7、人臉識別（Face Recognition）

“人臉識別（Face Recognition）”是識別出輸入人臉圖對應身份的算法。

它的輸入為一個人臉特征，通過和注冊在庫中N個身份對應的特征進行逐個比對，找出“一個”與輸入特征相似度最高的特征。將這個最高相似度值和預設的閾值相比較，如果大于閾值，則返回該特征對應的身份，否則返回“不在庫中”。

舉例說明：人臉識別過程如下，判斷結(jié)果為輸入圖像為注冊庫中的jason

8、人臉檢索（Face Retrieval）

“人臉檢索”是查找和輸入人臉相似的人臉序列的算法。

人臉檢索通過將輸入的人臉和一個集合中的說有人臉進行比對，根據(jù)比對后的相似度對集合中的人臉進行排序。根據(jù)相似度從高到低排序的人臉序列即使人臉檢索的結(jié)果。

舉例說明：人臉檢索過程如下，右側(cè)綠框內(nèi)排序序列為檢索結(jié)果

9、人臉聚類（Face Cluster）

“人臉聚類（Face Cluster）”是將一個集合內(nèi)的人臉根據(jù)身份進行分組的算法。
人臉聚類也通過將集合內(nèi)所有的人臉兩兩之間做人臉比對，再根據(jù)這些相似度值進行分析，將屬于同一個身份的人劃分到一個組里。

在沒有進行人工身份標注前，只知道分到一個組的人臉是屬于同一個身份，但不知道確切身份。

舉例說明：人臉聚類過程如下，右側(cè)綠框內(nèi)按身份的分組結(jié)果為聚類結(jié)果

10、人臉活體（FaceLiveness）

“人臉活體（FaceLiveness）”是判斷人臉圖像是來自真人還是來自攻擊假體（照片、視頻等）的方法。

在我們生活環(huán)境中，人臉認證系統(tǒng)中主要容易受到這種手段欺騙：

（1）用偷拍的照片假冒真實人；

（2）在公開場合錄的視頻或網(wǎng)上公開的視頻片段；

（3）用計算機輔助軟件設計的三維模型欺騙；

（4）用蠟或塑料等材質(zhì)構(gòu)造的三維雕像欺騙。

現(xiàn)在所以人臉活體檢測技術的研究顯得異常重要。對于照片欺騙，主要是根據(jù)分辨率、三位三維信息、眼動等來進行區(qū)分；對于視頻欺騙，根據(jù)三維信息、光線等來區(qū)分。

人臉識別技術的主要用途

1、人臉識別技術應用于鐵路安防系統(tǒng)

隨著技術的進步，人員組織的不斷復雜化，鐵路安全形勢不斷面臨新的挑戰(zhàn)�；疖嚻睂嵜�制有效阻止了不法分子進入車站，但是，目前鐵路客運安全檢查，基本還是靠安檢員來檢查票、證、人是否一致，而證件照片往往是多年前的照片，安檢員很難辨認，辨別度很低。而人臉識別技術，準確度高、便捷性好，運用于鐵路安防系統(tǒng)，將極大的提高安防系統(tǒng)，強化通關，讓不法分子無空子可鉆。另外，人臉識別技術還能助力強化追溯，支持在超大的人像庫中定位查找對象，這將有力協(xié)助公安部門偵破案件，或抓捕在逃案犯。

2、人臉識別技術應用于教育領域

近年來，從中考、高考等升學考試，到執(zhí)業(yè)資格、晉級升職等等考試，均不同程度地出現(xiàn)了替考現(xiàn)象，而利用人臉識別技術實現(xiàn)證件內(nèi)照片特征和實時人臉照片特征比對識別，辨別考生身份，可防止考場替考現(xiàn)象的發(fā)生。人臉識別技術還可應用于校園，能有效地對進入校園的可疑人員做到預警。

3、人臉識別技術推進于智能城市建設

隨著人類社會的不斷發(fā)展，未來城市將承載越來越多的人口，為實現(xiàn)城市可持續(xù)發(fā)展，建設智慧城市已成為當今世界城市發(fā)展不可逆轉(zhuǎn)的歷史潮流。而在智慧城市的建設過程中，需注重對信息的結(jié)構(gòu)化存儲、分析挖掘，人臉的結(jié)構(gòu)化云識別儲存是構(gòu)建整個智慧城市基礎數(shù)據(jù)之一，是智慧城市云儲存體系中的不可或缺的一部分。通過智慧城市的高速數(shù)據(jù)傳輸鏈及結(jié)構(gòu)化的數(shù)據(jù)篩選，可將人臉大數(shù)據(jù)與智慧城市中其它的大數(shù)據(jù)之間碰撞出火花，更加凸顯出人臉識別“用”的價值。

如今，人臉識別技術不再僅僅局限在考勤、門禁行業(yè)的簡單應用，而是憑借其人臉的唯一匹配性以及安全優(yōu)勢，受到高安全性環(huán)境應用領域的青睞。而廈門云脈技術近年來致力于人臉識別核心技術的研發(fā)與產(chǎn)品化，并推動其與各行業(yè)相結(jié)合，依托自研的人臉識別算法以及成熟的OCR識別技術，為切實解決不同行業(yè)難題，推出了不同的人臉識別解決方案。云脈人臉識別技術識別速度快，精度高，不受一些化妝、眼鏡等因素影響。

人臉識別的技術難點

人臉識別雖說發(fā)展到現(xiàn)在3、40年的時間了，但它一直存在的幾個難點，到現(xiàn)在也沒能徹底解決。

1、光照問題

光照問題是機器視覺重的老問題，在人臉識別中的表現(xiàn)尤為明顯。由于人臉的3D結(jié)構(gòu)，光照投射出的陰影，會加強或減弱原有的人臉特征。

2、表情姿態(tài)問題

與光照問題類似，姿態(tài)問題也是目前人臉識別研究中需要解決的一個技術難點。姿態(tài)問題涉及頭部在三維垂直坐標系中繞三個軸的旋轉(zhuǎn)造成的面部變化，其中垂直于圖像平面的兩個方向的深度旋轉(zhuǎn)會造成面部信息的部分缺失。針對姿態(tài)的研究相對比較的少，目前多數(shù)的人臉識別算法主要針列正面、準正而人臉圖像，當發(fā)生俯仰或者左右側(cè)而比較厲害的情況下，人臉識別算法的識別率也將會急劇下降。面部幅度較大的哭、笑、憤怒等表情變化同樣影像著面部識別的準確率。

3、遮擋問題

對于非配合情況下的人臉圖像采集，遮擋問題是一個非常嚴重的問題。特別是在監(jiān)控環(huán)境下，往往彼監(jiān)控對象都會帶著眼鏡，帽子等飾物，使得被采集出來的人臉圖像有可能不完整，從而影響了后面的特征提取與識別，甚至會導致人臉檢測算法的失效。

4、年齡變化

隨著年齡的變化，面部外觀也在變化，特別是對于青少年，這種變化更加的明顯。對于不同的年齡段，人臉識別算法的識別率也不同。一個人從少年變成青年，變成老年，他的容貌可能會發(fā)生比較大的變化，從而導致識別率的下降。對于不同的年齡段，人臉識別算法的識別率也不同。

5、人臉相似性

不同個體之間的區(qū)別不大，所有的人臉的結(jié)構(gòu)都相似，甚至人臉器官的結(jié)構(gòu)外形都很相似。這樣的特點對于利用人臉進行定位是有利的，但是對于利用人臉區(qū)分人類個體是不利的。

6、圖像質(zhì)量

人臉圖像的來源可能多種多樣，由于采集設備的不同，得到的人臉圖像質(zhì)量也不一樣，特別是對于那些低分辨率、噪聲大、質(zhì)量差的人臉圖像（如手機攝像頭拍攝的人臉圖片、遠程監(jiān)控拍攝的圖片等）如何進行有效地人臉識別是個需要關注的問題。同樣的，對于高分辨圖像對人臉識別算法的影響也需要進一步的研究。

7、樣本缺乏

基于統(tǒng)計學習的人臉識別算法是目前人臉識別領域中的主流算法，但是統(tǒng)計學習方法需要大量的訓練。由于人臉圖像在高維空間中的分布是一個不規(guī)則的流形分布，能得到的樣本只是對人臉圖像空間中的一個極小部分的采樣，如何解決小樣本下的統(tǒng)計學習問題有待進一步的研究。

8、海量數(shù)據(jù)

傳統(tǒng)人臉識別方法如PCA、LDA等在小規(guī)模數(shù)據(jù)中可以很容易進行訓練學習。但是對于海量數(shù)據(jù)，這些方法其訓練過程難以進行，甚至有可能崩潰。

9、大規(guī)模人臉識別

隨著人臉數(shù)據(jù)庫規(guī)模的增長，人臉算法的性能將呈現(xiàn)下降。