深扒人脸识别60年技术发展史
深扒人脸识别60年技术发展史
“他来听我的演唱会,门票换了手铐一对”。最近歌
神张学友变阿SIR，演唱会上频频抓到罪犯，将人脸识别技术又一次推到了大众的视线中。要说人脸识别技术的爆发，当属去年9月份苹果iPhone x的发布，不再需要指纹，只需要扫描面部就可以轻松解锁手机。任何技术一旦进入智能手机这个消费市场，尤其是被苹果这个标
志性的品牌采用，就意味着它将成为一种趋势，一个智能设备的标配。
在智能手机快速崛起的这几年，其密码锁经历了从数字密码、
手势解锁到指纹识别的升级，发展到如今的虹膜识别和人脸识别。可
以预料的是，由于全面屏幕的普及和更为安全、便捷的 FaceID 技术
的出现，在不久的将来，指纹识别也将被智能手机厂商们所抛弃，完
成它的历史使命。那么人脸识别到底是一项怎样的技术，这期《趣科技》，与非网小编就将带大家走进人脸识别，聊聊这项黑科技。
人脸识别是啥玩意儿？
人脸识别技术，是基于人的脸部特征信息进行身份识别的一种生
物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自
动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列
相关技术，通常也叫做人像识别、面部识别。传统的人脸识别技术主
要是基于可见光图像的人脸识别，这也是人们熟悉的识别方式。简单
的来说就是一个让计算机认出你的过程。人脸识别技术主要是通过人
脸图像特征的提取与对比来进行的。人脸识别系统将提取的人脸图像
的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个
阈值，当相似度超过这一阈值，则把匹配得到的结果输出。将待识别
的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸
的身份信息进行判断。这一过程又分为两类：一类是确认，是一对一
进行图像比较的过程，另一类是辨认，是一对多进行图像匹配对比的
过程。
广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，
包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份
查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找
的技术或系统。
人脸识别技术发展
早在20世纪50年代，认知科学家就已着手对人脸识别展开研究。20世纪60年代，人脸识别工程化应用研究正式开启。当时的方法主要利用了人脸的几何结构，通过分析人脸器官特征点及其之间的拓扑关
系进行辨识。这种方法简单直观，但是一旦人脸姿态、表情发生变化，则精度严重下降。
1991年，著名的“特征脸”方法第一次将主成分分析和统计特征
技术引入人脸识别，在实用效果上取得了长足的进步。这一思路也在
后续研究中得到进一步发扬光大，例如，Belhumer成功将Fisher判别准则应用于人脸分类，提出了基于线性判别分析的Fisherface方法。
由剑桥人脸数据集的特征分解获得的前四个特征向量
21世纪的前十年，随着机器学习理论的发展，学者们相继探索出
了基于遗传算法、支持向量机（Support Vector Machine， SVM）、boosting、流形学习以及核方法等进行人脸识别。 2009年至2012年，稀疏表达（Sparse Representation）因为其优美的理论和对遮挡因素
的鲁棒性成为当时的研究热点。与此同时，业界也基本达成共识：基
于人工精心设计的局部描述子进行特征提取和子空间方法进行特征选
择能够取得最好的识别效果。Gabor及LBP特征描述子是迄今为止在人脸识别领域最为成功的两种人工设计局部描述子。这期间，对各种人
脸识别影响因子的针对性处理也是那一阶段的研究热点，比如人脸光
照归一化、人脸姿态校正、人脸超分辨以及遮挡处理等。也是在这一
阶段，研究者的关注点开始从受限场景下的人脸识别转移到非受限环
境下的人脸识别。LFW人脸识别公开竞赛在此背景下开始流行，当时最好的识别系统尽管在受限的FRGC测试集上能取得99%以上的识别精度，但是在LFW上的最高精度仅仅在80%左右，距离实用看起来距离颇远。 2013年，MSRA的研究者首度尝试了10万规模的大训练数据，并
基于高维LBP特征和Joint Bayesian方法在LFW上获得了95.17%的精度。这一结果表明：大训练数据集对于有效提升非受限环境下的人脸
识别很重要。然而，以上所有这些经典方法，都难以处理大规模数据
集的训练场景。2014年前后，随着大数据和深度学习的发展，神经网
络重受瞩目，并在图像分类、手写体识别、语音识别等应用中获得了
远超经典方法的结果。香港中文大学的Sun Yi等人提出将卷积神经网
络应用到人脸识别上，采用20万训练数据，在LFW上第一次得到超过
人类水平的识别精度，这是人脸识别发展历史上的一座里程碑。表1
人脸识别经典方法及其在LFW上精度对比
自此之后，研究者们不断改进网络结构，同时扩大训练样本规模，将LFW上的识别精度推到99.5%以上。如表1所示，我们给出了人脸识别发展过程中一些经典的方法及其在LFW上的精度，一个基本的趋势是：训练数据规模越来越大，识别精度越来越高。
人脸识别十大关键技术
1、人脸检测（Face Detection）
“人脸检测(Face Detection)”的作用就是要检测出图像中人脸
所在位置。
人脸检测算法的输入是一张图像，输出是人脸框坐标序列，具体
结果是0个人脸框或1个人脸框或多个人脸框。输出的人脸坐标框可
以为正方形、矩形等。
人脸检测算法的原理简单来说是一个“扫描”加“判定”的过程。即首先在整个图像范围内扫描，再逐个判定候选区域是否是人脸的过程。因此人脸检测算法的计算速度会跟图像尺寸大小以及图像内容相关。在实际算法时，我们可以通过设置“输入图像尺寸”、或“最小
脸尺寸限制”、“人脸数量上限”的方式来加速算法。
举例说明：绿色矩形框标注的即为人脸检测算法检测到的人脸位
置2、人脸配准(Face Alignment)
“人脸配准(Face Alignment)”所实现的目的是定位出人脸上五
官关键点坐标。
人脸配准算法的输入是“一张人脸图像”和“人脸坐标框”，输
出是五官关键点的坐标序列。五官关键点的数量是预先设定好的一个
固定数值，常见的有5点、68点、90点等等。
当前效果的较好的一些人脸配准技术基本通过深度学习框架实现。这些方法都是基于人脸检测的坐标框，按某种事先设定规则将人脸区
域抠取出来，缩放到固定尺寸，然后进行关键点位置的计算。另外，
相对于人脸检测，或者是后面将提到的人脸特征提取的过程，人脸配
准算法的计算耗时都要少很多。
举例说明：输入图像以及输出结果如下，绿色圆点标注出了五官
位置。3、人脸属性识别(Face Attribute)
“人脸属性识别(Face Attribute)”是识别出人脸的性别、年龄、姿态、表情等属性值的一项技术。这在有些相机APP中有所应用，可
以自动识别摄像头视野中人物的性别、年龄等特征并标注出来。
一般的人脸属性识别算法的输入是“一张人脸图”和“人脸五官
关键点坐标”，输出是人脸相应的属性值。人脸属性识别算法一般会
根据人脸五官关键点坐标将人脸对齐，具体过程为旋转、缩放、抠取
等操作后，将人脸调整到预定的大小和形态，以便之后进行属性分析。
人脸的属性识别包括性别识别、年龄估计、表情识别、姿态识别、发型识别等等方面。一般来说每种属性的识别算法过程是独立的，但
是有一些新型的基于深度学习实现的算法可以实现同时输出年龄、性别、姿态、表情等属性识别结果。
举例说明：人脸属性识别输出结果如下4、人脸提特征(Face Feature Extraction)
“人脸提特征(Face Feature Extraction)”是将一张人脸图像转
化为可以表征人脸特点的特征，具体表现形式为一串固定长度的数值。
人脸提特征过程的输入是“一张人脸图”和“人脸五官关键点坐标”，输出是人脸相应的一个数值串(特征)。人脸提特征算法实现的
过程为：首先将五官关键点坐标进行旋转、缩放等等操作来实现人脸
对齐，然后在提取特征并计算出数值串。
举例说明：人脸特征提取过程5、人脸比对(Face Compare)
“人脸比对(Face Compare)”算法实现的目的是衡量两个人脸之
间相似度。
人脸比对算法的输入是两个人脸特征人脸特征由前面的人脸提特
征算法获得，输出是两个特征之间的相似度。
举例说明：人脸对比过程，输出结果为相似度96%6、人脸验证(Face Verification)
“人脸验证(Face Verification)”是判定两个人脸图是否为同一
人的算法。
它的输入是两个人脸特征，通过人脸比对获得两个人脸特征的相
似度，通过与预设的阈值比较来验证这两个人脸特征是否属于同一人。
举例说明：人脸验证过程如下，相似度96%大于阈值75%，判定属
于同一个人7、人脸识别(Face Recognition)
“人脸识别(Face Recognition)”是识别出输入人脸图对应身份
的算法。
它的输入为一个人脸特征，通过和注册在库中N个身份对应的特
征进行逐个比对，找出“一个”与输入特征相似度最高的特征。将这
个最高相似度值和预设的阈值相比较，如果大于阈值，则返回该特征
对应的身份，否则返回“不在库中”。
举例说明：人脸识别过程如下，判断结果为输入图像为注册库中
的jason8、人脸检索（Face Retrieval）
“人脸检索”是查找和输入人脸相似的人脸序列的算法。
人脸检索通过将输入的人脸和一个集合中的说有人脸进行比对，
根据比对后的相似度对集合中的人脸进行排序。根据相似度从高到低
排序的人脸序列即使人脸检索的结果。
举例说明：人脸检索过程如下，右侧绿框内排序序列为检索结果9、人脸聚类(Face Cluster)
“人脸聚类(Face Cluster)”是将一个集合内的人脸根据身份进
行分组的算法。
人脸聚类也通过将集合内所有的人脸两两之间做人脸比对，再根
据这些相似度值进行分析，将属于同一个身份的人划分到一个组里。
在没有进行人工身份标注前，只知道分到一个组的人脸是属于同
一个身份，但不知道确切身份。
举例说明：人脸聚类过程如下，右侧绿框内按身份的分组结果为
聚类结果10、人脸活体(FaceLiveness)
“人脸活体(FaceLiveness)”是判断人脸图像是来自真人还是来
自攻击假体(照片、视频等)的方法。
在我们生活环境中，人脸认证系统中主要容易受到这种手段欺骗：
(1)用偷拍的照片假冒真实人；
(2)在公开场合录的视频或网上公开的视频片段；
(3)用计算机辅助软件设计的三维模型欺骗;
(4)用蜡或塑料等材质构造的三维雕像欺骗。
现在所以人脸活体检测技术的研究显得异常重要。对于照片欺骗，主要是根据分辨率、三位三维信息、眼动等来进行区分；对于视频欺骗，根据三维信息、光线等来区分。
人脸识别技术的主要用途
1、人脸识别技术应用于铁路安防系统
随着技术的进步，人员组织的不断复杂化，铁路安全形势不断面
临新的挑战。火车票实名制有效阻止了不法分子进入车站，但是，目
前铁路客运安全检查，基本还是靠安检员来检查票、证、人是否一致，而证件照片往往是多年前的照片，安检员很难辨认，辨别度很低。而
人脸识别技术，准确度高、便捷性好，运用于铁路安防系统，将极大
的提高安防系统，强化通关，让不法分子无空子可钻。另外，人脸识
别技术还能助力强化追溯，支持在超大的人像库中定位查找对象，这
将有力协助公安部门侦破案件，或抓捕在逃案犯。2、人脸识别技术应
用于教育领域
近年来，从中考、高考等升学考试，到执业资格、晋级升职等等
考试，均不同程度地出现了替考现象，而利用人脸识别技术实现证件
内照片特征和实时人脸照片特征比对识别，辨别考生身份，可防止考
场替考现象的发生。人脸识别技术还可应用于校园，能有效地对进入
校园的可疑人员做到预警。3、人脸识别技术推进于智能城市建设随着人类社会的不断发展，未来城市将承载越来越多的人口，为
实现城市可持续发展，建设智慧城市已成为当今世界城市发展不可逆
转的历史潮流。而在智慧城市的建设过程中，需注重对信息的结构化
存储、分析挖掘，人脸的结构化云识别储存是构建整个智慧城市基础
数据之一，是智慧城市云储存体系中的不可或缺的一部分。通过智慧
城市的高速数据传输链及结构化的数据筛选，可将人脸大数据与智慧
城市中其它的大数据之间碰撞出火花，更加凸显出人脸识别“用”的
价值。如今，人脸识别技术不再仅仅局限在考勤、门禁行业的简单应
用，而是凭借其人脸的唯一匹配性以及安全优势，受到高安全性环境
应用领域的青睐。而厦门云脉技术近年来致力于人脸识别核心技术的
研发与产品化，并推动其与各行业相结合，依托自研的人脸识别算法
以及成熟的OCR识别技术，为切实解决不同行业难题，推出了不同的
人脸识别解决方案。云脉人脸识别技术识别速度快，精度高，不受一
些化妆、眼镜等因素影响。
人脸识别的技术难点
人脸识别虽说发展到现在3、40年的时间了，但它一直存在的几
个难点，到现在也没能彻底解决。
1、光照问题
光照问题是机器视觉重的老问题，在人脸识别中的表现尤为明显。由于人脸的3D结构，光照投射出的阴影，会加强或减弱原有的人脸特征。
2、表情姿态问题
与光照问题类似，姿态问题也是目前人脸识别研究中需要解决的
一个技术难点。姿态问题涉及头部在三维垂直坐标系中绕三个轴的旋
转造成的面部变化，其中垂直于图像平面的两个方向的深度旋转会造
成面部信息的部分缺失。针对姿态的研究相对比较的少，目前多数的
人脸识别算法主要针列正面、准正而人脸图像，当发生俯仰或者左右
侧而比较厉害的情况下，人脸识别算法的识别率也将会急剧下降。面
部幅度较大的哭、笑、愤怒等表情变化同样影像着面部识别的准确率。
3、遮挡问题
对于非配合情况下的人脸图像采集，遮挡问题是一个非常严重的
问题。特别是在监控环境下，往往彼监控对象都会带着眼镜，帽子等
饰物，使得被采集出来的人脸图像有可能不完整，从而影响了后面的
特征提取与识别，甚至会导致人脸检测算法的失效。
4、年龄变化
随着年龄的变化，面部外观也在变化，特别是对于青少年，这种
变化更加的明显。对于不同的年龄段，人脸识别算法的识别率也不同。一个人从少年变成青年，变成老年，他的容貌可能会发生比较大的变化，从而导致识别率的下降。对于不同的年龄段，人脸识别算法的识
别率也不同。
5、人脸相似性
不同个体之间的区别不大，所有的人脸的结构都相似，甚至人脸
器官的结构外形都很相似。这样的特点对于利用人脸进行定位是有利的，但是对于利用人脸区分人类个体是不利的。6、图像质量人脸图像的来源可能多种多样，由于采集设备的不同，得到的人
脸图像质量也不一样，特别是对于那些低分辨率、噪声大、质量差的
人脸图像(如手机摄像头拍摄的人脸图片、远程监控拍摄的图片等)如
何进行有效地人脸识别是个需要关注的问题。同样的，对于高分辨图
像对人脸识别算法的影响也需要进一步的研究。
7、样本缺乏
基于统计学习的人脸识别算法是目前人脸识别领域中的主流算法，但是统计学习方法需要大量的训练。由于人脸图像在高维空间中的分
布是一个不规则的流形分布，能得到的样本只是对人脸图像空间中的
一个极小部分的采样，如何解决小样本下的统计学习问题有待进一步
的研究。
8、海量数据
传统人脸识别方法如PCA、LDA等在小规模数据中可以很容易进行
训练学习。但是对于海量数据，这些方法其训练过程难以进行，甚至
有可能崩溃。
9、大规模人脸识别
随着人脸数据库规模的增长，人脸算法的性能将呈现下降。
国内研究人脸识别的公司有哪些
2015年以来，已有腾讯、阿里、民生银行等多个行业巨头纷纷加
码人脸识别产业。国内外巨头纷纷加码人脸识别技术，将直接助推产
业的爆发性增长。想知道具体企业以及方向，可以阅读下方表格：人
脸识别的未来
随着大数据、共享时代的来临，数据安全问题也越发被重视起来，以人脸识别为代表的新一代技术革命已经展开。这些对技术的要求越
来越高，既要求数据的准确性，又要保证数据的安全性，人脸识别在
这方面大有可为，作为行业的主力军，企业的技术实力与创新能力决
定着整个产业的走向，任何一点点技术的创新都可能带来行业的变革。
依托于物联网与人工智能的快速推进，人脸识别应用场景会越来
越广泛。随着国家科研机构的研发投入、企业对技术的钻研、市场的
推广等，这些都将是人脸识别美好前景的征兆。据业内分析人士认为，未来人脸识别或成为有效身份识别主流，届时，人脸识别就不是什么
新鲜词了。科塔学术领先的科研与学术资源导航平台查看
cambrian.render('tail') 扫码，关注科塔学术公众号
致力于成为国内领先的科研与学术资源导航平台，让科研
工作更简单、更有效率。内容专业，信息准确，更新及时。赞
0 分享A+所属分类：
人脸识别系统
人脸识别解决方案 浙江大华技术股份 有限公司 解决方案部大华人脸识别解决方案
目录 1 人脸识别技术 (3) 2 人脸识别解决方案 (4) 3 第二章. 方案概述 (5) 3.1 项目概况 (5) —
1人脸识别技术 随着平安城市基础建设的不断完善和加强前端摄像机采集到的数据呈现一种爆炸式的增长。对于公安行业来说数据总量不断充实的情况下如何从非结构化数据中挖掘结构化信息是平安城市建设的二期目标。另一方面公安行业对车辆的结构化信息采集已逐渐趋于成熟化、普遍化但对人员信息采集和认证技术一直使用传统技侦方式。人脸识别技术在以上情况下解决视频录像、图片等非结构化信息到人员照片、身份信息等结构化的转变。人脸识别技术相对于其他生物识别技术如指纹、指静脉、虹膜等同属于四大生物识别技术具有生物特征唯一性、可测量性、可识别性、终身不变性等特点。但相较其他识别技术具有本质的区别 1.非强制性用户不需要专门配合人脸采集设备几乎可以在无意识的状态下就可获取人脸图像这样的取样方式没有“强制性” 2. 非接触性用户不需要和设备直接接触就能获取人脸图像 3. 并发性在实际应用场景下可以进行多个人脸的分拣、判断及识别人脸识别技术流程主要包括四个组成部分分别为人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及人脸特征数据匹配与识别。人脸图像采集及检测基于人的脸部特征对输入的人脸图像或视频流,首先判断是否存在人脸如果存在人脸则进一步的给出每个脸的位置、大小和各个面部器官的位置信息。人脸图像预处理 对于人脸的图像预处理是基于人脸采集及检测结果通过人脸智能算
法对选择出来的人脸图片进行优化和择优选择挑选当前环境下最优人脸并最终服务于特征提取的过程。其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。 人脸图像特征提取人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取的方法归纳起来分为两大类一种是基于知识的表征方法另外一种是基于代数特征或统计学习的表征方法。基于知识的表征方法主要是根据人脸器官的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据其特征分量通常包括特征点间的欧氏距离、曲率和角度等。人脸由眼睛、鼻子、嘴、下巴等局部构成 对这些局部和它们之间结构关系的几何描述可作为识别人脸的重要特征这些特征被称为几何特征。基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法。 1.1人脸识别解决方案 人脸特征比对识别通过采集到的人脸图片形成人脸特征数据与后端人脸库中的人脸特征数据模板进行搜索匹配通过设定一个阙值相似度超过这一阈值则把匹配得到的结果输出。这一过程又分为两类一类是确认是一对一进行图像比较的过程另一类是辨认是一对多进行图像匹配对比的过程。
校园人脸识别系统解决方案
项目背景 随着经济的发展，社会开放程度的提高，社会上的一些违法犯罪事件 也日渐影响到学校校园。如何建立一个安全的校园环境，保障师生的学习、校园生活安全一直是教育部门、公安部门和社会各界关注的焦点。 特别是学校的校园安全建设尤其重要，学校师生均属于安全防卫能力较弱的群体，大部分学生尚未成年，防范意识和自我保护能力比较弱。学校园安全问题，维系着社会的稳定，牵动着家庭的幸福，已成为全社会密切关注的话题，直接影响到和谐社会的建设。 据社会调查显示，造成学校安全事故发生的原因，分为校外社会人员的侵害、校园内外舍学生入侵、学生外出活动伤害等等。 近年来，随着人脸识别技术、大数据技术的迅猛发展，并在实际应用中逐步成熟，在校园打击预防违法犯罪、校园园内人员管理、校园出入人员管控、智慧一脸通等方面起到了良好的作用。且通过人脸识别可以校园多场景中应用。 重庆中科云丛科技有限公司是中国科学院旗下专注于人脸识别等计算机视觉技术的人工智能企业，目前拥有技术人员近1000 人，核心技术人员主要来自于中科院各大研究院全球顶级学府和研究机构。云从科技作为中国科学院战略性先导科技专项的唯一人脸识别团队参与了国内首个人脸识别国家 标准起草与制定。 项目需求 1. 校园安防人脸识别需求分析通过校园安防人脸识别系统管理门禁，
针对流窜作案、多次作案人员，在校园出入门、周界、路口、重要区域增加人脸识别拍抓摄像机，对嫌疑人员、多次作案人员、兄弟院校嫌疑人员、公安部门通辑人员等建立嫌疑人数据库，对经过完人脸抓拍机人会实时抓拍与嫌疑人、在校师生、学校服务人员等数据库中的人像比对，发现黑名单或非本校师生等人的时候，校园安防人脸识别系统将自动报警。 2. 校园宿舍人脸识别需求分析 针对学生宿舍安全管理，以及在校学生夜不归寝，导致学生人身安全.学业.得不到妥善保障的解决方案及建议。在当今充满诱惑物欲横流的社会，充满好奇、缺乏分辨能力、自主意识薄弱的学生最容易学会夜不归寝并且无法自拔，还有甚者引以为荣，逐渐的人数越来越多。从而影响了学业，威胁学生的人身安全。通过校园宿舍人脸识别系统可实现以下功能。 大大降低校园被盗事件的发生，往往偷盗事件发生的两个因素，第一是学生防盗意识薄弱，第二是校园硬件设备滞后。而其中一个环节的提高，都会使得偷盗事件发生率的降低。传统的监控设备，起到作用是方便案件发生后的追查。而人脸识别的门禁设备，是把事件的发生制止与未然。把犯罪嫌疑人止于门外。 提高安全，解决潜在隐患。因为钥匙、磁卡可复制性，以及流动性强，决定了一旦钥匙丢失、或者传递，便使得宿舍楼处于亚安全状态，无形中增加管理难度。人脸识别系统采用人脸面部验证，不仅仅能确保出入人员的身份，更能记录下出入详细信息。通过设置，还能实现出入人员的管理（例学生在假期间识别无效，赋予假期留校生专门权限）。
人脸识别技术的应用背景及研究现状
1．人脸识别技术的应用 随着社会的不断进步以及各方面对于快速有效的自动身份验证的迫切要求，生物特征识别技术在近几十年中得到了飞速的发展。作为人的一种内在属性，并且具有很强的自身稳定性及个体差异性，生物特征成为了自动身份验证的最理想依据。当前的生物特征识别技术主要包括有：指纹识别，视网膜识别，虹膜识别，步态识别，静脉识别，人脸识别等。与其他识别方法相比，人脸识别由于具有直接，友好，方便的特点，使用者无任何心理障碍，易于为用户所接受，从而得到了广泛的研究与应用。除此之外，我们还能够对人脸识别的结果作进一步的分析，得到有关人的性别，表情，年龄等诸多额外的丰富信息，扩展了人脸识别的应用前景。当前的人脸识别技术主要被应用到了以下几个方面：（1）刑侦破案公安部门在档案系统里存储有嫌疑犯的照片，当作案现场或通过其他途径获得某一嫌疑犯的照片或其面部特征的描述之后，可以从数据库中迅速查找确认，大大提高了刑侦破案的准确性和效率。 （2）证件验证在许多场合（如海口，机场，机密部门等）证件验证是检验某人身份的一种常用手段，而身份证，驾驶证等很多其他证件上都有照片，使用人脸识别技术，就可以由机器完成验证识别工作，从而实现自动化智能管理。 （3）视频监控在许多银行，公司，公共场所等处都设有24小时的视频监控。当有异常情况或有陌生人闯入时，需要实时跟踪，监控，识别和报警等。这需要对采集到的图像进行具体分析，且要用到人脸的检测，跟踪和识别技术。 （4）入口控制入口控制的范围很广，既包括了在楼宇，住宅等入口处的安全检查，也包括了在进入计算机系统或情报系统前的身份验证。 （5）表情分析根据人脸图像中的面部变化特征，识别和分析人的情感状态，如高兴，生气等。此外，人脸识别技术还在医学，档案管理，人脸动画，人脸建模，视频会议等方面也有着巨大的应用前景。 2．人脸识别技术在国外的研究现状 当前很多国家展开了有关人脸识别的研究，主要有美国，欧洲国家，日本等，著名的研究机构有美国MIT的Media lab,AI lab,CMU的Human-Computer I nterface Institute，Microsoft Research,英国的Department of Engineerin g in University of Cambridge等。综合有关文献，目前的方法主要集中在以下几个方面： （1）模板匹配 主要有两种方法，固定模板和变形模板。固定模板的方法是首先设计一个或几个参考模板，然后计算测试样本与参考模板之间的某种度量，以是否大于阈值来判断测试样本是否人脸。这种方法比较简单，在早期的系统中采用得比较
人脸识别系统的原理与发展
人脸识别系统的原理与发展 一、引言 人脸识别系统以人脸识别技术为核心，是一项新兴的生物识别技术，是当今国际科技领域攻关的高精尖技术。它广泛采用区域特征分析算法，融合了计算机图像处理技术与生物统计学原理于一体，利用计算机图像处理技术从视频中提取人像特征点，利用生物统计学的原理进行分析建立数学模型，具有广阔的发展前景。2012年4月，铁路部门宣布车站安检区域将安装用于身份识别的高科技安检系统人脸识别系统；可以对人脸明暗侦测，自动调整动态曝光补偿，人脸追踪侦测，自动调整影像放大； 二、概述 人脸识别系统概述 广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音(语音)、体形、个人习惯(例如敲击键盘的力度和频率、签字)等，相应的识别技术就有人脸识别、指纹识别、掌纹识别、虹膜识别、视网膜识别、语音识别(用语音识别可以进行身份识别，也可以进行语音内容的识别，只有前者属于生物特征识别技术)、体形识别、键盘敲击识别、签字识别等。 人脸识别系统功能模块 人脸捕获与跟踪功能：人脸捕获是指在一幅图像或视频流的一帧中检测出人像并将人像从背景中分离出来，并自动地将其保存。人像跟踪是指利用人像捕获技术，当指定的人像在摄像头拍摄的范围内移动时自动地对其进行跟踪。 人脸识别比对：人脸识别分核实式和搜索式二种比对模式。核实式是对指将捕获得到的人像或是指定的人像与数据库中已登记的某一对像作比对核实确定其是否为同一人。搜索式的比对是指，从数据库中已登记的所有人像中搜索查找是否有指定的人像存在。 人脸的建模与检索：可以将登记入库的人像数据进行建模提取人脸的特征，并将其生成人脸模板(人脸特征文件)保存到数据库中。在进行人脸搜索时(搜索式)，将指定的人像进行建模，再将其与数据库中的所有人的模板相比对识别，最终将根据所比对的相似值列出最相似的人员列表。
人脸识别系统需求方案
前后门人脸识别系统需求方案为进一步加强厂区人员管控，杜绝无关人员及违禁物品进入厂区，把好人员、物品入场安全第一关，辅助和提升管理人员工作效率，提高公司安全生产管理技术水平，现申请安装前后门人脸识别系统，需求如下: 一、公司人员出入管理存在问题 目前，公司合作单位人员通过办理出入证卡，由前门内勤员进行核对放行的方式进入厂区。但出入证件卡在实际使用过程中存在以下问题：1.卡面磨损程度严重，无法确认人员真实信息，一般情况下多为依靠内勤人员的印象辨别外来人员，如此一来需要耗费大量人力，无法保证厂区人员识别的准确性；2.人员离职后没有及时办理退卡，仍使用出入证逗留厂区；3.一卡多用、借给他人使用；4.合作单位常以未能及时取到证件卡为由，临时通行等。 二、系统实现功能 1.采用快速人脸检测技术，实行一人一脸录入，支持现场设备或者移动客户端录入。 2.系统验证方式需支持人脸识别及身份证均可认证。 3.可在系统管理设置限定时间内（如3-5天，具体时间由我司管理人员自定义），如人员未进行验证，系统会自动发出相关人员名单信息警报提示或停止其使用。 4.前后门验证设备数据要求放置前门值班室处进行统一管
理，同时实现网络远程管理。5.前后门人行道设置双通道区分进出道，进道只允许进入通行不允许出，出道只允许出通行，不允许进入；人员进厂需进行人脸认证，出口红外线感应开启（明确的通行指示功能）。 6.当断电时，闸门能自动打开，确保人员安全通行。 7.前后门各加装2个摄像头，1台监控主机设备，监控闸门位置，防止人员违规通行或设备破坏，有效调查录像取证。 8.单独配置管理电脑套装（主机加显示器等）。 9.在系统出现故障，或者非法闯入时，系统产生声光报警提示功能。 10.系统管理需考虑预留出口道闸后续可以实现增加人脸识别功能融合使用。 三、系统硬件要求
人脸识别技术的应用背景及研究现状
人脸识别技术的应用背景及研究现状 1．人脸识别技术的应用 随着社会的不断进步以及各方面对于快速有效的自动身份验证的迫切要求，生物特征识别技术在近几十年中得到了飞速的发展。作为人的一种内在属性，并且具有很强的自身稳定性及个体差异性，生物特征成为了自动身份验证的最理想依据。当前的生物特征识别技术主要包括有：指纹识别，视网膜识别，虹膜识别，步态识别，静脉识别，人脸识别等。与其他识别方法相比，人脸识别由于具有直接，友好，方便的特点，使用者无任何心理障碍，易于为用户所接受，从而得到了广泛的研究与应用。除此之外，我们还能够对人脸识别的结果作进一步的分析，得到有关人的性别，表情，年龄等诸多额外的丰富信息，扩展了人脸识别的应用前景。当前的人脸识别技术主要被应用到了以下几个方面：（1）刑侦破案公安部门在档案系统里存储有嫌疑犯的照片，当作案现场或通过其他途径获得某一嫌疑犯的照片或其面部特征的描述之后，可以从数据库中迅速查找确认，大大提高了刑侦破案的准确性和效率。 （2）证件验证在许多场合（如海口，机场，机密部门等）证件验证是检验某人身份的一种常用手段，而身份证，驾驶证等很多其他证件上都有照片，使用人脸识别技术，就可以由机器完成验证识别工作，从而实现自动化智能管理。 （3）视频监控在许多银行，公司，公共场所等处都设有24小时的视频监控。当有异常情况或有陌生人闯入时，需要实时跟踪，监控，识别和报警等。这需要对采集到的图像进行具体分析，且要用到人脸的检测，跟踪和识别技术。 （4）入口控制入口控制的范围很广，既包括了在楼宇，住宅等入口处的安全检查，也包括了在进入计算机系统或情报系统前的身份验证。 （5）表情分析根据人脸图像中的面部变化特征，识别和分析人的情感状态，如高兴，生气等。此外，人脸识别技术还在医学，档案管理，人脸动画，人脸建模，视频会议等方面也有着巨大的应用前景。 2．人脸识别技术在国外的研究现状 当前很多国家展开了有关人脸识别的研究，主要有美国，欧洲国家，日本等，著名的研究机构有美国MIT的Media lab,AI lab,CMU的Human-Computer I nterface Institute，Microsoft Research,英国的Department of Engineerin g in University of Cambridge等。综合有关文献，目前的方法主要集中在以下几个方面：
人脸识别技术的新发展 阅读答案(2014呼和浩特中考试题)
人脸识别技术的新发展阅读答案（2014呼和浩特中考试题） 人脸识别技术的新发展 刘露 ①《谍中谍4》中有一些令人炫目的场景：身在茫茫人海中，一眨眼的功夫已被潜藏着的对手认出，随即被盯梢；对手迎面来时，你的手机立刻发出嘀嘀的报警声，上面已经显示他的姓名和信息……我们不禁要问：这是真的吗？事实上，这些情景不仅仅是电影特技，人脸识别技术已经让科幻成为现实。 ②人脸识别的过程其实并不复杂。首先是人脸检测，即判断输入图像中是否存在人脸，如果有，便给出每个人脸的位置、大小；其次是面部特征定位，即对找到的每个人脸，检测其主要器官的位置和形状等信息；最后进行人脸比对，根据面部特征定位的结果，与数据库中人脸对比，判断该人脸的身份信息。这种生物识别技术与传统的身份鉴定方式相比，有着自身的特点。人脸识别技术的最大特点就是识别过程精度高、速度快，运用起来就更具保密性和方便性。 ③硬件设备方面，苹果正在研究一些方法让用户使用人脸识别技术方便地开关和控制电子设备。这种技术最终会让iPhone和iPad具备人脸解锁功能。联想在新款的笔记本电脑上也配备了人脸识别技术，凭借这种技术，笔记本电脑的主人在登录系统时，就可以免去输入密码的麻烦而直接进入系统。 ④网络应用方面，尤其是社交网络应用，很多社交产品开始利用人脸识别使影像信息和用户的社交网络个人资料连接起来。使用人脸识别技术，让普通用户的面孔直接与网站上的背景资料、好友关系匹配。 ⑤腾讯推出了“搜搜慧眼”，这是一个基于人脸识别的社交产品。用户将手机切换到人脸识别模式，启动“明星脸识别”功能，“慧眼”会自动识别照相镜头中的人脸，并将之拍下来；随后，它会在网上寻找与这张脸最相似的明星的脸显示出来，并对服饰、妆扮等细节进行点评。 ⑥在计算机技术、网络技术和人工智能技术日新月异的今天，高速发展的人脸识别技术将会有更广阔的舞台来展现其价值。也许就在明天，人脸将成为我们电子生活中的重要名片和标签。人脸识别技术将体现在我们生活的方方面面，改变我们的生活方式。 （选自《百科知识》，有删改） 1．文章的说明顺序是（1分） 2．根据文章内容，请你说说什么是“人脸识别技术”。（3分） 3．文章第①段《谍中谍4》中令人炫目的场景，侧重表现了人脸识别技术的特点。（2分） 4．“之前，人脸识别大多用于门禁识别或公安机关追踪等大型应用。现在，人脸识别技术已经逐渐进入人们的日常生活。比如登录电脑、方便网络社交等都可以用到这项技术。”这是从文中抽出的一段话，将其还原，正确的位置应是（2分） A．①和②之间B．②和③之间 C．③和④之间D．⑤和⑥之间
人脸识别技术发展及应用分析解读
人脸识别技术发展及应用分析 人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机采集人脸图像，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术处理，包括人脸图像采集、人脸定位、人脸识别预处理、记忆存储和比对辨识，达到识别不同人身份的目的。 市场现状 人脸识别技术的研究始于20世纪60年代末期。 20世纪90年代后期以来，一些商业性的人脸识 别系统逐渐进入市场，但是，这些技术和系统离 实用化都有一定距离，性能和准确率也有待提高。 美国遭遇恐怖袭击后，这一技术引起了广泛关 注。作为非常容易隐蔽使用的识别技术，人脸识 别逐渐成为国际反恐和安全防范重要的手段之一。 近年来，人脸识别在中国市场，也经历着迅速的 发展，而且发展的脚步也越来越快。主要原因有以下两方面。 科技的进步 国际上，美国标准与技术研究院（NIST）举办的Face Recognition Vendor Test 2006，通过大规模的人脸数据测试表明，当今世界上人脸识别方法的识别 精度比2002年的FRVT2002至少提高了一个数量级（10倍），而对于高清晰，高质量人脸图像识别，机器的识别精度几乎达到100%。在我国，近年来科技界和社会各个方面都认识到人脸识别技术的重要性，国家政策对人脸识别技术研究给予了很大支持，使得我国人脸识别技术也得到了迅速的发展。 应用需求的增加 越来越趋向于高科技的犯罪手段使得人们对各种场合的安全机制要求也近乎 苛刻，各种应用需求不断涌现。人脸识别市场的快速发展一方面归功于生物识别需求的多元化，另一方面则是由于人脸识别技术的进步。从需求上来说，除了传统的考勤、门禁等应用外，视频监控环境下的身份识别正成为一种迫切的需求，
2020年公需课考试-人工智能技术及其发展趋势(100分)
单选题 1.（）是自然语言处理的重要应用，也可以说是最基础的应用。（3.0分） A.文本识别 B.机器翻译 C.文本分类 D.问答系统 我的答案：C√答对 2.（），中共中央政治局就人工智能发展现状和趋势举行第九次集体学习。（ 3.0分） A.2018年3月15日 B.2018年10月31日 C.2018年12月31日 D.2019年1月31日 我的答案：B√答对 3.（）是通过建立人工神经网络，用层次化机制来表示客观世界，并解释所获取的知识，例如图像、声音和文本。（3.0分） A.深度学习 B.机器学习 C.人机交互 D.智能芯片 我的答案：A√答对 4.生物特征识别技术不包括（）。（3.0分） A.体感交互 B.指纹识别 C.人脸识别 D.虹膜识别 我的答案：A√答对 5.（）是指直接通过肢体动作与周边数字设备和环境进行交互。（3.0分） A.体感交互 B.指纹识别 C.人脸识别 D.虹膜识别 我的答案：A√答对 6.下列对人工智能芯片的表述，不正确的是（）。（3.0分） A.一种专门用于处理人工智能应用中大量计算任务的芯片 B.能够更好地适应人工智能中大量矩阵运算 C.目前处于成熟高速发展阶段 D.相对于传统的CPU处理器，智能芯片具有很好的并行计算性能 我的答案：C√答对
7.下列选项中，不属于生物特征识别技术的是（）。（3.0分） A.步态识别 B.声纹识别 C.文本识别 D.虹膜识别 我的答案：C√答对 8.立体视觉是（）领域的一个重要课题，它的目的在于重构场景的三维几何信息。（3.0分） A.人机交互 B.虚拟现实 C.自然语言处理 D.计算机视觉 我的答案：D√答对 9.（）是人工智能的核心，是使计算机具有智能的主要方法，其应用遍及人工智能的各个领域。（3.0分） A.深度学习 B.机器学习 C.人机交互 D.智能芯片 我的答案：B√答对 10.关于专用人工智能与通用人工智能，下列表述不当的是（）。（3.0分） A.人工智能的近期进展主要集中在专用智能领域 B.专用人工智能形成了人工智能领域的单点突破，在局部智能水平的单项测试中可以超越人类智能 C.通用人工智能可处理视觉、听觉、判断、推理、学习、思考、规划、设计等各类问题 D.真正意义上完备的人工智能系统应该是一个专用的智能系统 我的答案：D√答对 多选题 1.人工智能研究范畴广泛而又异常复杂，其发展需要与（）和社会科学等学科深度融合。（4.0分）） A.计算机科学 B.数学 C.认知科学 D.神经科学 我的答案：ABCD√答对 2.机器学习的相关算法包括（）。（4.0分）） A.轨迹跟踪 B.决策树 C.数据挖掘 D.K近邻算法 我的答案：BCD√答对 3.目前，深度学习主要包括（）。（ 4.0分））
关于人脸识别技术的发展研究
人脸识别技术优势 863计划、国家科技支撑计划、自然科学基金都拨出专款资助人脸识别的相关研究。国家“十一五”科技发展规划中也将人脸识别技术的研究与发展列入其中[4]，明确指出：“要在生物特征识别技术领域缩小与世界先进水平的差距，开展生物特征识别应用技术研究，人脸识别具有高安全性、低误报率的出入口控制新产品。”在这种环境下，国内一些科研院所和院校在人脸识别技术方面取得了很大进展。如中科院自动化所，清华大学，中科院计算所自主开发的人脸识别技术已经达到了国际先进的水平。人脸识别作为一种新兴的生物特征识别技术(Biometrics)，与虹膜识别、指纹扫描、掌形扫描等技术相比，人脸识别技术在应用方面具有独到的优势： 1.人脸识别使用方便，用户接受度高。人脸识别技术使用通用的摄像机作为识别信息获取装置，以非接触的方式在识别对象未察觉的情况下完成识别过程。 2.直观性突出。人脸识别技术所使用的依据是人的面部图像，而人脸无疑是肉眼能够判别的最直观的信息源，方便人工确认、审计，“以貌取人”符合人的认知规律。 3.识别精确度高，速度快。与其它生物识别技术相比，人脸识别技术的识别精度处于较高的水平，误识率、拒认率较低。 4.不易仿冒。在安全性要求高的应用场合，人脸识别技术要求识别对象必须亲临识别现场，他人难以仿冒。人脸识别技术所独具的活性判别能力保证了他人无法以非活性的照片、木偶、蜡像来欺骗识别系统。这是指纹等生物特征识别技术所很难做到的。举例来说，用合法用户的断指即可仿冒合法用户的身份而使识别系统无从觉察。 5.使用通用性设备。人脸识别技术所使用的设备为一般的PC、摄像机等常规设备，由于目前计算机、闭路电视监控系统等已经得到了广泛的应用，因此对于多数用户而言使用人脸识别技术无需添置大量专用设备，从而既保护了用户的原有投资又扩展了用户已有设备的功能，满足了用户安全防范的需求。 6.基础资料易于获得。人脸识别技术所采用的依据是人脸照片或实时摄取的人脸图像，因而无疑是最容易获得的。 7.成本较低，易于推广使用。由于人脸识别技术所使用的是常规通用设备，价格均在一般用户可接受的范围之内，与其它生物识别技术相比，人脸识别产品具有很高的性能价格比。 概括地说，人脸识别技术是一种高精度、易于使用、稳定性高、难仿冒、性价比高的生物特征识别技术，具有极其广阔的市场应用前景。 我将人脸识别的一些应用列举出来，希望抛转引玉，大家不断完善，开拓更多的应用领域。 1）监控布控
小区人脸识别系统解决方案设计2018-11-30
实用 小区人脸识别系统 解决方案
目录 1背景概述 (3) 2人脸识别应用优势 (3) 3设计原则 (4) 4设计依据 (5) 5系统组成 (6) 6主要功能 (11) 7产品特点 (12) 8规格参数 (14) 9客户端功能 (16) 10小区应用场景 (17) 10.1新疆庭院化社区 (17) 10.2智慧小区 (18) 11案列 (20)
1背景概述 随着社会经济的高速发展和我国城镇化进程的加快，城市人口日趋密集，居住环境的舒适性和安全性已经成为人们居住首选，而门禁系统在安居环境中起到的重要作用得到越来越多的重视。目前国内的门禁系统主要以卡类设备、视频门禁、指纹设备或密码设置为主，这些识别方式都要求人员近距离操作，当使用者双手被占用时则显得极不方便，同时也带来卡片或密码丢失、遗忘，复制以及被盗用的隐患和成本高的问题，而指纹识别，被网上的指纹套破解了“密码”，更让人觉得惶恐不安。 为切实解决小区门禁系统存在的问题，夯实社会稳定和长治久安的基层基础，及高清技术、智能化技术、网络技术的日趋普及与成熟，我司立足实际需求，针对小区门禁操作不便、卡片易丢失容易被复制、密码容易忘记等问题，推出人脸识别系统解决方案。 系统采用先进的人脸识别算法，高速芯片作为识别算法的运行硬件平台，通过出入口的身份证信息采集、实时人脸抓拍识别和人证比对，从而实现人证合一验证。并针对小区实现固定人员刷脸通行，访客人员登记后刷脸通行或刷身份证人证比对成功后通行，解决固定人员通行时需要刷卡或遗忘密码的问题，人证比对失败人员则需要小区管理人员确认后手工放行。 2人脸识别应用优势 人脸识别技术特指利用比较不同人脸视觉特征信息进行身份鉴别的最新识别技术，属于生物特征识别技术的一种。人脸识别技术是一种基于人的脸部特征，对输入的人脸图像或者视频流进行处理，根据每个脸的位置、大小和各个主要面部器官的位置信息，进一步提取每个人脸中的身份特征，并将其与一直的人脸进行对比，配合人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理，身份确认以及身份查找等，确认具体人员的身份。 人脸识别技术在人员身份识别方面的应用优势与特点： 非接触的，用户不需要和设备直接接触；
人脸识别巡更系统设计方案
动态人脸识别巡更系统 设 计 方 案 北京博睿视科技有限责任公司 2017年8月18日
目录 第一章人脸识别巡更系统设计要求 一、人脸识别巡更系统社会意义 略 第二章系统概述 人脸识别智能巡更系统为基于深度学习算法的通过式人脸记录巡检系统。根据需要将用于人脸抓拍的监控摄像机安装在需要巡逻的线路或执勤岗位上，人员对该地进行巡更通过时摄像机自动抓拍巡更人员的人脸照片同时将抓拍时间与对应的巡更人员人脸库进行比对结果通过局域网存入系统数据库。此记录将成为巡更人员何时到达该地巡更的依据。管理人员通过系统管理系统软件可清晰地了查询巡更人员巡更的实际情况，如漏查、误点、非本人带班等信息，方便管理人员有效管理。 1、人脸识别巡更系统构成 该系统由人脸静态建库、人脸动态入库、人脸信息修改、实时人脸抓拍、人脸检索、人脸图像聚类、以图搜图、联动报警八大部分组成。整个软件的逻辑体系结构如下图所示。 软件结构体系（C/S结构）
图3-3 软件逻辑体系示意图 3.3.1、人脸静态建库 实现布控人员建库，提供用户建立临时人脸库的功能，使用者可自行注册，批量导入人脸照片，静态人脸库包括黑名单、白名单。 图3.3.1人脸静态建库 3.3.2、人脸动态入库 将摄像机抓拍的人脸图片，建立动态抓拍人脸库，不断累积抓拍数据，为后 期进行人脸管理和提升识别率提供必要的支撑。
图3.3.2人脸动态入库 3.3.3、人脸信息修改 人脸信息修改模块主要是针对各个不同的人脸库，查询符合条件下的人员信息，并对其 中的信息进行修改删除等操作，同时也可针对选择的人脸库进行新人员信息的注册。 图3.3.3人脸信息修改
2019年我国人脸识别技术发展情况及发展趋势综合分析
2019年我国人脸识别技术发展情况 及发展趋势综合分析 2019年2月14日 一、全球生物识别细行业市场占比情况分析 生物识别指的是通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段相结合，利用人体固有的生理特性来进行个人身份鉴定技术。按不同的识别方式，生物识别可分为指纹识别、虹膜识别、语音识别、静脉识别和人脸识别。 伴随着生物识别产品逐渐从单一的PC处理转变为分布式计算。 用独立的前端独立设备来完成生物特征的采集、预处理、特征提取和比对，通过中心PC或服务器完成与业务相关的处理。随着生物特征 识别技术的不断发展和提高，生物特征识别技术的应用场景不断拓展，预计2015-2020年全球生物识别细分行业复合增长率分别为：人脸识别复合增长率为167%；语音识别为100%；虹膜识别为100%；指纹识别复合增长率为73%。
全球生物识别细行业市场占比情况 二、中国人脸识别技术发展情况分析 1、中国人脸识别行业发展历程 人脸识别技术在中国的发展起步于上世纪九十年代末，经历了技术引进-专业市场导入-技术完善-技术应用-各行业领域使用等五个阶段。其中，2014年是深度学习应用于人脸识别的关键一年，该年FaceBook发表一篇名为“DeepFace系统：达到肉眼级别的人脸识别系统”（翻译名），之后Face++创始人印奇团队以及香港中文大学汤晓鸥团队均在深度学习结合人脸识别领域取得优异效果，两者在LFW数据集上识别准确度均超过了99%，而肉眼在该数据集上的识别准确度仅为97.52%，可以说深度学习技术让计算机人脸识别能力超越人类的识别程度。
人脸识别与其他生物识别方式相比，优势在于自然性、不被察觉性等特点。自然性即该识别方式同人类进行个体识别时所利用的生物特征相同。指纹识别、虹膜识别等均不具有自然性。不被察觉的特点使该识别方法不易使人抵触，而指纹识别或虹膜识别需利用电子压力传感器或红外线采集指纹、虹膜图像，在采集过程中体验感不佳。目前人脸识别需要解决的难题是在不同场景、脸部遮挡等应用时如何保证识别率。此外，隐私性和安全性也是值得考虑的问题。 2、3D人脸识别与2D人脸识别数据对比 目前，国内的人脸识别技术已经相对发展成熟，该技术越来越多的被推广到安防领域，延伸出考勤机、门禁机等多种产品，产品系列达20多种类型，可以全面覆盖煤矿、楼宇、银行、军队、社会福利 保障、电子商务及安全防务等领域，人脸识别的全面应用时代已经到来。 中游人脸识别技术的进步，是推动下游场景应用拓展的关键所在。目前，人脸识别市场的解决方案主要包括2D识别、3D识别技术。市场上主流的识别方案是采用摄像头的2D方案，但由于人的脸部并非 平坦，因此2D识别在将3D人脸信息平面化投影的过程中存在特征信息损失。3D识别使用三维人脸立体建模方法，可最大程度保留有效 信息，因此3D人脸识别技术的算法比2D算法更合理并拥有更高精度。
(完整)人脸识别技术大总结,推荐文档
人脸识别技术大总结 百度《人脸识别技术大总结》，觉得应该跟大家分享，这里给大家转摘到百度。 篇一：人脸识别技术的主要研究方法、绪论人脸识别是通过分析脸部器官的唯一形状和位置来进行身份鉴别。 人脸识别是一种重要的生物特征识别技术，应用非常广泛。 与其它身份识别方法相比，人脸识别具有直接、友好和方便等特点，因而，人脸识别问题的研究不仅有重要的应用价值，而且在模式识别中具有重要的理论意义，目前人脸识别已成为当前模式识别和人工智能领域的研究热点。 本章将简单介绍几种人脸识别技术的研究方法。 关键词：人脸识别、人脸识别技术的主要研究方法目前在国内和国外研究人脸识别的方法有很多，常用的方法有：基于几何特征的人脸识别方法、基于代数特征的人脸识别方法、基于连接机制的人脸识别方法以及基于三维数据的人脸识别方法。 人脸识别流程图如图．所示：图．人脸识别流程图、基于几何特征的人脸识别方法基于特征的方法是一种自下而上的人脸检测方法，由于人眼可以将人脸在不此研究人员认为有一个潜在的假设：人脸或人脸的部件可能具有在各种条件下都不会改变的特征或属性，如形状、肤色、纹理、边缘信息等。 基于特征的方法的目标就是寻找上述这些不变特征，并利用这些
特征来定位入脸。 这类方法在特定的环境下非常有效且检测速度较高，对人脸姿态、表情、旋转都不敏感。 但是由于人脸部件的提取通常都借助于边缘算子，因此，这类方法对图像质量要求较高，对光照和背景等有较高的要求，因为光照、噪音、阴影都极有可能破坏人脸部件的边缘，从而影响算法的有效性。 模板匹配算法首先需要人作标准模板(固定模板)或将模板先行参数化(可变模板)，思想汇报专题然后在检测人脸时，计算输入图像与模板之间的相关值，这个相关值通常都是独立计算脸部轮廓、眼睛、鼻子和嘴各自的匹配程度后得出的综合描述，最后再根据相关值和预先设定的阈值来确定图像中是否存在人脸。 基于可变模板的人脸检测算法比固定模板算法检测效果要好很多，但是它仍不能有效地处理人脸尺度、姿态和形状等方面的变化。 基于外观形状的方法并不对输入图像进行复杂的预处理，也不需要人工的对人脸特征进行分析或是抽取模板，而是通过使用特定的方法(如主成分分析方法()、支持向量机()、神经网络方法()等)对大量的人脸和非人脸样本组成的训练集(一般为了保证训练得到的检测器精度，非人脸样本集的容量要为人脸样本集的两倍以上)进行学习，再将学习而成的模板或者说分类器用于人脸检测。 因此，这也是种自下而上的方法。 这种方法的优点是利用强大的机器学习算法快速稳定地实现了很
人脸识别发展趋势及应用领域分析
人脸识别发展趋势及应用领域分析 人脸识别技术是一种高精度、易于使用、稳定性高、难仿冒的生物识别技术，具有极其广阔的市场应用前景。在公安、国防、海关、交通、金融、社保、医疗及其他民用安全控制等行业和部门存在着广泛的需求。 一、人脸识别何以瞬间爆发？ 其实对于整个生物识别领域来说，由于指纹识别应用时间早，价格低廉，而且使用便利，因此早早地便占据了国内的大部分市场，在顶峰时期，甚至可以达到90%左右。但是，又是什么力量，使人脸识别在短短五六年的时间里，就实现了如此迅猛的腾飞呢？ （一）政策因素：抛开技术因素，国家政策的支持可以说是人脸识别崛起的重要因素之一。尤其随着近些年来，平安城市等技术的大力推广，我国安防市场的需求也随之迅速升温，各领域安保的等级也就随之实现明显的提升。甚至在部分地区的部分领域，人脸识别已经开始被列为使用过程中的强制标准。这种情况的出现，对于人脸识别的推广无疑是一种非常有力的推动。因此，虽然政策的角色只是一种诱导的作用，但是这种诱导对于人脸识别的爆发，却又是不可或缺的。 （二）社会需求：在我国，随着城镇化的进程加快，流动人口比例大大增加，面临的突发事件和异常事件越来越复杂。因此这也就给城市的安保工作，以及视频监控带来了更大的压力。传统依靠人工来“盯”的方式难免会因疲劳或精神不集中等原因影响监视效果，难以胜任对庞大数据库的分析与理解，从而影响事后查找证据，更难以满足时代的需求，于是，人们对于具有智能分析的视频监控应用的呼声越来越高。 二、人脸识别发展趋势 （一）与视频监控相结合：随着人脸识别技术的进一步发展，将人脸识别技术将实现与数字监控系统的进一步融合，将成为人脸识别技术的另外一大应用领域。据统计数据显示，仅在中国大陆，在未来三年内有望形成年销售额过百亿，并在未来十年内则有望形成年销售额过千亿的市场规模。（二）逐步取代指纹考勤：人脸识别考勤，通过对人脸一些独一无二的特征识别对验进行考
(完整版)2019年我国人脸识别技术发展情况及发展趋势综合分析.doc
2019 年我国人脸识别技术发展情况 及发展趋势综合分析 2019 年 2 月 14 日 一、全球生物识别细行业市场占比情况分析 生物识别指的是通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段相结合，利用人体固有的生理特性来进行个人身份鉴定技术。按不同的识别方式，生物识别可分为指纹识别、虹膜识别、语音识别、静脉识别和人脸识别。 伴随着生物识别产品逐渐从单一的PC处理转变为分布式计算。用独立的前端独立设备来完成生物特征的采集、预处理、特征提取和比对，通过中心PC或服务器完成与业务相关的处理。随着生物特征 识别技术的不断发展和提高，生物特征识别技术的应用场景不断拓展，预计 2015-2020 年全球生物识别细分行业复合增长率分别为：人脸识别复合增长率为167%；语音识别为 100%；虹膜识别为 100%；指纹识别复合增长率为73%。
全球生物识别细行业市场占比情况 二、中国人脸识别技术发展情况分析 1、中国人脸识别行业发展历程 人脸识别技术在中国的发展起步于上世纪九十年代末，经历了技术引进 - 专业市场导入 - 技术完善 - 技术应用 - 各行业领域使用等五个阶段。其中， 2014 年是深度学习应用于人脸识别的关键一年，该年FaceBook发表一篇名为“ DeepFace系统：达到肉眼级别的人脸识别系统”（翻译名），之后Face++创始人印奇团队以及香港中文大学汤晓鸥团队均在深度学习结合人脸识别领域取得优异效果，两者在LFW数据集上识别准确度均超过了99%，而肉眼在该数据集上的识别准确度仅为 97.52%，可以说深度学习技术让计算机人脸识别能力超 越人类的识别程度。
人脸识别系统解决方案
人脸识别系统解决方案 深圳xx智能科技有限公司 xx年6月13日
目录 一、概述 (3) 1、背景分析 (3) 2、设计原则 (3) 二、系统介绍 (4) 1、系统组成 (4) 2、人脸识别特性 (4) 3、主要功能 (6) 4、产品特点 (6) 三、主要设备介绍 (7) 四、公司简介 (9) 五、售后服务 (11) 1、维修技术人员情况 (11) 2、维护服务 (11) 3、维修服务及应及维修时间安排 (11) 4、售后服务流程 (12) 5、以下情况不属保修范围 (12) 6、更新改进服务 (12) 7、建立用户档案，完善产品质量 (12)
一、概述 1、背景分析 随着我国城镇化进程的加快，城市人口日趋密集，人口流动性也大大增加，社会犯罪率呈逐年升高的趋势。在传统侦查工作方式中，多采用人工排查的方式，要排查重要场所人员身份，和限制外来人员进入固定区域，不仅费时费力，还可能造成遗漏等情况，排查效率大打折扣，同时给公共安全防范和社会维稳工作带来了极大的困难。 为切实解决重点复杂区域社会治理难题，夯实社会稳定和长治久安的基层基础，及高清技术、智能化技术、网络技术的日趋普及与成熟，我司立足实际需求，针对复杂区域流动人口多、身份难以核查、人员来访不易管理的局面，推出人脸识别系统解决方案。 系统采用先进的人脸识别算法，高速芯片作为识别算法的运行硬件平台，通过出入口的身份证信息采集、实时人脸抓拍和人证比对，从而实现人证合一验证。并针对不同场所实现固定人员刷脸通行，访客人员人证比对登记，解决固定人员每次需要刷证或输入密码的问题，人证比对失败人员则需要安保人员或工作人员人工确认后手动放行。 2、设计原则 系统设计遵循技术先进、深度学习算法、性能稳定、节约成本的原则；本系统设计内容是系统的、全面的、完整的、易用的以及符合人机交互的；方案设计具有科学性、合理性、可操作性。
人脸识别技术的应用背景及研究现状
人脸识别技术的应用背景及研究现状 文件管理序列号：[K8UY-K9IO69-O6M243-OL889-F88688]
人脸识别技术的应用背景及研究现状1．人脸识别技术的应用 随着社会的不断进步以及各方面对于快速有效的自动身份验证的迫切要求，生物特征识别技术在近几十年中得到了飞速的发展。作为人的一种内在属性，并且具有很强的自身稳定性及个体差异性，生物特征成为了自动身份验证的最理想依据。当前的生物特征识别技术主要包括有：指纹识别，视网膜识别，虹膜识别，步态识别，静脉识别，人脸识别等。与其他识别方法相比，人脸识别由于具有直接，友好，方便的特点，使用者无任何心理障碍，易于为用户所接受，从而得到了广泛的研究与应用。除此之外，我们还能够对人脸识别的结果作进一步的分析，得到有关人的性别，表情，年龄等诸多额外的丰富信息，扩展了人脸识别的应用前景。当前的人脸识别技术主要被应用到了以下几个方面： （1）刑侦破案公安部门在档案系统里存储有嫌疑犯的照片，当作案现场或通过其他途径获得某一嫌疑犯的照片或其面部特征的描述之后，可以从数据库中迅速查找确认，大大提高了刑侦破案的准确性和效率。 ??（2）证件验证在许多场合（如海口，机场，机密部门等）证件验证是检验某人身份的一种常用手段，而身份证，驾驶证等很多其他证件上都有照片，使用人脸识别技术，就可以由机器完成验证识别工作，从而实现自动化智能管理。
?（3）视频监控在许多银行，公司，公共场所等处都设有24小时的视频监控。当有异常情况或有陌生人闯入时，需要实时跟踪，监控，识别和报警等。这需要对采集到的图像进行具体分析，且要用到人脸的检测，跟踪和识别技术。 （4）入口控制入口控制的范围很广，既包括了在楼宇，住宅等入口处的安全检查，也包括了在进入计算机系统或情报系统前的身份验证。 （5）表情分析根据人脸图像中的面部变化特征，识别和分析人的情感状态，如高兴，生气等。此外，人脸识别技术还在医学，档案管理，人脸动画，人脸建模，视频会议等方面也有着巨大的应用前景。 2．人脸识别技术在国外的研究现状 当前很多国家展开了有关人脸识别的研究，主要有美国，欧洲国家，日本等，着名的研究机构有美国MIT的Media lab,AI lab,CMU的Human-Compute r Interface Institute，Microsoft Research,英国的Department of Engine ering in University of Cambridge等。综合有关文献，目前的方法主要集中在以下几个方面： （1）模板匹配 主要有两种方法，固定模板和变形模板。固定模板的方法是首先设计一个或几个参考模板，然后计算测试样本与参考模板之间的某种度量，以是否大于阈值来判断测试样本是否人脸。这种方法比较简单，在早期的系统中采用得比较多。但是由于人脸特征的变化很大，很难得到有效的模板来表示人脸的共性。变形模板在原理上与固定模板相同，但其中包含一些非固定的元素，一种方法是手工构造参数化的曲线和曲面以表征人脸中的某些非固定特征，如眼
人脸识别安全防范系统建设
XX学校 校园人脸识别安全防范系统建设 方案建议书 北京圣邦天麒科技有限公司 2016年1月
目录 1 前言 (1) 2 需求分析 (2) 3 方案设计遵循标准和原则 (3) 3.1设计依据 (3) 3.2设计目标 (3) 3.3设计原则 (3) 3.4设计思想 (4) 4 技术概述 (5) 4.1关于人脸识别技术 (5) 4.2人脸识别技术原理 (5) 4.3人脸识别技术特点 (5) 4.4人脸识别应用于身份鉴别的优势 (6) 4.4.1 与密码、IC卡身份验证系统比较 (6) 4.4.2 与指纹身份验证系统比较 (6) 4.4.3 与虹膜、手指静脉身份验证系统比较 (6) 5 方案设计 (7) 5.1系统拓扑结构 (7) 5.2系统建设目标 (8) 5.3系统功能设计 (8) 5.4人脸识别流程示意图 (10) 5.5人脸识别终端设备 (10) 5.5.1产品资料 (10) 5.5.2电气特性 (11) 5.5.3人脸识别参数 (11) 5.5.4 I/O接口 (11) 5.5.5系统平台及存储能力 (11) 5.6系统管理平台 (12)
5.7系统使用简介 (13) 5.8应用设计 (14) 5.8.1学校门禁应用 (14) 5.8.2学校宿舍管理应用 (14) 5.8.3学生家长身份验证应用 (14) 5.8.4学生防逃课系统应用 (15) 附录一：系统配置表 (16)
1前言 人脸识别技术的研究始于20世纪60年代末期。20世纪90年代后期以来，一些商业性的人脸识别系统逐渐进入市场，但是，这些技术和系统离实用化都有一定距离，性能和准确率也有待提高。 美国遭遇恐怖袭击后，这一技术引起了广泛关注。作为非常容易隐蔽使用的识别技术，人脸识别逐渐成为国际反恐和安全防范最重要的手段之一。近年来，人脸识别在中国的市场，也经历着迅速的发展，而且发展的脚步也越来越快。主要原因为： 1、科技的进步 国际上，美国标准与技术研究院（NIST）举办的Face Recognition Vendor Test 2006，通过大规模的人脸数据测试表明，当今世界上人脸识别方法的识别精度比2002年的FRVT2002至少提高了一个数量级（10倍），而对于高清晰，高质量人脸图像识别，机器的识别精度几乎达到100%。在我国，近年来科技界和社会各个方面都认识到人脸识别技术的重要性，国家政策对人脸识别技术研究给予了很大支持，使得我国人脸识别技术也得到了迅速的发展。 2、应用需求的增加 越来越趋向于高科技的犯罪手段使得人们对各种场合的安全机制要求也近 乎苛刻，各种应用需求不断涌现。人脸识别市场的快速发展一方面归功于生物识别需求的多元化，另一方面则是由于人脸识别技术的进步。从需求上来说，除了传统的考勤、门禁等应用外，视频监控环境下的身份识别正成为一种迫切的需求，即在一个较复杂的场景中，在较远的距离就识别出特定的人，这显然是其它生物识别方法所欠缺的，而人脸识别却是一个极佳的选择。