“他來聽我的演唱會，門票換了手銬一對”。最近歌神張學友變阿SIR，演唱會上頻頻抓到罪犯，將人臉識別技術又一次推到了大眾的視線中。
要說人臉識別技術的爆發，當屬去年9月份蘋果iPhone x的發佈，不再需要指紋，只需要掃描面部就可以輕鬆解鎖手機。任何技術一旦進入智能手機這個消費市場，尤其是被蘋果這個標誌性的品牌採用，就意味著它將成為一種趨勢，一個智能設備的標配。
在智能手機快速崛起的這幾年，其密碼鎖經歷了從數字密碼、手勢解鎖到指紋識別的升級，發展到如今的虹膜識別和人臉識別。
那麼人臉識別到底是一項怎樣的技術，鵲叔就將帶大家走進人臉識別，聊聊這項黑科技。
01
人臉識別是什麼？
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，通常也叫做人像識別、面部識別。
傳統的人臉識別技術主要是基於可見光圖像的人臉識別，這也是人們熟悉的識別方式。簡單的來說就是一個讓計算機認出你的過程。
人臉識別技術主要是通過人臉圖像特徵的提取與對比來進行的。人臉識別系統將提取的人臉圖像的特徵數據與數據庫中存儲的特徵模板進行搜索匹配，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。
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信息進行判斷。這一過程又分為兩類：一類是確認，是一對一進行圖像比較的過程，另一類是辨認，是一對多進行圖像匹配對比的過程。
廣義的人臉識別實際包括構建人臉識別系統的一系列相關技術，包括人臉圖像採集、人臉定位、人臉識別預處理、身份確認以及身份查找等;而狹義的人臉識別特指通過人臉進行身份確認或者身份查找的技術或系統。
02
人臉識別技術發展
早在20世紀50年代，認知科學家就已著手對人臉識別展開研究。20世紀60年代，人臉識別工程化應用研究正式開啟。當時的方法主要利用了人臉的幾何結構，通過分析人臉器官特徵點及其之間的拓撲關係進行辨識。這種方法簡單直觀，但是一旦人臉姿態、表情發生變化，則精度嚴重下降。
★
1991年
1991年，著名的“特徵臉”方法第一次將主成分分析和統計特徵技術引入人臉識別，在實用效果上取得了長足的進步，這一思路也在後續研究中得到進一步發揚光大。
2000-2012年
2009年至2012年，稀疏表達(Sparse Representation)因為其優美的理論和對遮擋因素的魯棒性成為當時的研究熱點。
與此同時，業界也基本達成共識：基於人工精心設計的局部描述子進行特徵提取和子空間方法進行特徵選擇能夠取得最好的識別效果。
Gabor及LBP特徵描述子是迄今為止在人臉識別領域最為成功的兩種人工設計局部描述子。
也是在這一階段，研究者的關注點開始從受限場景下的人臉識別轉移到非受限環境下的人臉識別 。
2013年
2013年，MSRA的研究者首度嘗試了10萬規模的大訓練數據，並基於高維LBP特徵和Joint Bayesian方法在LFW上獲得了95.17%的精度。這一結果表明：大訓練數據集對於有效提升非受限環境下的人臉識別很重要。
2014年
2014年前後，隨著大數據和深度學習的發展，神經網絡重受矚目，並在圖像分類、手寫體識別、語音識別等應用中獲得了遠超經典方法的結果，這是
人臉識別發展歷史上的一座里程碑。
人臉識別發展過程中一些經典的方法及其在LFW上的精度，都有一個基本的趨勢：訓練數據規模越來越大，識別精度越來越高。
03
人臉識別關鍵技術
人臉檢測
“人臉檢測(Face Detection)”的作用就是要檢測出圖像中人臉所在位置。
人臉檢測算法的輸入是一張圖像，輸出是人臉框座標序列，具體結果是0個人臉框或1個人臉框或多個人臉框。輸出的人臉座標框可以為正方形、矩形等。
人臉屬性識別
“人臉屬性識別(Face Attribute)”是識別出人臉的性別、年齡、姿態、表情等屬性值的一項技術。
一般的人臉屬性識別算法的輸入是“一張人臉圖”和“人臉五官關鍵點座標”，輸出是人臉相應的屬性值。
人臉驗證
“人臉驗證(Face Verification)”是判定兩個人臉圖是否為同一人的算法。
它的輸入是兩個人臉特徵，通過人臉比對獲得兩個人臉特徵的相似度，通過與預設的閾值比較來驗證這兩個人臉特徵是否屬於同一人。
更多科技前沿資訊，
“驚鵲先生”給你好看！
閱讀更多 米小粒先生 的文章
