人脸识别的介绍

本文主要是对人脸识别技术的一种介绍以及做这方面的一些公司

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脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。

发展历史

人脸识别系统的研究始于20世纪60年代，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年代后期，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尖端的核心算法，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、专家系统、视频图像处理等多种专业技术，同时需结合中间值处理的理论与实现，是生物特征识别的最新应用，其核心技术的实现，展现了弱人工智能向强人工智能的转化。

技术特点

传统：基于可见光图像的人脸识别。有30多年的研发历史，缺陷在于当环境光照发生变化时，识别效果会急剧下降，无法满足实际系统的需要。解决光照问题的方案有三维图像人脸识别，和热成像人脸识别。但这两种技术还远不成熟，识别效果不尽人意。
新的迅速发展起来的解决方案是：基于主动近红外图像的多光源人脸识别技术。它可以克服光线变化的影响，已经取得了卓越的识别性能，在精度、稳定性和速度方面的整体系统性能超过三维图像人脸识别。这项技术在近两三年发展迅速，使人脸识别技术逐渐走向实用化。
人脸识别具有的特点：非强制性、非接触性、并发性；除此之外还符合视觉特性：“以貌识人”的特性，以及操作简单、结果直观、隐蔽性好等特点。

技术流程

人脸识别主要包括四个部分：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。

识别算法

• 基于人脸特征点的识别算法
• 基于整幅人脸图像的识别算法
• 基于模板的识别算法
• 利用神经网络进行识别的算法
• 基于光照估计模型理论
• 优化的形变统计校正理论
• 独创的实时特征识别理论

需要应对的困难

1. 相似性
   不同个体之间的区别不大，所有的人脸的结构都相似，甚至人脸器官的结构外形都很相似。这样的特点对于利用人脸进行定位是有利的，但是对于利用人脸区分人类个体是不利的。
2. 易变性
   人脸的外形很不稳定，人可以通过脸部的变化产生很多表情，而在不同观察角度，人脸的视觉图像也相差很大，另外，人脸识别还受光照条件（例如白天和夜晚，室内和室外等）、人脸的很多遮盖物（例如口罩、墨镜、头发、胡须等）、年龄等多方面因素的影响。

在人脸识别中，第一类的变化是应该放大而作为区分个体的标准的，而第二类的变化应该消除，因为它们可以代表同一个个体。通常称第一类变化为类间变化（inter-class difference），而称第二类变化为类内变化（intra-class difference）。对于人脸，类内变化往往大于类间变化，从而使在受类内变化干扰的情况下利用类间变化区分个体变得异常困难。

国内做人脸识别的一些公司排行榜

1. 商汤科技
2. 旷视科技
3. 云从科技
4. 暖果科技
5. 依图科技
6. 汉王科技
7. 家都科技
8. 海康威视
9. 中科视拓
10. 川大智胜