得益于移动设备和数码摄像的高速发展,人脸识别技术突飞猛进,已经成为多项产品的主要应用支撑或重要配置。今天就把人脸识别的基本概念,以及识别人脸的技术及流程给大家介绍下,让大家对人脸识别有一个综合的认识。
人脸识别是一种依据人的面部特征,自动进行身份识别的一种生物识别技术,通常我们所说的人脸识别是基于光学人脸图像的身份识别与验证的简称。
人脸识别利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图像进行一系列的相关应用操作,技术上包括图像采集、特征定位、身份的确认和查找等等。
简单来说,就是从照片中提取人脸中的特征,比如眉毛高度、嘴角等等,再通过特征的对比输出结果。
人脸识别的流程
人脸采集:不同的人脸图像通过摄像镜头采集得到,比如静态图像、动态图像、不同位置、不同表情等,当采集对象在设备的拍摄范围内时,采集设备会自动搜索并拍摄人脸图像。
人脸采集的主要影响因素
图像大小
人脸图像过小会影响识别效果,人脸图像过大会影响识别速度,图像大小反映在实际应用场景就是人脸离摄像头的距离。
图像分辨率
越低的图像分辨率越难识别,图像大小综合图像分辨率,直接影响摄像头识别距离。
光照环境
过曝或过暗的光照环境都会影响人脸识别效果,可以从摄像头自带的功能补光或滤光平衡光照影响,也可以利用算法模型优化图像光线。
模糊程度
实际场景主要着力解决运动模糊,人脸相对于摄像头的移动经常会产生运动模糊。部分摄像头有抗模糊的功能,在成本有限的情况下,考虑通过算法模型优化此问题。
遮挡程度
五官无遮挡、脸部边缘清晰的图像为最佳,在实际场景中,很多人脸都会被帽子、眼镜、口罩等遮挡物遮挡,这部分数据需要根据算法要求决定是否留用训练。
采集角度
人脸相对于摄像头角度为正脸最佳,因此算法模型需训练包含左右侧人脸、上下侧人脸的数据。
综述:人脸识别作为一项互联网领域热门的技术,在互联网产品很多领域都有着广泛的应用。