人脸识别系统-芜湖一路机电-芜湖人脸识别

如今在国内，进入高铁站、在机场过安检、入住宾馆或到单位签到时使用人脸识别系统已是很普遍的事了。但奇怪的是，近来国外媒体时有人脸识别系统患上“脸盲症”的报道。近日，英国有关部门曝其部署的人脸识别系统准确率仅达到2%。如此误差引起了人们的质疑。

人脸识别是AI技术发展较快、应用较多的一个领域，国内的人脸识别系统屡屡精准识别逃犯，国外的人脸识别准确率为何如此之低？究竟是评价标准不同，人脸识别系统，还是技术上真有差别？

对于中外人脸识别效果的巨大差异，航天科工智慧产业发展有限公司系统总体部专员何东昌在接受科技日报记者采访时解释，首先是国外的国情问题。“有些他国认为，人脸识别技术，人脸识别存在隐私问题，甚至对视频监控技术的应用都有一定限制。”例如在英国，面部识别技术就曾引发巨大争议，英国各界甚至发起一项“请停止用摄像头进行面部识别”的活动。类似情况在美国也有发生，如亚马逊公司利用云计算平台、人工智能技术帮助有关部门使用人脸识别技术，美国公民自由联盟对此提出了反对意见。

“国内人脸识别应用已相当广泛，并积累了相当多的实战经验，在人脸图像采集、预处理以及特征选取等方面的工程优化也做得很好。”何东昌说，除国情外，在世界上我国的人脸识别技术确实发展比较快。

美国标准与技术研究院的人脸识别算法测试FRVT2018结果显示，我国公司再度摘得桂冠。该测试以评测标准的严谨性、一致性著称。在测试中，我国的人脸识别算法在千万分之一的误报下达到识别准确率95.5%，成为当时***业界在此项指标下的王者水平。

人脸识别的研究始于上世纪中期，经历了数十年的努力，现在已经可以应用在我们的实际生活中，为我们提供各种便利。以下来看看人脸识别的技术原理：

人脸识别主要分为人脸检测、特征提取和人脸识别三个过程.

1.人脸检测：人脸检测是指从输入图像中检测并提取人脸图像，人脸识别门禁，通常采用haar特征和Adaboost算法 训练级联分类器对图像中的每一块进行分类。如果某一矩形区域通过了级联分类器，则被判别为人脸图像。

2.特征提取：特征提取是指通过一些数字来表征人脸信息，这些数字就是我们要提取的特征。常见的人脸特征分为两类，一类是几何特征，另一类是表征特征。几何特征是指眼睛、鼻子和嘴等面部特征之间的几何关系，如距离、面积和角度等。由于算法利用了一些直观的特征，计算量小。不过，由于其所需的特征点不能精准选择，限制了它的应用范围。另外，当光照变化、人脸有外物遮挡、面部表情变化时，特征变化较大。所以说，这类算法只适合于人脸图像的粗略识别，无法在实际中应用。

表征特征利用人脸图像的灰度信息，通过一些算法提取全局或局部特征。其中比较常用的特征提取算法是LBP算法。LBP方法首先将图像分成若干区域，在每个区域的像素640x960邻域中用中心值作阈值化，将结果看成是二进制数。图3显示了一个LBP算子。LBP算子的特点是对单调灰度变化保持不变。每个区域通过这样的运算得到一组直方图，然后将所有的直方图连起来组成一个大的直方图并进行直方图匹配计算进行分类。

3.人脸识别：这里提到的人脸识别是狭义的人脸识别，即将待识别人脸所提取的特征与数据库中人脸的特征进行对比，根据相似度判别分类。而人脸识别又可以分为两个大类：一类是确认，芜湖人脸识别，这是人脸图像与数据库中已存的该人图像比对的过程，回答你是不是你的问题；另一类是辨认，这是人脸图像与数据库中已存的所有图像匹配的过程，回答你是谁的问题。显然，人脸辨认要比人脸确认困难，因为辨认需要进行海量数据的匹配。常用的分类器有***近邻分类器、支持向量机等。

别看人脸识别系统近几年才开始应用，其实早在20世纪60年代就开始研究人脸识别系统了哦，80年代后随着计算机技术和光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年后期，并且以美国、德国和日本的技术实现为主;人脸识别系统成功的关键在于是否拥有***的核心算法，并使识别结果具有实用化的识别率和识别速度;“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、***系统、视频图像处理等多种***技术，同时需结合中间值处理的理论与实现，是生物特征识别的新应用，其核心技术的实现，展现了弱人工智能向***工智能的转化。