一直以來(lái)，人臉識(shí)別都是大家的關(guān)注焦點(diǎn)之一。因此針對(duì)大家的興趣點(diǎn)所在，小編將為大家?guī)?lái)人臉識(shí)別的相關(guān)介紹，詳細(xì)內(nèi)容請(qǐng)看下文。

一、人臉識(shí)別

人臉識(shí)別系統(tǒng)的研究始于20世紀(jì)60年代，80年代后隨著計(jì)算機(jī)技術(shù)和光學(xué)成像技術(shù)的發(fā)展得到提高，而真正進(jìn)入初級(jí)的應(yīng)用階段則在90年后期，并且以美國(guó)、德國(guó)和日本的技術(shù)實(shí)現(xiàn)為主;人臉識(shí)別系統(tǒng)成功的關(guān)鍵在于是否擁有尖端的核心算法，并使識(shí)別結(jié)果具有實(shí)用化的識(shí)別率和識(shí)別速度;“人臉識(shí)別系統(tǒng)”集成了人工智能、機(jī)器識(shí)別、機(jī)器學(xué)習(xí)、模型理論、專家系統(tǒng)、視頻圖像處理等多種專業(yè)技術(shù)，同時(shí)需結(jié)合中間值處理的理論與實(shí)現(xiàn)，是生物特征識(shí)別的最新應(yīng)用，其核心技術(shù)的實(shí)現(xiàn)，展現(xiàn)了弱人工智能向強(qiáng)人工智能的轉(zhuǎn)化。

傳統(tǒng)的人臉識(shí)別技術(shù)主要是基于可見(jiàn)光圖像的人臉識(shí)別，這也是人們熟悉的識(shí)別方式，已有30多年的研發(fā)歷史。但這種方式有著難以克服的缺陷，尤其在環(huán)境光照發(fā)生變化時(shí)，識(shí)別效果會(huì)急劇下降，無(wú)法滿足實(shí)際系統(tǒng)的需要。解決光照問(wèn)題的方案有三維圖像人臉識(shí)別，和熱成像人臉識(shí)別。但這兩種技術(shù)還遠(yuǎn)不成熟，識(shí)別效果不盡人意。

迅速發(fā)展起來(lái)的一種解決方案是基于主動(dòng)近紅外圖像的多光源人臉識(shí)別技術(shù)。它可以克服光線變化的影響，已經(jīng)取得了卓越的識(shí)別性能，在精度、穩(wěn)定性和速度方面的整體系統(tǒng)性能超過(guò)三維圖像人臉識(shí)別。這項(xiàng)技術(shù)在近兩三年發(fā)展迅速，使人臉識(shí)別技術(shù)逐漸走向?qū)嵱没?

人臉與人體的其它生物特征(指紋、虹膜等)一樣與生俱來(lái)，它的唯一性和不易被復(fù)制的良好特性為身份鑒別提供了必要的前提，與其它類型的生物識(shí)別比較人臉識(shí)別具有如下特點(diǎn)：

非強(qiáng)制性：用戶不需要專門(mén)配合人臉采集設(shè)備，幾乎可以在無(wú)意識(shí)的狀態(tài)下就可獲取人臉圖像，這樣的取樣方式?jīng)]有“強(qiáng)制性”;

非接觸性：用戶不需要和設(shè)備直接接觸就能獲取人臉圖像;

并發(fā)性：在實(shí)際應(yīng)用場(chǎng)景下可以進(jìn)行多個(gè)人臉的分揀、判斷及識(shí)別;

除此之外，還符合視覺(jué)特性：“以貌識(shí)人”的特性，以及操作簡(jiǎn)單、結(jié)果直觀、隱蔽性好等特點(diǎn)。

二、人臉識(shí)別的算法有哪些

人臉識(shí)別算法現(xiàn)在已經(jīng)廣泛應(yīng)用于各個(gè)領(lǐng)域，如安防、商業(yè)、醫(yī)療等。人臉識(shí)別算法可以分為傳統(tǒng)人臉識(shí)別算法和深度學(xué)習(xí)人臉識(shí)別算法。

傳統(tǒng)人臉識(shí)別算法包括以下幾種：

1. 特征提取算法：該算法通過(guò)提取人臉的關(guān)鍵特征，如眼睛、鼻子、嘴巴等部位的坐標(biāo)、輪廓、顏色等信息，進(jìn)行人臉識(shí)別。該算法主要包括幾何結(jié)構(gòu)的描述子、局部紋理模式和局部二值模式等。

2. 統(tǒng)計(jì)模型算法：該算法利用統(tǒng)計(jì)模型，如高斯混合模型、主成分分析、線性判別分析等，來(lái)對(duì)人臉特征進(jìn)行建模，并通過(guò)樣本訓(xùn)練來(lái)識(shí)別人臉。

3. 圖像變換算法：該算法主要通過(guò)對(duì)人臉圖像進(jìn)行一系列的變換來(lái)提取特征，如積分圖像、小波變換、旋轉(zhuǎn)不變LBP等。

深度學(xué)習(xí)人臉識(shí)別算法中，主要包括以下幾種：

1. 卷積神經(jīng)網(wǎng)絡(luò)(CNN)算法：因?yàn)镃NN深度學(xué)習(xí)算法可以有效提取人臉特征，因此被廣泛應(yīng)用于人臉識(shí)別領(lǐng)域。該算法通過(guò)訓(xùn)練具有多層神經(jīng)網(wǎng)絡(luò)的卷積神經(jīng)網(wǎng)絡(luò)，從而獲得對(duì)人臉特征的高度抽象表示，從而進(jìn)行人臉識(shí)別。

2. 深度置信網(wǎng)絡(luò)(DBN)算法：該算法也被廣泛使用于人臉識(shí)別領(lǐng)域。類似于CNN算法，DBN算法也是通過(guò)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，從而學(xué)習(xí)到對(duì)人臉特征進(jìn)行高度抽象表示的方式。

3. 集成學(xué)習(xí)算法：該算法是將多種不同的深度學(xué)習(xí)算法結(jié)合起來(lái)進(jìn)行人臉識(shí)別，從而提高人臉識(shí)別準(zhǔn)確率的一種算法。 綜上所述，不同的人臉識(shí)別算法有不同的優(yōu)缺點(diǎn)，選擇合適的算法需要考慮數(shù)據(jù)量、計(jì)算資源、精度等多個(gè)方面的因素。

一般按機(jī)理分類人臉識(shí)別的算法有以下：

1.基于人臉特征點(diǎn)的識(shí)別算法(feature-based recognition algorithms)。

2.基于整幅人臉圖像的識(shí)別算法(appearance-based recognition algorithms)。

3.基于模板的識(shí)別算法(template-based recognition algorithms)。

4.利用神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別的算法(recognition algorithms using neural network)。

5.利用支持向量機(jī)進(jìn)行識(shí)別的算法(recognition algorithms using SVM)

最后，小編誠(chéng)心感謝大家的閱讀。你們的每一次閱讀，對(duì)小編來(lái)說(shuō)都是莫大的鼓勵(lì)和鼓舞。希望大家對(duì)人臉識(shí)別已經(jīng)具備了初步的認(rèn)識(shí)，最后的最后，祝大家有個(gè)精彩的一天。