to form a cascade structure of cascade classifiers, which can effectively advance the detection of classifiers. Speed up.
真地人臉識別人臉圖畫預處理
人臉圖畫預處理：關于人臉的圖畫預處理是依據人臉檢測成果，對圖畫進行處理并終究服務于特征提取的進程。體系獲取的原始圖畫因為遭到各種條件的約束和隨機攪擾，往往不能直接運用，有必要在圖畫處理的前期階段對它進行灰度校對、噪聲過濾等圖畫預處理。關于人臉圖畫而言，其預處理進程首要包含人臉圖畫的光線補償、灰度改換、直方圖均衡化、歸一化、幾許校對、濾波以及銳化等。
真地人臉識別人臉圖畫特征提取
人臉圖畫特征提?。喝四槺嬲J體系可運用的特征一般分為視覺特征、像素核算特征、人臉圖畫改換系數特征、人臉圖畫代數特征等。人臉特征提取就是針對人臉的某些特征進行的。人臉特征提取，也稱人臉表征，它是對人臉進行特征建模的進程。人臉特征提取的辦法歸納起來分為兩大類：一種是依據常識的表征辦法;別的一種是依據代數特征或核算學習的表征辦法。
依據常識的表征辦法首要是依據人臉器官的形狀描繪以及他們之間的間隔特性來獲得有助于人臉分類的特征數據，其特征重量一般包含特征點間的歐氏間隔、曲率和視點等。人臉由眼睛、鼻子、嘴、下巴等部分構成，對這些部分和它們之間結構聯系的幾許描繪，可作為辨認人臉的重要特征，這些特征被稱為幾許特征。依據常識的人臉表征首要包含依據幾許特征的辦法和模板匹配法。
真地人臉識別人臉圖畫匹配與辨認
人臉圖畫匹配與辨認：提取的人臉圖畫的特征數據與數據庫中存儲的特征模板進行查找匹配，經過設定一個閾值，當類似度超越這一閾值，則把匹配得到的成果輸出。人臉辨認就是將待辨認的人臉特征與已得到的人臉特征模板進行比較，依據類似程度對人臉的身份信息進行判別。這一進程又分為兩類：一類是承認，是一對一進行圖畫比較的進程，另一類是辨認，是一對多進行圖畫匹配比照的進程。
真地人臉識別辨認算法
真地人臉識別
一般來說，人臉辨認體系包含圖畫吸取、人臉定位、圖畫預處理、以及人臉辨認(身份承認或許身份查找)。體系輸入一般是一張或許一系列含有未斷定身份的人臉圖畫，以及人臉數據庫中的若干已知身份的人臉圖象或許相應的編碼，而其輸出則是一系列類似度得分，標明待辨認的人臉的身份。
人臉辨認算法分類
依據人臉特征點的辨認算法(Feature-based recognition algorithms)。
依據整幅人臉圖畫的辨認算法(Appearance-based recognition algorithms)。
依據模板的辨認算法(Template-based recognition algorithms)。
運用神經網絡進行辨認的算法(Recognition algorithms using neural network)。
神經網絡辨認
依據光照估量模型理論
提出了依據Gamma灰度矯正的光照預處理辦法,并且在光照估量模型的根底上，進行相應的光照補償和光照平衡戰略。
優化的形變核算校對理論
依據核算形變的校對理論，優化人臉姿勢;強化迭代理論
強化迭代理論是對DLFA人臉檢測算法的有用擴展;
首創的實時特征辨認理論
該理論側重于人臉實時數據的中心值處理，然后能夠在辨認速率和辨認效能之間，到達最佳的匹配作用
真地人臉識別辨認數據
人臉辨認需求堆集收集到的許多人臉圖畫相關的數據，用來驗證算法，不斷前進辨認精確性，這些數據比方A Neural Network Face Recognition Assignment(神經網絡人臉辨認數據)、orl人臉數據庫、麻省理工學院生物和核算學習中心人臉辨認數據庫、埃塞克斯大學核算機與電子工程學院人臉辨認數據等。
真地人臉識別合作程度
現有的人臉辨認體系在用戶合作、收集條件比較抱負的狀況下能夠獲得令人滿意的成果?？墒?，在用戶不合作、收集條件不抱負的狀況下，現有體系的辨認率將猛然下降。比方，人臉比對時，與體系中存儲的人臉有收支，例如剃了胡子、換了發型、多了眼鏡、變了表情都有可能引起比對失敗。
優勢困難
優勢
人臉辨認的優勢在于其天然性和不被被測個別發覺的特色。
所謂天然性，是指該辨認辦法同人類(乃至其他生物)進行個別辨認時所運用的生物特征相同。例如人臉辨認，人類也是經過調查比較人臉差異和承認身份的，別的具有天然性的辨認還有
虹膜辨認
語音辨認、體形辨認等，而指紋辨認、虹膜辨認等都不具有天然性，因為人類或許其他生物并不經過此類生物特征差異個別。
不被發覺的特色關于一種辨認辦法也很重要，這會使該辨認辦法不令人反感，并且因為不容易引起人的注意而不容易被詐騙。人臉辨認具有這方面的特色，它完全運用可見光獲取人臉圖畫信息，而不同于指紋辨認或許虹膜辨認，需求運用電子壓力傳感器收集指紋，或許運用紅外線收集虹膜圖畫，這些特別的收集辦法很容易被人發覺，然后更有可能被假裝詐騙。
困難
人臉辨認被以為是生物特征辨認范疇乃至人工智能范疇最困難的研討課題之一。人臉辨認的困難首要是人臉作為生物特征的特色所帶來的。
類似性
真地人臉識別人臉類似性
不同個別之間的差異不大，一切的人臉的結構都類似，乃至人臉器官的結構外形都很類似。這樣的特色關于運用人臉進行定位是有利的，可是關于運用人臉差異人類個別是晦氣的。
易變性
人臉的外形很不安穩，人能夠經過臉部的改變產生許多表情，而在不同調查視點，人臉的視覺圖畫也相差很大，別的，人臉辨認還受光照條件(例如白天和夜晚，室內和室外等)、人臉的許多隱瞞物(例如口罩、墨鏡、頭發、胡須等)、年紀等多方面要素的影響。
在人臉辨認中，第一類的改變是應該擴大而作為差異個別的規范的，而第二類的改變應該消除，因為它們能夠代表同一個個別。一般稱第一類改變為類間改變(inter-class difference)，而稱第二類改變為類內改變(intra-class difference)。關于人臉，類內改變往往大于類間改變，然后使在受類內改變攪擾的狀況下運用類間改變差異個別變得反常困難。
真地人臉識別首要用途
人臉辨認首要用于身份辨認
人臉辨認首要用于身份辨認。因為視頻監控正在快速普及，許多的視頻監控運用火急需求一種遠間隔、用戶非合作狀態下的快速身份辨認技能，以求遠間隔快速承認人員身份，完結智能預警。人臉辨認技能無疑是最佳的挑選，選用快速人臉檢測技能能夠從監控視頻圖象中實時查找人臉，并與人臉數據庫進行實時比對，然后完結快速身份辨認。
真地人臉識別運用遠景
生物辨認技能已廣泛用于政府、戎行、銀行、社會福利保障、電子商務、安全防務等范疇。例如，一位儲戶走進了銀行，他既沒帶銀行卡，也沒有回想暗碼就徑直提款，當他在提款機上提款時，一臺攝像機對該用戶的眼睛掃描，然后迅速而精確地完結了用戶身份判定，辦理完事務。這是美國德克薩斯州聯合銀行的一個營業部中發作的一個實在的鏡頭。而該營業部所運用的正是現代生物辨認技能中的“虹膜辨認體系”。此外，美國“9.11”事情后，反恐怖活動已成為各國政府的一致，加強機場的安全防務非常重要。美國維薩格公司的臉像辨認技能在美國的兩家機場大顯身手，它能在擁堵的人群中挑出某一張面孔，判別他是不是通緝犯。
當時社會上頻頻呈現的入室偷盜、搶劫、傷人等案子的不斷發作，鑒于此種原因，防盜門開端走進千家萬戶，給家庭帶來安定;可是，跟著社會的開展，技能的前進，日子節奏的加快，消費水平的前進，人們關于家居的希望也越來越高，對快捷的要求也越來越火急，依據傳統的樸實機械規劃的防盜門，除了堅固耐用外，很難快速滿意這些新式的需求：快捷，開門記載等功能。人臉辨認技能現已得到廣泛的認同，但其運用門檻依然很高：技能門檻高(開發周期長)，經濟門檻高(價格高)。
人臉辨認產品已廣泛運用于金融、司法、戎行、公安、邊檢、政府、航天、電力、工廠、教育、醫療及許多企事業單位等范疇。跟著技能的進一步老練和社會認同度的前進，人臉辨認技能將運用在更多的范疇。
1、企業、住所安全和辦理。如人臉辨認門禁考勤體系，人臉辨認防盜門等。
2、電子護照及身份證。我國的電子護照方案公安部一所正在加緊規劃和施行。
3、公安、司法和刑偵。如運用人臉辨認體系和網絡，在全國范圍內搜捕逃犯。
4、自助服務。
5、信息安全。如核算機登錄、電子政務和電子商務。在電子商務中買賣悉數在網上完結，電子政務中的許多批閱流程也都搬到了網上。而當時，買賣或許批閱的授權都是靠暗碼來完結，假如暗碼被盜，就無法確保安全?？墒沁\用生物特征，就能夠做到當事人在網上的數字身份和實在身份一致，然后大大添加電子商務和電子政務體系的可靠性。
真地人臉識別首要產品
數碼相機
人臉主動對焦和笑臉快門技能：首要是面部捕捉。它依據人的頭部的部位進行判定，首要斷定頭部，然后判別眼睛和嘴巴等頭部特征，經過特征庫的比對，承認是人面部，完結面部捕捉。然后以人臉為焦點進行主動對焦，能夠大大的進步拍出相片的清晰度。 笑臉快門技能就是在人臉辨認的根底上，完結了面部捕捉，然后開端判別嘴的上彎程度和眼的下彎程度，來判別是不是笑了。以上一切的捕捉和比較都是在比照特征庫的狀況下完結的，所以特征庫是根底，里邊有各種典型的面部和笑臉特征數據。
真地人臉識別門禁體系
受安全維護的區域能夠經過人臉辨認辨識企圖進入者的身份。人臉辨認體系可用于企業、住所安全和辦理。如人臉辨認門禁考勤體系，人臉辨認防盜門等。 [2]
真地人臉識別人臉辨認門禁
人臉辨認門禁是依據先進的人臉辨認技能，結合老練的ID卡和指紋辨認技能而推出的安全有用的門禁產品。產品選用分體式規劃，人臉、指紋和ID卡信息的收集和生物信息辨認及門禁操控表里別離，有用性高、安全可靠。體系選用網絡信息加密傳輸，支撐長途進行操控和辦理，可廣泛運用于銀行、戎行、公檢法、智能樓宇等要點區域的門禁安全操控。 [3]
真地人臉識別身份辨識
如電子護照及身份證。這或許是未來規劃運用。在國際民航組織已斷定，從 2010年 4月 1日起，其 118個成員國家和區域，有必要運用機讀護照，人臉辨認技能是首推辨認形式，該規定現已成為國際規范。美國現已要求和它有收支免簽證協議的國家在2006年10月 26日之前有必要運用結合了人臉指紋等生物特征的電子護照體系，到 2006年末現已有 50多個國家完結了這樣的體系。美國運輸安全署( Transportation Security Administration)方案在全美推行一項依據生物特征的國內通用游覽證件。歐洲許多國家也在方案或許正在施行類似的方案，用包含生物特征的證件對旅客進行辨認和辦理。我國的電子護照方案公安部一所正在加緊規劃和施行。
可在機場、體育場、超級市場等公共場所對人群進行監督，例如在機場裝置監督體系以避免恐怖分子登機。如銀行的主動提款機，用戶卡片和暗碼被盜，就會被別人冒取現金。一起運用人臉辨認就會避免這種狀況的發作。經過查詢方針人像數據尋覓數據庫中是否存在要點人口基本信息。例如在機場或車站裝置體系以抓捕在逃案犯。
真地人臉識別網絡運用
人臉辨認進程(2張)
運用人臉辨認輔佐信用卡網絡付出，以避免非信用卡的具有者運用信用卡等。如核算機登錄、電子政務和電子商務。在電子商務中買賣悉數在網上完結，電子政務中的許多批閱流程也都搬到了網上。而當時，買賣或許批閱的授權都是靠暗碼來完結。假如暗碼被盜，就無法確保安全。假如運用生物特征，就能夠做到當事人在網上的數字身份和實在身份一致。然后大大添加電子商務和電子政務體系的可靠性。
文娛運用
人臉辨認技能廣泛地運用于日常日子中，如相機攝影，圖片比照等，尤其近兩年來，相親節目如火如荼，其間浙江電視臺的愛情連連看中的最佳夫妻像環節就運用了人臉比照技能來測驗男女主人公面相的類似程度。
跟著移動互聯網的崛起，一些人臉辨認技能的開發者將該項技能運用到文娛范疇中，如運用高興明星臉等，依據人臉的概括，膚色，紋路，質地，顏色，光照等特征來核算相片中主人公與明星的類似度。
Face recognition skills are widely used in everyday life, such as camera photography, photo comparison, etc. Especially in the past two years, blind date programs are in full swing. In the meantime, the best couple portrait link in the love chain of Zhejiang TV station has used face comparison skills to test the similarity of the faces of heroes and heroines.
Following the rise of the mobile Internet, some developers of face recognition skills have applied this skill to entertainment, such as the use of happy star faces, according to the generalization of the face, skin color, grain, texture, color, lighting and other features to calculate the similarity between the protagonists and stars in the photos.
