江苏龙网

  1. 首页 > 资讯 > 科技 > >

人脸从零学习人脸识别：产品经理需要了解的算法通识

人脸识别功能在日常生活中已经越来越常见 ， 像车站检票、银行核验身份、上下班打卡……尽管技术本身随处可见 ， 但真正了解技术原理的人并不多 。 虹软视觉开放平台策划了《从零学习人脸识别》系列课程 ， 系统讲解这门技术的技术原理和应用现状 。
第一期《人脸识别算法初识》课程 ， 主要介绍人脸识别运行流程、应用场景及商用门槛等场景问题 。
【人脸识别的技术原理】
人脸从零学习人脸识别：产品经理需要了解的算法通识
图片

最近几年 ， 随着深度学习的发展以及计算机算力的提升 ， 包括人脸识别在内的很多人工智能算法都采用了神经网络算法 。
以人脸识别算法为例 ， 利用卷积神经网络（CNN）对海量的人脸图片进行学习 ， 然后对输入图像提取出对应的特征向量 。 这些特征是卷积神经网络自主学习得到的 ， 取代了之前人工设计的特征 。
提取之后 ， 将特征向量在特征空间里进行比对 。 同一人的不同照片所提取出的特征 ， 在特征空间里距离很近 ， 不同人则在特征空间里相距较远 。
【人脸识别的运行流程】
人脸从零学习人脸识别：产品经理需要了解的算法通识
图片

人脸识别主要包含了人脸注册、人脸检测、活体检测、人脸比对等关键环节 。
从识别流程来说 ， 首先要获取图像数据 ， 数据来源通常是各种摄像头 ， 然后对图片进行人脸检测 。 人脸检测主要是为了获取人脸在图像中的位置 ， 通常是返回一个矩形框 ， 人脸就处在这个矩形框中 。
活体检测作为人脸识别应用中的重要环节 ， 提升人脸识别应用的安全性 ， 有效甄别欺诈行为 ， 防止其他人拿到你的人脸信息时（比如说朋友圈的自拍照） ， 利用人脸信息进行欺骗攻击 。 活体主要是相对于假体而言 ， 常见的假体攻击方式有电子图片、纸质照片、3D面具等手段 。
人脸比对 ， 就会进行人脸特征提取 。 无论是人工设计的人脸特征 ， 还是神经网络自主学习得到的特征 ， 最终会用这个特征表示人脸信息 ， 特征一般来说是一个向量 。
对于人脸注册来说 ， 提取完特征之后 ， 需要把特征保存在数据库中 。 对于识别来说 ， 在提取完特征之后 ， 需要把识别照特征和数据库中的注册照的特征进行比对 ， 然后根据比对结果进行识别 。
【技术优势及应用场景】
与其他生物特征识别技术相比 ， 人脸识别具备非接触、无感知、硬件基础好、使用便利、可拓展性强等优势 。
人脸识别的应用场景非常广泛 ， 典型应用场景如智慧楼宇、智慧旅游、智慧工地、智慧校园、智慧出行、智能机器人等场景 ， 随着虹软视觉开放平台开放了免费、离线算法 ， 越来越多创新应用场景下的人脸识别应用开始出现 ， 譬如刷脸乘车、人脸识别环保厕纸机、人脸识别垃圾桶、人脸识别测温机、刷脸支付、人脸识别梯控、迎宾机器人等一系列创新产品 。
人脸从零学习人脸识别：产品经理需要了解的算法通识
图片

【人脸识别应用中的注意点】
人脸从零学习人脸识别：产品经理需要了解的算法通识
图片

在人脸识别算法的应用过程中 ， 有一些因素对识别结果影响较大 ， 需要重点考虑 。 列举如下：
光线问题：光线对人脸识别影响很大 ， 比如说强光、背光、侧光等 ， 都会影响识别效果 。
姿态问题：不同的姿态 ， 譬如低头、仰头、转头等都会对识别效果会有较大影响 。
遮挡问题：常见的遮挡有光线遮挡、实物遮挡和自遮挡等 ， 遮挡会造成人脸特征不完整或者消失 ， 从而导致算法识别率的降低 。
年龄变化：年龄的变化会使得人脸的图像特征发生很大变化 ， 从而导致跨年龄的人脸识别成为一个很难的问题 。
……
在商业落地落地过程中 ， 在解决上述问题对识别效果的影响时 ， 开发者也需要需要考虑研发成本与服务能力 。 虹软视觉开放平台提供的算法能力 ， 不仅免费、离线 ， 而且鲁棒性强 ， 在各类环境下都有较好效果 ， 还提供了产业链市场与技术支持体系 ， 帮助开发者低成本解决上述问题 ， 该部分内容将在下期课程中进行详细分析 。


推荐阅读


上一篇：品牌当“流量之争”成为“信任之争”，我们需要重新关注KOC吗？

下一篇：内存第四范式推出业界首个基于持久内存、支持毫秒级恢复的万亿维线上预估系统