智能人臉識別

人臉識別（Face Recognition）基于源中瑞的面部分析技術，提供包括人臉檢測與分析、五官***、人臉搜索、人臉比對、人臉驗證、檢測等多種功能，為開發(fā)者和企業(yè)提供高可用的人臉識別服務?？蓱糜谥腔哿闶?、智慧樓宇等多種應用場景，充分滿足各行業(yè)客戶的人臉屬性識別及客戶身份確認等需求。檢測圖中的人臉，并為人臉標記出邊框。檢測出人臉后，可對人臉進行分析，獲得眼、口、鼻輪廓等72個關鍵點***準確識別多種人臉屬性，如性別，年齡，表情等信息。該技術可適應大角度側臉，遮擋，模糊，表情變化等各種實際環(huán)境。

人臉識別技術檢測

面貌檢測是指在動態(tài)的場景與復雜的背景中判斷是否存在面像，并分離出這種面像。一般有下列幾種方法：

①參考模板法

首先設計一個或數(shù)個標準人臉的模板，然后計算測試采集的樣品與標準模板之間的匹配程度，并通過閾值來判斷是否存在人臉；

②人臉規(guī)則法

由于人臉具有一定的結構分布特征，所謂人臉規(guī)則的方法即提取這些特征生成相應的規(guī)則以判斷測試樣品是否包含人臉；

③樣品學習法

這種方法即采用模式識別中人工***網絡的方法，即通過對面像樣品集和非面像樣品集的學習產生分類器；

④膚色模型法

這種方法是依據(jù)面貌膚色在色彩空間中分布相對集中的規(guī)律來進行檢測。

⑤特征子臉法

這種方法是將所有面像集合視為一個面像子空間，并基于檢測樣品與其在子孔間的投影之間的距離判斷是否存在面像。

值得提出的是，上述5種方法在實際檢測系統(tǒng)中也可綜合采用。

人臉檢測

“人臉檢測（Face Detection）”是檢測出圖像中人臉所在位置的一項技術。

人臉檢測算法的輸入是一張圖片，輸出是人臉框坐標序列（0個人臉框或1個人臉框或多個人臉框）。一般情況下，輸出的人臉坐標框為一個正朝上的正方形，但也有一些人臉檢測技術輸出的是正朝上的矩形，或者是帶旋轉方向的矩形。

常見的人臉檢測算法基本是一個“掃描”加“判別”的過程，即算法在圖像范圍內掃描，再逐個判定候選區(qū)域是否是人臉的過程。因此人臉檢測算法的計算速度會跟圖像尺寸、圖像內容相關。開發(fā)過程中，我們可以通過設置“輸入圖像尺寸”、或“小臉尺寸限制”、或“人臉數(shù)量上限”的方式來加速算法。

人臉配準

“人臉配準（Face Alignment）”是***出人臉上五官關鍵點坐標的一項技術。

人臉配準算法的輸入是“一張人臉圖片”加“人臉坐標框”，輸出五官關鍵點的坐標序列。五官關鍵點的數(shù)量是預先設定好的一個固定數(shù)值，可以根據(jù)不同的語義來定義（常見的有5點、68點、90點等等）。

當前效果的較好的一些人臉配準技術，基本通過深度學習框架實現(xiàn)，這些方法都是基于人臉檢測的坐標框，按某種事先設定規(guī)則將人臉區(qū)域扣取出來，縮放的固定尺寸，然后進行關鍵點位置的計算。因此，若不計入圖像縮放過程的耗時，人臉配準算法是可以計算量固定的過程。另外，相對于人臉檢測，或者是后面將提到的人臉提特征過程，人臉配準算法的計算耗時都要少很多。