Part 01 臉識別技術(shù)概述 

人臉識別技術(shù)屬于生物特征識別技術(shù)，是一種依據(jù)人人臉的若干特征(如眼睛、鼻子、嘴巴、眉毛等)自動進(jìn)行身份識別的技術(shù)，又被稱為面像識別、人像識別、相貌識別、面孔識別、面部識別等。其主要利用攝像機(jī)或攝像頭采集含有人臉的圖像或視頻流，通過人臉檢測技術(shù)分析其是否存在人臉，存在則給出人臉?biāo)谖恢谩⒋笮『兔娌筷P(guān)鍵器官的位置信息;再根據(jù)這些信息提取所蘊(yùn)涵的身份特征，并將其與已知的人臉特征進(jìn)行對比，從而識別每個人臉的身份。

圖片

Part 02 人臉檢測 

人臉檢測是人臉識別和人臉分析系統(tǒng)的關(guān)鍵第一步，主要用于解決“人臉在哪里”的問題，在圖像中準(zhǔn)確標(biāo)定出人臉的位置和大小，并提供給后續(xù)的人臉特征分析和識別。早期的人臉檢測工作主要基于人工精心設(shè)計的局部描述子進(jìn)行特征提取，主要可分為4類基于知識的人臉檢測方法、基于模型的人臉檢測方法、基于特征的人臉檢測方法、基于外觀的人臉檢測方法，其中比較比較經(jīng)典的作品有haar cascades分類器、HOG(Histogram of Oriented Gridients)特征檢測算法。但傳統(tǒng)的檢測對于多種變異因素的具有挑戰(zhàn)性的圖像，人臉檢測精度有限。

圖片

圖 WIDER FACE: A Face Detection Benchmark

隨著深度學(xué)習(xí)的蓬勃發(fā)展，逐漸演變出許多基于不同深度學(xué)習(xí)架構(gòu)的人臉檢測方法，主要有基于級聯(lián)cnn模型、基于R-CNN模型、單發(fā)探測器模型、基于特征金字塔網(wǎng)絡(luò)模型、基于變形金剛模型等，極大的改善了傳統(tǒng)人臉檢測、識別在特征提取、精確度、可擴(kuò)展性方面均有諸多不足。MTCNN是其中一個比較優(yōu)秀的人臉檢測模型，該模型通過三個階段的深度卷積網(wǎng)絡(luò)，以粗到細(xì)的方式預(yù)測人臉和地標(biāo)位置，具體步驟為：第一階段：通過淺層CNN快速生成候選窗口;第二階段：通過更復(fù)雜的CNN拒絕大量非面部窗口來細(xì)化窗口;第三階段：使用更強(qiáng)大的CNN再次細(xì)化結(jié)果并輸出五個面部標(biāo)志位置。

Part 03 人臉特征

人臉特征也稱人臉表征，是人臉的某些特征，比如臉的長度、臉的寬度、唇部寬度、鼻子長度等，人臉特征提取就是對人臉進(jìn)行特征建模得到向量化人臉特征的過程。人臉特征提取按照技術(shù)特點大致可分為三類：基于全局信息的Holistic方法、基于局部信息的Local特征方法、基于深度學(xué)習(xí)的方法。基于深度學(xué)習(xí)的人臉特征可以從數(shù)據(jù)集中自動學(xué)習(xí)特征，如果數(shù)據(jù)集能夠覆蓋足夠的魯棒性數(shù)據(jù)(如光照、姿態(tài)、表情等)，則算法能適應(yīng)各種挑戰(zhàn)，也是當(dāng)前的主流人臉特征提取方法。

圖片

Part 04 人臉識別 

人臉識別是人臉比對的過程，通過比對提取的人臉特征獲兩個人臉的相似度，判斷方法為比較兩個特征間的歐式距離(L2距離)或者余弦距離(cosine距離)：L2距離越小，相似度越高;cos距離夾角越小，cos距離越大相似度越高。根據(jù)比對的數(shù)量不同，又可分為1:1和1:N。1:1最常見的場景就是人證比對，比如我們在乘高鐵時所遇到的這種設(shè)備。1:N是1張人臉和底庫中的N張人臉進(jìn)行比對，比如在考勤機(jī)中，我們的人臉底庫中包含全公司的所有人臉照片。