五分钟带你了解人脸识别技术的主要流程及市场前景

2019-05-10 09:24 来源:智安物联网

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识别的一系列相关技术,通常也叫做人像识别、面部识别。

1b6ce82a9a37d98_w600_h333.jpg

五分钟带你了解人脸识别技术的主要流程及市场前景

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。它属于生物特征识别技术,是对生物体(一般特指人)本身的生物特征来区分生物体个体。

人脸识别的技术流程

人脸识别系统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匹配与识别。

1、人脸图像采集及检测

主流的人脸检测方法基于以上特征采用Adaboost学习算法,Adaboost算法是一种用来分类的方法,它把一些比较弱的分类方法合在一起,组合出新的很强的分类方法。

人脸检测过程中使用Adaboost算法挑选出一些最能代表人脸的矩形特征(弱分类器),按照加权投票的方式将弱分类器构造为一个强分类器,再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器,有效地提高分类器的检测速度。

2、人脸图像预处理

对于人脸的图像预处理是基于人脸检测结果,对图像进行处理并最终服务于特征提取的过程。系统获取的原始图像由于受到各种条件的限制和随机干扰,往往不能直接使用,必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言,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。

3、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。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取,也称人脸表征,它是对人脸进行特征建模的过程。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。

4、人脸图像匹配与识别

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。人脸识别就是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。

虽然人脸识别技术早在上世纪五十年代就被科学家开始研究,但就目前来看,现有的人脸识别系统在用户配合、采集条件比较理想的情况下可以取得令人满意的结果。但是,在用户不配合、采集条件不理想的情况下,现有系统的识别率将陡然下降。这就意味当今人脸识别技术依旧有很大的进步空间与潜在的市场。

人脸识别技术未来发展前景

随着算法和芯片的进一步成熟,各厂家集成能力的提升,人脸识别技术必将在安防的各个领域中得到更加广泛的应用。结合人脸技术的研究进展,将会呈现出以下发展趋势:

(1)随着芯片价格的下探,人脸识别类产品的价格将会进一步下探,人脸识别设备在整个安防市场中的占比将会越来越高。

(2)当前应用场景中,还是需要人员有一定的配合度才能完成人脸识别,完全非配合的人脸识别必然会导致识别准确率的下降。未来随着关键算法和技术方案的进一步成熟,非配合、无感知的人脸识别产品将会出现,这将会大大提升使用体验。

(3)当前的人脸识别主要还是二维空间下的人脸识别,红外+可见光的双目人脸识别设备也仅仅是简单的融合识别方案,还远没有达到三维立体识别的程度。未来随着结构光、TOF等深度传感技术的进一步成熟,三维人脸识别算法和技术将会出现,这将会大大地提升人脸识别的准确性。


责任编辑:潘一大