ZLG深度解析人臉識別核心技術
加入技術交流群
隨著大數據時代的到來，“人臉”也將成為數據的一部分，人臉識別如何實現?本文將為大家從人臉檢測、人臉定位、人臉校準以及人臉對比等方面詳細闡述人臉識別的原理與實現方式。
隨著計算機技術以及光學成像技術的發展，集成了人工智能、機器學習、視頻圖像處理等技術的人臉識別技術也逐漸成熟。未來五年，我國人臉識別市場規模平均復合增長率將達到25%，到2021年人臉識別市場規模將達到51億元左右，具有巨大的市場需求與前景。
安防、金融是人臉識別切入細分行業較深的兩個領域，移動智能硬件終端成為人臉識別新的快速增長點。因此，這三大領域將是人臉識別快速增長的最大驅動力。
2017年，我國安防行業總產值達到6200億，同比增長16.98%，維持強勁發展勢頭。從細分產業來看，視頻監控是構建安防系統中的核心，在中國的安防產業中所占市場份額最大。而人臉識別在視頻監控領域具有相當的優勢，應用前景廣闊。
市面上的人臉識別解決方案也越來越多，但在系統框架上基本大同小異，大體框架如下圖所示：
接下來對人臉識別算法各技術點逐一進行詳細介紹，包括人臉檢測、人臉定位、人臉校準、人臉比對、人臉反欺詐以及算法優化等。
1.人臉檢測
人臉檢測算法繁多，我們采用由粗到精的高效方式，即先用計算量小的特征快速過濾大量非人臉窗口圖像，然后用復雜特征篩選人臉。這種方式能快速且高精度的檢測出正臉(人臉旋轉不超過45度)。該步驟旨在選取最佳候選框，減小非人臉區域的處理，從而減小后續人臉校準及比對的計算量。
以下為人臉檢測算法的初始化接口, 根據實際應用場景設置人臉的相關參數，包括最小人臉尺寸、搜索步長、金字塔縮放系數等：
人臉檢測實測效果如下圖所示：
評論