人臉識(shí)別的理解：人臉識(shí)別(Face Recognition)是一種依據(jù)人的面部特征(如統(tǒng)計(jì)或幾何特征等)，自動(dòng)進(jìn)行身份識(shí)別的一種生物識(shí)別技術(shù)，又稱(chēng)為面像識(shí)別、人像識(shí)別、相貌識(shí)別、面孔識(shí)別、面部識(shí)別等。通常我們所說(shuō)的人臉識(shí)別是基于光學(xué)人臉圖像的身份識(shí)別與驗(yàn)證的簡(jiǎn)稱(chēng)。

一、發(fā)展與市場(chǎng)

??

1、人臉識(shí)別的發(fā)展簡(jiǎn)史：

第一階段（1950s—1980s）初級(jí)階段：

人臉識(shí)別被當(dāng)作一個(gè)一般性的模式識(shí)別問(wèn)題，主流技術(shù)基于人臉的幾何結(jié)構(gòu)特征。這集中體現(xiàn)在人們對(duì)于剪影（Profile）的研究上，人們對(duì)面部剪影曲線的結(jié)構(gòu)特征提取與分析方面進(jìn)行了大量研究。人工神經(jīng)網(wǎng)絡(luò)也一度曾經(jīng)被研究人員用于人臉識(shí)別問(wèn)題中。較早從事 AFR 研究的研究人員除了布萊索（Bledsoe）外還有戈登斯泰因（Goldstein）、哈蒙（Harmon）以及金出武雄(Kanade Takeo)等。總體而言，這一階段是人臉識(shí)別研究的初級(jí)階段，非常重要的成果不是很多，也基本沒(méi)有獲得實(shí)際應(yīng)用。

第二階段（1990s）高潮階段：

這一階段盡管時(shí)間相對(duì)短暫，但人臉識(shí)別卻發(fā)展迅速，不但出現(xiàn)了很多經(jīng)典的方法，例如Eigen Face, Fisher Face和彈性圖匹配；并出現(xiàn)了若干商業(yè)化運(yùn)作的人臉識(shí)別系統(tǒng)，比如最為著名的 Visionics（現(xiàn)為 Identix）的 FaceIt 系統(tǒng)。 從技術(shù)方案上看， 2D人臉圖像線性子空間判別分析、統(tǒng)計(jì)表觀模型、統(tǒng)計(jì)模式識(shí)別方法是這一階段內(nèi)的主流技術(shù)。

第三階段（1990s末~現(xiàn)在）

人臉識(shí)別的研究不斷深入，研究者開(kāi)始關(guān)注面向真實(shí)條件的人臉識(shí)別問(wèn)題，主要包括以下四個(gè)方面的研究：1）提出不同的人臉空間模型，包括以線性判別分析為代表的線性建模方法，以Kernel方法為代表的非線性建模方法和基于3D信息的3D人臉識(shí)別方法。2）深入分析和研究影響人臉識(shí)別的因素，包括光照不變?nèi)四樧R(shí)別、姿態(tài)不變?nèi)四樧R(shí)別和表情不變?nèi)四樧R(shí)別等。3）利用新的特征表示，包括局部描述子（Gabor Face, LBP Face等）和深度學(xué)習(xí)方法。4）利用新的數(shù)據(jù)源，例如基于視頻的人臉識(shí)別和基于素描、近紅外圖像的人臉識(shí)別。

二、市場(chǎng)研究

1、全球人臉識(shí)別市場(chǎng)

前瞻根據(jù)人臉識(shí)別行業(yè)發(fā)展現(xiàn)狀；到2016年，全球生物識(shí)別市場(chǎng)規(guī)模在127.13億美元左右，其中人臉識(shí)別規(guī)模約26.53億美元，占比在20%左右。預(yù)計(jì)到2021年，全球人臉識(shí)別市場(chǎng)預(yù)計(jì)將達(dá)到63.7億美元，按預(yù)計(jì)期間的復(fù)合增長(zhǎng)率達(dá)17.83％。

2、中國(guó)人臉識(shí)別市場(chǎng)

前瞻根據(jù)人臉識(shí)別行業(yè)發(fā)展現(xiàn)狀，估算我國(guó)人臉識(shí)別市場(chǎng)規(guī)模約占全球市場(chǎng)的10%左右。2010-2016年，我國(guó)人臉識(shí)別市場(chǎng)規(guī)模逐年增長(zhǎng)，年均復(fù)合增長(zhǎng)率達(dá)27%。2016年，我國(guó)人臉識(shí)別行業(yè)市場(chǎng)規(guī)模約為17.25億元，同比增長(zhǎng)27.97%，增速較上年上升4.64個(gè)百分點(diǎn)。

3、國(guó)內(nèi)主要玩家分布

1）中國(guó)部分人臉識(shí)別公司（排名不分先后）

2） 四大獨(dú)角獸介紹及對(duì)比細(xì)分領(lǐng)域

（1）曠視科技：

2014年，獲阿里巴巴旗下螞蟻金服投資，主攻金融和監(jiān)控兩大行業(yè)，有子公司曠視智安；團(tuán)隊(duì)成員除了幾名來(lái)自清華校友外，還有來(lái)自美國(guó)哥倫比亞大學(xué)、英國(guó)牛津大學(xué)和美國(guó)南加州大學(xué)的科研及開(kāi)發(fā)人員，截至目前核心員工僅有百余人。

在金融、安防、零售領(lǐng)域分別開(kāi)始了商業(yè)化探索成功發(fā)育出Face++Financial，F(xiàn)ace++Security，F(xiàn)ace++BI等垂直人臉驗(yàn)證解決方案，主要將人臉識(shí)別應(yīng)用在互聯(lián)網(wǎng)產(chǎn)品上，自己做研發(fā)，在美圖秀秀、淘寶等互聯(lián)網(wǎng)領(lǐng)域得到良好的應(yīng)用，在金融領(lǐng)域的市場(chǎng)一直占據(jù)沙發(fā)前排陣營(yíng)；2017年獲得33億元C+輪融資，最后選擇通過(guò)計(jì)算機(jī)視覺(jué)技術(shù)與NLP技術(shù)的結(jié)合，制造出能“識(shí)別萬(wàn)物”的智能機(jī)器人，提供硬件模組，里面內(nèi)置他們家的算法。目前正在準(zhǔn)備啟動(dòng)IPO的步伐，VIE架構(gòu)讓他們得以繞過(guò)A股，不用達(dá)到連續(xù)三年盈利的標(biāo)準(zhǔn)實(shí)現(xiàn)快速上市。

（2）商湯科技：

SenseTime（商湯科技），獲IDG資本投資，主攻金融、移動(dòng)互聯(lián)網(wǎng)、安防監(jiān)控三大行業(yè)；由香港中文大學(xué)的湯曉歐院士創(chuàng)建，“商湯”中的湯指的就是湯曉歐本人，湯曉鷗及其研究團(tuán)隊(duì)所開(kāi)發(fā)的DeepID算法率先將深度學(xué)習(xí)應(yīng)用到人臉識(shí)別上，在技術(shù)指標(biāo)上實(shí)現(xiàn)了新的突破。主要案例是圍繞各個(gè)美化軟件與直播平臺(tái)制作人臉貼圖，重點(diǎn)強(qiáng)化了人臉識(shí)別的關(guān)鍵點(diǎn)檢測(cè)及跟蹤技術(shù)。

團(tuán)隊(duì)有300多號(hào)，也從當(dāng)初toC轉(zhuǎn)向toB領(lǐng)域；成立于2014年的商湯科技選擇另辟蹊徑，選擇用“四大美女”這個(gè)話題讓人們?cè)陝?dòng)起來(lái)，到最后四大美女走了三個(gè)；商湯的網(wǎng)絡(luò)都是自己設(shè)計(jì)的，這樣對(duì)于深度學(xué)習(xí)網(wǎng)絡(luò)的掌控力就會(huì)更強(qiáng)，提供SaaS服務(wù)的同時(shí)，可以通過(guò)SaaS把背后的數(shù)據(jù)拿到，再進(jìn)行更多更細(xì)致的分析再次提升服務(wù)質(zhì)量。

（3）云從科技：

2015年4月，周曦拿到戰(zhàn)略投資成立云從科技，同年針對(duì)金融和銀行業(yè)推出了40多種解決方案，包含從算法、產(chǎn)品、銷(xiāo)售、售后的全產(chǎn)業(yè)鏈打造，針對(duì)農(nóng)行、建行、交行、中行及多地公安提供定制化服務(wù)。團(tuán)隊(duì)成員除了來(lái)自中科大的校友外，還來(lái)自中國(guó)科學(xué)院各大研究所、UIUC、IBM、NEC、MicroSoft等全球頂尖學(xué)府及研究機(jī)構(gòu)。

截止2016年11月，成立一年半，研發(fā)團(tuán)隊(duì)擴(kuò)展為200余名，核心產(chǎn)品是人臉識(shí)別系統(tǒng)及IBIS集成生物識(shí)別平臺(tái)，還具備3D模型、紅外活體、靜默活體等技術(shù)，可根據(jù)場(chǎng)景需求自由調(diào)節(jié)。選擇連接硬件、開(kāi)發(fā)與技術(shù)，屬于全產(chǎn)業(yè)鏈模式，因?yàn)槿四樧R(shí)別系統(tǒng)多數(shù)情況下需要深度定制，只有這樣，才能在客戶提出需求的情況下迅速反饋，修改，統(tǒng)一用戶體驗(yàn)。

（4）依圖科技：

2012 年九月，朱瓏與他的好友林晨曦在創(chuàng)立依圖科技，這家從事人工智能創(chuàng)新性研究的創(chuàng)企從圖像識(shí)別入手，首先與全國(guó)省市級(jí)公安系統(tǒng)合作，對(duì)車(chē)輛品牌、型號(hào)等進(jìn)行精準(zhǔn)識(shí)別，隨后擴(kuò)展到人像識(shí)別，通過(guò)靜態(tài)人像比對(duì)技術(shù)和動(dòng)態(tài)人像比對(duì)技術(shù)，協(xié)助公安系統(tǒng)進(jìn)行人員身份核查、追逃、監(jiān)控、關(guān)系挖掘等。

發(fā)展近 6年，依圖科技的產(chǎn)品已經(jīng)應(yīng)用到全國(guó)二十多個(gè)省市地區(qū)的安防領(lǐng)域，安防領(lǐng)域之外，依圖也進(jìn)入智慧城市領(lǐng)域和健康醫(yī)療領(lǐng)域，它要協(xié)助政府構(gòu)建"城市大腦"，也希望將醫(yī)療領(lǐng)域的巨大知識(shí)鴻溝縮小，改善醫(yī)患體驗(yàn)。

（5）細(xì)分領(lǐng)域?qū)Ρ缺?/p>

（6）主要客戶對(duì)比

4、商業(yè)模式

1）人臉識(shí)別商業(yè)模式設(shè)計(jì)步驟

2）人臉識(shí)別盈利模式

三、人臉識(shí)別的流程及主要技術(shù)

1、人臉識(shí)別系統(tǒng)組成

2、人臉識(shí)別的一般流程：

1）人臉采集：

（1）簡(jiǎn)介：

不同的人臉圖像通過(guò)攝像鏡頭采集得到，比如靜態(tài)圖像、動(dòng)態(tài)圖像、不同的位置、不同表情等，當(dāng)采集對(duì)象在設(shè)備的拍攝范圍內(nèi)時(shí)，采集設(shè)備會(huì)自動(dòng)搜索并拍攝人臉圖像。

（2）人臉采集的主要影響因素：

圖像大?。喝四槇D像過(guò)小會(huì)影響識(shí)別效果，人臉圖像過(guò)大會(huì)影響識(shí)別速度。非專(zhuān)業(yè)人臉識(shí)別攝像頭常見(jiàn)規(guī)定的最小識(shí)別人臉像素為60*60或100*100以上。在規(guī)定的圖像大小內(nèi)，算法更容易提升準(zhǔn)確率和召回率。圖像大小反映在實(shí)際應(yīng)用場(chǎng)景就是人臉離攝像頭的距離。

圖像分辨率：越低的圖像分辨率越難識(shí)別。圖像大小綜合圖像分辨率，直接影響攝像頭識(shí)別距離?，F(xiàn)4K攝像頭看清人臉的最遠(yuǎn)距離是10米，7K攝像頭是20米。

光照環(huán)境：過(guò)曝或過(guò)暗的光照環(huán)境都會(huì)影響人臉識(shí)別效果?？梢詮臄z像頭自帶的功能補(bǔ)光或?yàn)V光平衡光照影響，也可以利用算法模型優(yōu)化圖像光線。

模糊程度：實(shí)際場(chǎng)景主要著力解決運(yùn)動(dòng)模糊，人臉相對(duì)于攝像頭的移動(dòng)經(jīng)常會(huì)產(chǎn)生運(yùn)動(dòng)模糊。部分?jǐn)z像頭有抗模糊的功能，而在成本有限的情況下，考慮通過(guò)算法模型優(yōu)化此問(wèn)題。

遮擋程度：五官無(wú)遮擋、臉部邊緣清晰的圖像為最佳。而在實(shí)際場(chǎng)景中，很多人臉都會(huì)被帽子、眼鏡、口罩等遮擋物遮擋，這部分?jǐn)?shù)據(jù)需要根據(jù)算法要求決定是否留用訓(xùn)練。

采集角度：人臉相對(duì)于攝像頭角度為正臉最佳。但實(shí)際場(chǎng)景中往往很難抓拍正臉。因此算法模型需訓(xùn)練包含左右側(cè)人臉、上下側(cè)人臉的數(shù)據(jù)。工業(yè)施工上攝像頭安置的角度，需滿足人臉與攝像頭構(gòu)成的角度在算法識(shí)別范圍內(nèi)的要求。

2）人臉檢測(cè)：

（1）簡(jiǎn)介：

在圖像中準(zhǔn)確標(biāo)定出人臉的位置和大小，并把其中有用的信息挑出來(lái)（如直方圖特征、顏色特征、模板特征、結(jié)構(gòu)特征及Haar特征等），然后利用信息來(lái)達(dá)到人臉檢測(cè)的目的。

（2）人臉關(guān)鍵點(diǎn)檢測(cè)（人臉對(duì)齊）：

自動(dòng)估計(jì)人臉圖片上臉部特征點(diǎn)的坐標(biāo)。

（3）主流方法：

基于檢測(cè)出的特征采用Adaboost學(xué)習(xí)算法（一種用來(lái)分類(lèi)的方法，它把一些比較弱的分類(lèi)方法合在一起，組合出新的很強(qiáng)的分類(lèi)方法）挑選出一些最能代表人臉的矩形特征（弱分類(lèi)器），按照加權(quán)投票的方式將弱分類(lèi)器構(gòu)造為一個(gè)強(qiáng)分類(lèi)器，再將訓(xùn)練得到的若干強(qiáng)分類(lèi)器串聯(lián)組成一個(gè)級(jí)聯(lián)結(jié)構(gòu)的層疊分類(lèi)器，有效地提高分類(lèi)器的檢測(cè)速度。

最近人臉檢測(cè)算法模型的流派包括三類(lèi)及其之間的組合：viola-jones框架（性能一般速度尚可，適合移動(dòng)端、嵌入式上使用），dpm（速度較慢），cnn（性能不錯(cuò)）。

3）人臉圖像預(yù)處理：

（1）簡(jiǎn)介：

基于人臉檢測(cè)結(jié)果，對(duì)圖像進(jìn)行處理并最終服務(wù)于特征提取的過(guò)程。

（2）原因：

系統(tǒng)獲取的原始圖像由于受到各種條件的限制和隨機(jī)干擾，往往不能直接使用，必須在圖像處理 的早期階段對(duì)它進(jìn)行灰度矯正、噪聲過(guò)濾等圖像預(yù)處理。

（3）主要預(yù)處理過(guò)程：

人臉對(duì)準(zhǔn)（得到人臉位置端正的圖像），人臉圖像的光線補(bǔ)償，灰度變換、直方圖均衡化、歸一 化（取得尺寸一致，灰度取值范圍相同的標(biāo)準(zhǔn)化人臉圖像），幾何校正、中值濾波（圖片的平滑操作以消除噪聲）以及銳化等。

4）人臉特征提?。?/p>

（1）簡(jiǎn)介：

人臉識(shí)別系統(tǒng)可使用的特征通常分為視覺(jué)特征、像素統(tǒng)計(jì)特征、人臉圖像變換系數(shù)特征、人臉圖像代數(shù)特征等。人臉特征提取就是針對(duì)人臉的某些特征進(jìn)行的，也稱(chēng)人臉表征，它是對(duì)人臉進(jìn)行特征建模的過(guò)程

（2）人臉特征提取的方法：

1、基于知識(shí)的表征方法（主要包括基于幾何特征法和模板匹配法）：

根據(jù)人臉器官的形狀描述以及它們之間的距離特性來(lái)獲得有助于人臉?lè)诸?lèi)的特征數(shù)據(jù)，其特征分量通常包括特征點(diǎn)間的歐氏距離、曲率、和角度等。人臉由眼睛、鼻子、嘴、下巴等局部構(gòu)成，對(duì)這些局部和他們之間結(jié)構(gòu)關(guān)系的幾何描述，可作為識(shí)別人臉的重要特征，這些特征被稱(chēng)為幾何特征。

2、基于代數(shù)特征或統(tǒng)計(jì)學(xué)習(xí)的表征方法：

基于代數(shù)特征方法的基本思想是將人臉在空域內(nèi)的高維描述轉(zhuǎn)化為頻域或者其他空間內(nèi)的低維描述，其表征方法為線性投影表征方法和非線性投影表征方法。

基于線性投影的方法主要有主成分分析法或稱(chēng)K-L變化、獨(dú)立成分分析法和Fisher線性判別分析法。非線性特征提取方法有兩個(gè)重要的分支：基于核的特征提取技術(shù)和以流形學(xué)習(xí)為主導(dǎo)的特征提取技術(shù)。

5）匹配與識(shí)別：

提取的人臉特征值數(shù)據(jù)與數(shù)據(jù)庫(kù)中存貯的特征模板進(jìn)行搜索匹配，通過(guò)設(shè)定一個(gè)閾值，將相似度與這一閾值進(jìn)行比較，來(lái)對(duì)人臉的身份信息進(jìn)行判斷。

3、人臉識(shí)別的主要方法

1）Eigen Face（特征臉）

MIT實(shí)驗(yàn)室的特克（Turk）和潘特（Pentland）提出的“特征臉”方法無(wú)疑是這一時(shí)期內(nèi)最負(fù)盛名的 人臉識(shí)別方法。其后的很多人臉識(shí)別技術(shù)都或多或少與特征臉有關(guān)系，現(xiàn)在特征臉已經(jīng)與歸一化的協(xié)相關(guān) 量(Normalized Correlation)方法一道成為人臉識(shí)別的性能測(cè)試基準(zhǔn)算法。

blog.csdn.net/zizi7/art（人臉識(shí)別特征臉?biāo)惴ㄎ臋n）

2）Fisher Face（漁夫臉）：

貝爾胡米爾（Belhumeur）等提出的 Fisherface 人臉識(shí)別方法是這一時(shí)期的另一重要成果。該方法 首先采用主成分分析（PCA）對(duì)圖像表觀特征進(jìn)行降維。在此基礎(chǔ)上，采用線性判別分析（LDA）的方法 變換降維后的主成分以期獲得“盡量大的類(lèi)間散度和盡量小的類(lèi)內(nèi)散度”。該方法目前仍然是主流的人臉 識(shí)別方法之一，產(chǎn)生了很多不同的變種，比如零空間法、子空間判別模型、增強(qiáng)判別模型、直接的 LDA 判 別方法以及近期的一些基于核學(xué)習(xí)的改進(jìn)策略。

https://blog.csdn.net/zizi7/article/details/52999432（Fisher Face算法文檔）

3）EGM（彈性圖匹配）

其基本思想是用一個(gè)屬性圖來(lái)描述人臉：屬性圖的頂點(diǎn)代表面部關(guān)鍵特征點(diǎn)，其屬性為相應(yīng)特征點(diǎn)處 的多分辨率、多方向局部特征——Gabor變換12特征，稱(chēng)為Jet；邊的屬性則為不同特征點(diǎn)之間的幾何 關(guān)系。對(duì)任意輸入人臉圖像，彈性圖匹配通過(guò)一種優(yōu)化搜索策略來(lái)定位預(yù)先定義的若干面部關(guān)鍵特征點(diǎn)， 同時(shí)提取它們的Jet特征，得到輸入圖像的屬性圖。最后通過(guò)計(jì)算其與已知人臉屬性圖的相似度來(lái)完成識(shí) 別過(guò)程。該方法的優(yōu)點(diǎn)是既保留了面部的全局結(jié)構(gòu)特征，也對(duì)人臉的關(guān)鍵局部特征進(jìn)行了建模。

blog.csdn.net/real_myth（彈性圖匹配算法文檔）

4）基于幾何特征的方法

幾何特征可以是眼、鼻、嘴等的形狀和它們之間的幾何關(guān)系（如相互之間的距離）。這些算法識(shí)別速 度快，需要的內(nèi)存小，但識(shí)別率較低。

5）基于神經(jīng)網(wǎng)絡(luò)的方法

神經(jīng)網(wǎng)絡(luò)的輸入可以是降低分辨率的人臉圖像、局部區(qū)域的自相關(guān)函數(shù)、局部紋理的二階矩等。這類(lèi)方法同樣需要較多的樣本進(jìn)行訓(xùn)練，而在許多應(yīng)用中，樣本數(shù)量是很有限的。

6）基于線段Hausdorff 距離(LHD) 的方法

心理學(xué)的研究表明，人類(lèi)在識(shí)別輪廓圖（比如漫畫(huà)）的速度和準(zhǔn)確度上絲毫不比識(shí)別灰度圖差。LHD是基于從人臉灰度圖像中提取出來(lái)的線段圖的，它定義的是兩個(gè)線段集之間的距離，與眾不同的是，LHD并不建立不同線段集之間線段的一一對(duì)應(yīng)關(guān)系，因此它更能適應(yīng)線段圖之間的微小變化。實(shí)驗(yàn)結(jié)果表明，LHD在不同光照條件下和不同姿態(tài)情況下都有非常出色的表現(xiàn)，但是它在大表情的情況下識(shí)別效果不好。

7）基于支持向量機(jī)(SVM) 的方法

近年來(lái)，支持向量機(jī)是統(tǒng)計(jì)模式識(shí)別領(lǐng)域的一個(gè)新的熱點(diǎn)，它試圖使得學(xué)習(xí)機(jī)在經(jīng)驗(yàn)風(fēng)險(xiǎn)和泛化能力上達(dá)到一種妥協(xié)，從而提高學(xué)習(xí)機(jī)的性能。支持向量機(jī)主要解決的是一個(gè)2分類(lèi)問(wèn)題，它的基本思想是試圖把一個(gè)低維的線性不可分的問(wèn)題轉(zhuǎn)化成一個(gè)高維的線性可分的問(wèn)題。通常的實(shí)驗(yàn)結(jié)果表明SVM有較好的識(shí)別率，但是它需要大量的訓(xùn)練樣本（每類(lèi)300個(gè)），這在實(shí)際應(yīng)用中往往是不現(xiàn)實(shí)的。而且支持向量機(jī)訓(xùn)練時(shí)間長(zhǎng)，方法實(shí)現(xiàn)復(fù)雜，該函數(shù)的取法沒(méi)有統(tǒng)一的理論。

4、技術(shù)發(fā)展方向

1）結(jié)合三維信息：二維和三維信息融合使特征更加魯棒

2）多特征融合：?jiǎn)我惶卣麟y以應(yīng)對(duì)復(fù)雜的光照和姿態(tài)變化

3）大規(guī)模人臉比對(duì)：面向海量數(shù)據(jù)的人臉比對(duì)與搜索

4）深度學(xué)習(xí)：在大數(shù)據(jù)條件下充分發(fā)揮深度神經(jīng)網(wǎng)絡(luò)強(qiáng)大的學(xué)習(xí)能力

5、人臉識(shí)別數(shù)據(jù)庫(kù)

1）Yale人臉數(shù)據(jù)庫(kù)

2）ORL人臉數(shù)據(jù)庫(kù)

3）CMU PIE人臉數(shù)據(jù)庫(kù)

4）FERET人臉數(shù)據(jù)庫(kù)

5）MIT數(shù)據(jù)庫(kù)

6）BANCA人臉數(shù)據(jù)庫(kù)

7）CAS-PEAL人臉數(shù)據(jù)庫(kù)

8）JAFE表情數(shù)據(jù)庫(kù)

9）Cohn-Kanade表情數(shù)據(jù)庫(kù)

10）MMI表情數(shù)據(jù)庫(kù)

6、技術(shù)指標(biāo)

1）人臉檢測(cè)中的關(guān)鍵指標(biāo)：

例子：在攝像頭某張抓拍圖像中，一共有100張人臉，算法檢測(cè)出80張人臉，其中75張是真實(shí)人臉，5 張是把路標(biāo)誤識(shí)為人臉。

1、檢測(cè)率：識(shí)別正確的人臉/圖中所有的人臉。檢測(cè)率越高，代表檢測(cè)模型效果越好。

2、誤檢率：識(shí)別錯(cuò)誤的人臉/識(shí)別出來(lái)的人臉。誤檢率越低，代表檢測(cè)模型效果越好。

3、漏檢率：未識(shí)別出來(lái)的人臉/圖中所有的人臉。漏檢率越低，代表檢測(cè)模型效果越好。

4、速度：從采集圖像完成到人臉檢測(cè)完成的時(shí)間。時(shí)間約短，檢測(cè)模型效果越好。

在這個(gè)實(shí)際案例中：檢測(cè)率=75/100 誤檢率=5/80 漏檢率=（100-75）/100

2）人臉識(shí)別中的關(guān)鍵指標(biāo)：

1000張樣本圖片里，共600張正樣本。相似度為0.9的圖片一共100張，其中正樣本為99張。雖然0.9閾值的正確率很高，為99/100；但是0.9閾值正確輸出的數(shù)量確很少，只有99/600。這樣很容易發(fā)生漏識(shí)的情況。

1、精確率（precision）：識(shí)別為正確的樣本數(shù)/識(shí)別出來(lái)的樣本數(shù)=99/100

2、召回率（recall）：識(shí)別為正確的樣本數(shù)/所有樣本中正確的數(shù)=99/600

3、錯(cuò)誤接受率/認(rèn)假率/誤識(shí)率（FARFalse Accept Rate）：

1、定義：指將身份不同的兩張照片，判別為相同身份，越低越好

2、FAR = NFA / NIRA

3、式中 NIRA 代表的是類(lèi)間測(cè)試次數(shù)，既不同類(lèi)別間的測(cè)試次數(shù)，打比方如果有1000個(gè)識(shí)別 模型，有1000個(gè)人要識(shí)別，而且每人只提供一個(gè)待識(shí)別的素材，那 NIRA=1000*(1000-1) 。NFA是錯(cuò)誤接受次數(shù)。

4、FAR決定了系統(tǒng)的安全性，F(xiàn)RR決定了系統(tǒng)的易用程度，在實(shí)際中，F(xiàn)AR對(duì)應(yīng)的風(fēng)險(xiǎn)遠(yuǎn)遠(yuǎn)高于FRR，因此，生物識(shí)別系統(tǒng)中，會(huì)將FAR設(shè)置為一個(gè)非常低的范圍，如萬(wàn)分之一甚至百萬(wàn)分之一，在FAR固定的條件下，F(xiàn)RR低于5%，這樣的系統(tǒng)才有實(shí)用價(jià)值。

4、錯(cuò)誤拒絕率/拒真率/拒識(shí)率（FRR False Reject Rate）：

1、定義：指將身份相同的兩張照片，判別為不同身份，越低越好

2、FRR = NFR / NGRA

3、上式中NFR是類(lèi)內(nèi)測(cè)試次數(shù)，既同類(lèi)別內(nèi)的測(cè)試次數(shù)，打比方如果有1000個(gè)識(shí)別模型， 有1000個(gè)人要識(shí)別， 而且每人只提供一個(gè)待識(shí)別的素 材，那 NIRA=1000，如果每個(gè)人提供N張圖片，那么 NIRA=N*1000 。NFR是錯(cuò)誤拒絕次數(shù)。

四、行業(yè)應(yīng)用

1、人臉識(shí)別（FR）+其他行業(yè)

1）FR+金融：

（1）實(shí)名認(rèn)證：

金融機(jī)構(gòu)傳統(tǒng)上使用人工肉眼判斷、短信驗(yàn)證、綁定銀行卡等手段進(jìn)行實(shí)名認(rèn)證。這些傳統(tǒng)手段存在準(zhǔn)確率不高、客戶體驗(yàn)較差、成本高等問(wèn)題，對(duì)金融企業(yè)業(yè)務(wù)發(fā)展造成了巨大的困擾?；谌四樧R(shí)別的實(shí)名認(rèn)證方式具有準(zhǔn)確率高（一億人中才存在兩人長(zhǎng)相相同）、客戶體驗(yàn)好（認(rèn)證速度快、客戶操作少）、成本低（相較于傳統(tǒng)認(rèn)證方式）的優(yōu)點(diǎn)，已被眾多領(lǐng)先金融企業(yè)所采用。

（2）人臉識(shí)別在銀行遠(yuǎn)程開(kāi)戶上的應(yīng)用：

在遠(yuǎn)程開(kāi)戶時(shí)，金融機(jī)構(gòu)可以通過(guò)智能終端在線上進(jìn)行身份鑒權(quán)驗(yàn)證，使用人臉識(shí)別技術(shù)開(kāi)戶可以極大提升業(yè)務(wù)辦理的安全性、時(shí)效性，并節(jié)省大量人力；

（3）刷臉取款：

在這方面人臉取代了銀行卡，只需要人臉+密碼即可完成取款。在前兩個(gè)方面，人臉識(shí)別技術(shù)已經(jīng)被國(guó)內(nèi)各大銀行廣泛采用，刷臉取款方面，農(nóng)行和招行搶先一步在ATM上線了刷臉取款功能。

2）FR+醫(yī)療：

（1）重點(diǎn)應(yīng)用：

1、打擊涉醫(yī)犯罪，確保就診安全。

建立有針對(duì)性的涉醫(yī)犯罪人員布控庫(kù)，與屬地公安部門(mén)配合，進(jìn)行實(shí)時(shí)布控。

2、管控職務(wù)犯罪，控制不當(dāng)競(jìng)爭(zhēng)。

對(duì)進(jìn)入醫(yī)院診療區(qū)域的醫(yī)藥代表進(jìn)行管控，協(xié)助解決藥品流通領(lǐng)域經(jīng)營(yíng)不規(guī)范、競(jìng)爭(zhēng)失序等問(wèn)題。

3、杜絕職業(yè)醫(yī)鬧，保護(hù)人身安全。

打擊頻繁出現(xiàn)的職業(yè)醫(yī)鬧，提高事件的響應(yīng)速度，從被動(dòng)響應(yīng)變?yōu)橹鲃?dòng)預(yù)防。

4、規(guī)范就診流程，和諧醫(yī)患關(guān)系。

重點(diǎn)防范黃牛、醫(yī)托等干擾正常就診秩序的特殊人群。

5、加強(qiáng)監(jiān)管力度，維護(hù)醫(yī)?；稹?/p>

實(shí)現(xiàn)就診病人與醫(yī)保信息庫(kù)中身份證照的比對(duì)，杜絕冒用醫(yī)保卡的現(xiàn)象。

6、易肇事肇禍嚴(yán)重精神障礙患者管控。

結(jié)合“雪亮工程”，確保嚴(yán)重精神障礙患者流入地、流出地發(fā)現(xiàn)管控到位。

（2）人臉識(shí)別在醫(yī)療行業(yè)的應(yīng)用突破基于三點(diǎn)：

1、獲取到目標(biāo)對(duì)象的信息：

因?yàn)樾姓w系不同，醫(yī)療行業(yè)想獲取到目標(biāo)對(duì)象信息存在較大困難，需相關(guān)行政單位進(jìn)行關(guān)鍵的協(xié)調(diào)工作。目標(biāo)對(duì)象信息包含但不局限于：人臉照片、人像照片、人員基本信息、人員動(dòng)態(tài)等。

2、人臉識(shí)別的算法進(jìn)一步提升：

目前的人臉識(shí)別算法的精度已經(jīng)達(dá)到了相當(dāng)高的水準(zhǔn)，誤報(bào)、漏報(bào)均已控制在可接受范圍；更近一步的算法，可以從非結(jié)構(gòu)化的視頻/圖片中獲取更多的價(jià)值信息，從更多地維度來(lái)實(shí)現(xiàn)不同的應(yīng)用。

3、管理者思維和水平的提升：

人工智能、人臉識(shí)別是革命性顛覆性的技術(shù)，可以給醫(yī)療行業(yè)帶來(lái)巨大的提升。如何將人臉識(shí)別真正應(yīng)用到醫(yī)療行業(yè)的各方各面需要管理者與技術(shù)提供方一起拓展思維、共同努力。

（3）人臉識(shí)別在醫(yī)療行業(yè)的前景：

1、對(duì)接公安視頻監(jiān)控、醫(yī)警聯(lián)動(dòng)平臺(tái)：

系統(tǒng)滿足公安現(xiàn)有標(biāo)準(zhǔn)要求，后續(xù)可與公安機(jī)關(guān)視頻監(jiān)控、醫(yī)警聯(lián)動(dòng)等平臺(tái)進(jìn)行無(wú)縫對(duì)接，將報(bào)警信息及關(guān)聯(lián)的視頻、圖片推送給轄區(qū)派出所，實(shí)現(xiàn)聯(lián)動(dòng)。

2、人臉身份查證：

輸入目標(biāo)人員照片，即可知道此人身份及其是否屬于重點(diǎn)管控人員，是否曾經(jīng)來(lái)過(guò)醫(yī)院，及其出現(xiàn)時(shí)間、頻次?？捎糜诤Y查可疑人員，找到其活動(dòng)規(guī)律。

3、人員軌跡回放：

輸入目標(biāo)人員照片，即可查詢此人是否來(lái)過(guò)醫(yī)院，到過(guò)哪些地方。此功能可還原特定人員的行動(dòng)軌跡，用于嫌疑人行為研判和事后取證。

4、對(duì)接門(mén)禁系統(tǒng)：

與門(mén)禁系統(tǒng)對(duì)接，預(yù)留刷臉開(kāi)門(mén)、人臉考勤等高級(jí)功能，方便辦公區(qū)、手術(shù)室、藥品庫(kù)、住院部等區(qū)域的出入管理。

5、對(duì)接刷卡系統(tǒng)：

與二代證、醫(yī)?？ǖ人⒖ㄏ到y(tǒng)對(duì)接，將采集的人臉照片與證件上存儲(chǔ)的照片進(jìn)行比對(duì)，驗(yàn)證刷卡人的真實(shí)身份。

3）FR+新零售：

（1）應(yīng)用人臉識(shí)別的優(yōu)勢(shì)

1、為重點(diǎn)客戶畫(huà)像：

幫助賣(mài)家獲得顧客和潛在顧客更精準(zhǔn)的信息，構(gòu)建用戶畫(huà)像。可以安裝在超市、商場(chǎng)、門(mén)店等入口，統(tǒng)計(jì)每天進(jìn)入門(mén)店的人數(shù)、大致年齡和性別等;另一種可以安裝在貨架上，分析客戶的關(guān)注點(diǎn)和消費(fèi)習(xí)慣等。通過(guò)大數(shù)據(jù)分析挖掘回頭客，提升客戶提袋率和VIP轉(zhuǎn)化率；

2、為零售商降本增益：

以智能化系統(tǒng)來(lái)代替人工，以人臉識(shí)別系統(tǒng)連接支付端來(lái)代替收銀員，能跟快實(shí)現(xiàn)零售店的導(dǎo)流和商品人流分析等。

3、減少突發(fā)事件的產(chǎn)生：

門(mén)店遇到商品失竊的突發(fā)事件，通過(guò)對(duì)所獲數(shù)據(jù)的分析，也可以將不良客戶拉入“黑名單”或是降低其信用水平。

4、完美連接線上線下：

識(shí)別系統(tǒng)獲得的用戶偏好還能反哺線上，將所得數(shù)據(jù)通過(guò)線上反饋給廠商，助力于廠商更全面地了解消費(fèi)者需求，進(jìn)而精準(zhǔn)地研發(fā)產(chǎn)品，設(shè)計(jì)營(yíng)銷(xiāo)策略。這些都是完美實(shí)現(xiàn)新零售“打通線上線下”內(nèi)在要求的極佳方式。

（2）人臉識(shí)別的安全隱患：

1、人臉特征容易被復(fù)制：

眾所周知，破解密碼的最常用手段是復(fù)制，通過(guò)竊取數(shù)字密碼以及套取指紋來(lái)解密的案例己經(jīng)不勝枚舉。與記錄在大腦中或其他介質(zhì)上面的數(shù)字密碼相比，暴露在外面的人臉更容易被復(fù)制。通過(guò)拍照完全可以獲得一個(gè)人的臉部特征并進(jìn)行復(fù)制，利用整容技術(shù)或者用照片識(shí)別等欺詐的方法可以騙過(guò)人臉支付系統(tǒng)。

2、個(gè)人信息泄露問(wèn)題。

在科技發(fā)達(dá)的今天，人們似乎很輕易就可以通過(guò)無(wú)孔不入的渠道查到消費(fèi)者的各種信息。而對(duì)于刷臉支付來(lái)講，像人臉特征這種人體密碼一旦交給別人保管，個(gè)人信息的安全系數(shù)將如何確保？獲取用戶的面部特征是否會(huì)涉及到個(gè)人隱私？基于面部掃描系統(tǒng)的支付在普遍應(yīng)用之后會(huì)不會(huì)帶來(lái)基于位置服務(wù)造成的個(gè)人行蹤泄露？

4）FR+安防：

（1）智慧城市的基礎(chǔ)

1、視頻分析：

基于視頻中的人臉照片進(jìn)行遠(yuǎn)距離、快速、無(wú)接觸式的重點(diǎn)人員布控預(yù)警。讓?xiě)?yīng)用于車(chē)站、機(jī)場(chǎng)、地鐵等重點(diǎn)場(chǎng)所和大型商場(chǎng)超市等人群密集的公共場(chǎng)所視頻監(jiān)控系統(tǒng)能夠?qū)σ曨l圖像進(jìn)行采集、自動(dòng)分析、抓取人臉實(shí)時(shí)比對(duì)，主動(dòng)在監(jiān)控場(chǎng)景中識(shí)別重點(diǎn)關(guān)注人員，實(shí)現(xiàn)重點(diǎn)人員的布控和識(shí)別。

2、重要場(chǎng)所的布控：

對(duì)機(jī)場(chǎng)、車(chē)站、港口、地鐵重點(diǎn)場(chǎng)所和大型商超等人群密集公共場(chǎng)所進(jìn)行布控，以達(dá)到對(duì)一些重點(diǎn)人員的排查，抓捕逃犯等目的。

3、靜態(tài)庫(kù)或身份庫(kù)的檢索：

對(duì)常住人口、暫住人口的人臉圖片進(jìn)行預(yù)先建庫(kù)，通過(guò)輸入各種渠道采集的人臉圖片，能夠進(jìn)行比對(duì)和按照相似度排序，進(jìn)而獲悉輸入人員的身份或者其他關(guān)聯(lián)信息，此類(lèi)應(yīng)用存在兩種擴(kuò)展形式，單一身份庫(kù)自動(dòng)批量比對(duì)并發(fā)現(xiàn)疑似的一個(gè)人員具有兩個(gè)或以上身份信息的靜態(tài)庫(kù)查重，兩個(gè)身份庫(kù)之間自動(dòng)交叉比對(duì)發(fā)現(xiàn)交集數(shù)據(jù)的靜態(tài)庫(kù)碰撞。

4、動(dòng)態(tài)庫(kù)或抓拍庫(kù)的檢索：

對(duì)持續(xù)采集的各攝像頭點(diǎn)位的抓拍圖片建庫(kù)，通過(guò)輸入一張指定人員的人臉圖片，獲得其在指定時(shí)間范圍和指定攝像頭點(diǎn)位出現(xiàn)的所有抓拍記錄，方便快速瀏覽，當(dāng)攝像頭點(diǎn)位關(guān)聯(lián)GIS系統(tǒng)，則可以進(jìn)一步的按照時(shí)間順序排列檢索得到的抓拍記錄，并繪制到GIS上，得到人員運(yùn)動(dòng)的軌跡。

（2）反恐行動(dòng)的助力

現(xiàn)在新疆、西藏等城市都將人臉識(shí)別作為基礎(chǔ)設(shè)施建設(shè)領(lǐng)域的投資重點(diǎn)，由于人員復(fù)雜、居住人口相對(duì)混亂等因素，這些城市成為了恐怖襲擊等違法犯罪行為的高發(fā)場(chǎng)所。而人臉識(shí)別技術(shù)采用人臉檢測(cè)算法、人臉跟蹤算法、人臉質(zhì)量評(píng)分算法以及人臉識(shí)別算法。實(shí)現(xiàn)城市居住人員人臉的抓拍采集、建模存儲(chǔ)，實(shí)時(shí)黑名單比對(duì)報(bào)警和人臉后檢索等功能。能及時(shí)在危險(xiǎn)發(fā)生之前制止。

（3）兒童安全的保鏢

近年來(lái)兒童拐賣(mài)活動(dòng)越來(lái)越猖獗，為了更好的保護(hù)兒童安全，有些幼兒園、小學(xué)在門(mén)口已經(jīng)安裝上了面部識(shí)別系統(tǒng)。系統(tǒng)采用人臉識(shí)別加IC/ID卡(非接觸式智能卡) 雙重認(rèn)證：每一位幼兒在入學(xué)注冊(cè)時(shí)進(jìn)行相關(guān)登記：資料、面像、IC/ID卡號(hào)、接送者、接送者面像。

每次入園時(shí)刷卡進(jìn)行報(bào)道，放學(xué)時(shí)刷卡并進(jìn)行接送家長(zhǎng)人臉認(rèn)證，如果認(rèn)證失敗拍照后即報(bào)警通知管理員，如果認(rèn)證成功即拍照放行。不論識(shí)別成功與否，系統(tǒng)都會(huì)記錄下被識(shí)別者圖像。每一次接送都有詳細(xì)的時(shí)間、接送人員的照片可供查詢。另外系統(tǒng)提供短信提示的擴(kuò)展功能，家長(zhǎng)可在手機(jī)上看到人臉識(shí)別認(rèn)證時(shí)所拍的照片，從而監(jiān)控到接送這個(gè)過(guò)程，從其中一個(gè)重要源頭杜絕了兒童被拐的可能性。

（4）智慧酒店的管理

以前開(kāi)房登記流程是：接待人員問(wèn)詢——身份證掃描確認(rèn)——支付押金——選房層發(fā)房卡——打印紙質(zhì)票據(jù)，這些流程非常繁雜，尤其是身份認(rèn)證耗時(shí)最長(zhǎng)，若遇到團(tuán)隊(duì)入住情況則更為復(fù)雜，身份證識(shí)別設(shè)備可能會(huì)因高頻使用出現(xiàn)故障，而急于進(jìn)房間休息的顧客卻只能在前臺(tái)等待手續(xù)完成，客戶體驗(yàn)非常糟糕。

人臉識(shí)別技術(shù)就能很好的解決這一難題，幫助酒店實(shí)現(xiàn)系統(tǒng)化業(yè)務(wù)管理和一站式共享解決方案。智慧酒店的安防系統(tǒng)利用人臉識(shí)別技術(shù)，當(dāng)顧客走到前臺(tái)時(shí)系統(tǒng)已經(jīng)自動(dòng)根據(jù)顧客被攝像頭捕捉到的影像調(diào)取顧客身份核對(duì)。整個(gè)驗(yàn)證核對(duì)過(guò)程簡(jiǎn)單、快速且實(shí)現(xiàn)了自動(dòng)化，更大幅降低了人工識(shí)別造成的誤差。而且，針對(duì)酒店VIP客人，系統(tǒng)可實(shí)時(shí)對(duì)比酒店大堂的攝像頭影像和登記在酒店基礎(chǔ)系統(tǒng)中的VIP面部數(shù)據(jù)，當(dāng)VIP客人到達(dá)時(shí)，酒店可第一時(shí)間提供個(gè)性化周到服務(wù)，提高客戶的滿意度。

5）FR+公安

（1）尋人尋親：

對(duì)老百姓或其他業(yè)務(wù)部門(mén)提供的照片，直接送入系統(tǒng)進(jìn)行比對(duì)、檢索、篩選，最后人工確認(rèn)。

（2）派出所擋獲違法人員：

對(duì)派出所擋獲的人員，登記筆錄，對(duì)于其中一些少數(shù)民族、聾啞人或保持沉默者等無(wú)法查證身份的人員，可拍攝照片送入各種照片庫(kù)中比對(duì)，排查涉及大案要案人員，以免漏網(wǎng)；或查證其前科，累計(jì)處理。

（3）查證無(wú)名尸源：

需要查證無(wú)名尸源時(shí)，先拍攝正面照片，送入計(jì)算機(jī)，如果照片閉眼、破損或變形，可用人像合成系統(tǒng)或人工繪制一幅標(biāo)準(zhǔn)照，送入比對(duì)系統(tǒng)比對(duì)查證。

（4）目擊者描述排查：

獲得現(xiàn)場(chǎng)目擊者對(duì)嫌疑人的形象描述后，可用人像合成系統(tǒng)進(jìn)行排查。

（5）視頻監(jiān)控照片：

一般監(jiān)控系統(tǒng)針對(duì)場(chǎng)景，得到的涉案嫌疑人的圖像都有模糊、偏轉(zhuǎn)、逆?zhèn)裙獾荣|(zhì)量不佳問(wèn)題，這時(shí)需要根據(jù)圖像用人像合成系統(tǒng)或人工繪制一幅標(biāo)準(zhǔn)照，送入照片比對(duì)系統(tǒng)比對(duì)查證。

（6）公共場(chǎng)所集會(huì)：

在政府、球場(chǎng)等公共場(chǎng)所，時(shí)常會(huì)有人員滋事，此時(shí)公安民警不便直接帶人處理，可以采用長(zhǎng)焦攝像機(jī)拍攝特寫(xiě)鏡頭，如果效果不夠好可以用人像合成系統(tǒng)修正，送入比對(duì)系統(tǒng)比對(duì)查證。

（7）一代/二代居民身份證識(shí)別：

根據(jù)犯罪人員的身份證照片信息，與系統(tǒng)照片庫(kù)中的信息資料進(jìn)行比對(duì)，提取出與證件上照片相似的人員信息，能充分利用現(xiàn)有的二代身份證照片資源，為公安部門(mén)的工作提供高效有利的幫助。

（8）其他應(yīng)用：

常住人口的比對(duì)查詢、暫住人口的比對(duì)查詢、重點(diǎn)人口的比對(duì)查詢、CCIC在逃人員的比對(duì)查詢等。

6）FR+商業(yè)場(chǎng)景：

（1）訪客登記：訪客到訪公司，于平板電腦進(jìn)行訪客信息登記，由攝像頭自動(dòng)抓取人臉，通過(guò)系統(tǒng)打印出 訪客貼紙；

（2）識(shí)別迎賓：公司員工，貴賓進(jìn)入公司入口，攝像頭能識(shí)別到訪人員，實(shí)現(xiàn)門(mén)禁功能管理；

（3）人臉識(shí)別考勤：通過(guò)入口處的前臺(tái)平板電腦進(jìn)行人臉識(shí)別考勤，也可通過(guò)手機(jī)端進(jìn)行人臉識(shí)別考；

（4）智能生活：較多的園區(qū)、樓宇需要人臉門(mén)禁系統(tǒng)，人員進(jìn)出快速通行，便于管理住戶、訪客的進(jìn)出記 錄；

（5）智慧教育：為嚴(yán)防替考事件的發(fā)生，確保考試安全，人臉識(shí)別可加強(qiáng)考試入場(chǎng)環(huán)節(jié)的考生身份認(rèn)證， 并有效實(shí)現(xiàn)智能視頻監(jiān)考、作弊防控等；

（6）智慧商場(chǎng)：利用人臉識(shí)別技術(shù)追蹤并分析商場(chǎng)內(nèi)的人流屬性，人群分布等。

2、FR的部分應(yīng)用

1）人臉檢測(cè)跟蹤

1、應(yīng)用：

商場(chǎng)客流跟蹤分析，地鐵、火車(chē)站、會(huì)場(chǎng)、機(jī)場(chǎng)等場(chǎng)所的可疑人員的跟蹤檢測(cè)，體育賽事的現(xiàn)場(chǎng)監(jiān)控等。

2、難點(diǎn)：

多人臉跟蹤、遠(yuǎn)場(chǎng)識(shí)別人臉、背景復(fù)雜、低質(zhì)量圖片人臉識(shí)別（算法預(yù)處理），還有側(cè)臉（3D重建人物全面），遮擋，模糊，表情變化、強(qiáng)弱光（多特征融合增強(qiáng)抗干擾力）等各種實(shí)際環(huán) 境。

3、建議：遠(yuǎn)場(chǎng)識(shí)別（可依據(jù)距離識(shí)別）、背景復(fù)雜（可虛化無(wú)關(guān)場(chǎng)景，凸顯主角）。

2）人臉關(guān)鍵點(diǎn)定位

1、應(yīng)用：

可用于圖片的合成、動(dòng)態(tài)圖片的分析（直播行業(yè)鑒黃、鑒暴），通過(guò)關(guān)鍵點(diǎn)分析人臉表情情緒。

2、難點(diǎn)：大角度側(cè)臉，表情變化、遮擋、模糊、明暗等，動(dòng)靜態(tài)關(guān)鍵點(diǎn)捕捉。

3、建議：對(duì)模糊部位可進(jìn)行平滑處理，根據(jù)眼睛、嘴的特點(diǎn)建立不同的區(qū)域塊等。

3）人臉身份認(rèn)證

1、應(yīng)用：

關(guān)鍵性應(yīng)用（金融身份認(rèn)證、海關(guān)檢查、火車(chē)站和機(jī)場(chǎng)等進(jìn)站），非關(guān)鍵性應(yīng)用（智慧小區(qū)居民進(jìn)出、辦公大樓進(jìn)出、公司單位上班打卡等）

2、難點(diǎn)：

年輕時(shí)的證件照和本人識(shí)別匹配、戴眼鏡和未戴眼鏡、側(cè)臉和正臉、表情、背景干擾、整容后、雙胞胎及長(zhǎng)相類(lèi)似等。

3、建議：

可基于三維人像分析避免認(rèn)證時(shí)的假冒，動(dòng)作分析等。（曠視的難以區(qū)分蠟像、海報(bào)和真人）

4）人臉屬性（性別、年齡、種族、表情、飾品、胡須、面部動(dòng)作狀態(tài)

（1）人臉表情識(shí)別（Face expression recognition 簡(jiǎn)稱(chēng)FER）

1、普遍認(rèn)為人類(lèi)主要有六種基本情感：

憤怒（anger）、高興（happiness）、悲傷（sadness）、驚訝（surprise）、厭惡（disgust）、恐懼（fear）。而大多數(shù)表情識(shí)別是基于這六種情感及其拓展情緒實(shí)現(xiàn)的

2、主要困難點(diǎn)是：

a）表情的精細(xì)化程度劃分：每種情緒最微弱的表現(xiàn)是否需要被分類(lèi)。分類(lèi)的界限需要產(chǎn)品給出評(píng)估規(guī)則。

b）表情類(lèi)別的多樣化：是否還需要補(bǔ)充其他類(lèi)別的情緒，六種情緒在一些場(chǎng)景下遠(yuǎn)不能變現(xiàn)人類(lèi)的真實(shí) 情緒。因此除了基本表情識(shí)別外，還有精細(xì)表情識(shí)別、混合表情識(shí)別、非基本表情識(shí)別等細(xì)致領(lǐng)域的研究。

c）缺少魯棒性

（2）人臉性別識(shí)別

性別分類(lèi)是一個(gè)典型的二類(lèi)問(wèn)題，人臉性別分類(lèi)問(wèn)題需要解決的兩個(gè)關(guān)鍵問(wèn)題是人臉特征提取和分類(lèi)器的選擇。人臉性別識(shí)別其實(shí)僅能識(shí)別到人臉外貌更偏向于女性還是男性，很難對(duì)女生男相、男生女相進(jìn)行正確判斷。

（3）人臉年齡識(shí)別

1、難點(diǎn)：

單人的不同年齡段識(shí)別和多人的不同年齡段識(shí)別，人臉年齡識(shí)別常和人臉識(shí)別進(jìn)行組合識(shí)別，能更正確的判斷在一定年限內(nèi)“是否是一個(gè)人”的問(wèn)題；除了以上內(nèi)容，還有是否戴眼鏡、頭發(fā)長(zhǎng)度、膚色等。

2、建議：

識(shí)別年齡無(wú)變化的人臉用分類(lèi)即可，而對(duì)年齡變化的人臉識(shí)別方法是通過(guò)年齡模擬，將測(cè)試圖像和查詢庫(kù)中的圖像變換到某一共同的年年齡，從而去除年齡不同的影響，使識(shí)別在年齡相同的人臉圖像進(jìn)行。

（4）人臉屬性的應(yīng)用：

根據(jù)物理屬性（性別、年齡、種族、眼鏡顏值等）可用于廣告定向投放、個(gè)性化智能推薦、顧客分析、婚戀交友等；化學(xué)屬性（面部動(dòng)作、情緒等）可用于即時(shí)視頻社交、圖片合成、圖片美化等。

（5）識(shí)別建議：人臉屬性分析時(shí)，可利用K-近鄰算法匹配云端庫(kù)里的類(lèi)似照片后再對(duì)相似屬性進(jìn)行分析。

5）人臉聚類(lèi)

（1）應(yīng)用：個(gè)性化相冊(cè)管理、照片分享社交、婚戀交友相似臉型匹配推薦興趣社交等。

（2）難點(diǎn)：角度、光線、發(fā)型、相似臉型等干擾分類(lèi)。

（3）建議：可基于一張正臉照片，將其他照片進(jìn)行依次比對(duì)分析后再分類(lèi)等（智能相冊(cè)、婚戀社交）。

6）真人檢測(cè)

（1）應(yīng)用：銀行開(kāi)戶驗(yàn)證、車(chē)站、機(jī)場(chǎng)、公司打卡等。

（2）難點(diǎn)：2D和3D的識(shí)別檢測(cè)、真人與蠟像、硅膠假冒人臉識(shí)別、照片和真人識(shí)別檢測(cè)驗(yàn)證等。

（3）建議：可基于三維人像分析避免認(rèn)證時(shí)的假冒等，動(dòng)態(tài)識(shí)別驗(yàn)證以區(qū)分假象（曠視的難以區(qū)分蠟像、海報(bào)和真人）。

7）人像美顏/美妝

（1）應(yīng)用：興趣社交、婚戀交友、圖像合成、個(gè)性化用品推薦和廣告投放等。

（2）難點(diǎn)：美顏與一般濾鏡效果的區(qū)別、美顏后的自然效果等。

（3）建議：基于數(shù)據(jù)集的算法更新迭代。

8）人體關(guān)鍵點(diǎn)（CPM、DeeperCut）

（1）應(yīng)用：關(guān)鍵動(dòng)作抓拍、人體姿態(tài)估計(jì)、舞蹈難度評(píng)定。

（2）難點(diǎn)：多目標(biāo)關(guān)鍵點(diǎn)定位、關(guān)鍵點(diǎn)遮擋、光線強(qiáng)弱等。

（3）建議：關(guān)鍵點(diǎn)遮擋（分塊處理、三維構(gòu)建找尋關(guān)鍵點(diǎn)）

3、FR的商業(yè)化

1）從時(shí)間上看商業(yè)化的不同階段

2)從業(yè)務(wù)場(chǎng)景上看

（1）場(chǎng)景關(guān)鍵點(diǎn)

1、盤(pán)子夠大，支撐公司發(fā)展

2、數(shù)據(jù)回流，為公司所用

3、高頻使用，需求占比高

4、可在行業(yè)中復(fù)制

3）垂直行業(yè)人臉解決方案（地產(chǎn)行業(yè)為例）

（1）地產(chǎn)行業(yè)分布

1、商業(yè)地產(chǎn)：辦公樓宇+園區(qū)廠區(qū)+商業(yè)零售+酒店

2、住宅地產(chǎn)：生活小區(qū)+公寓

（2）地產(chǎn)行業(yè)的市場(chǎng)規(guī)模

（3）演變方向及客戶痛點(diǎn)

1、視頻監(jiān)控：

傳統(tǒng)視頻監(jiān)控廠家正在進(jìn)行智能化轉(zhuǎn)型，從原先的“監(jiān)控”視頻，到現(xiàn)在的“讀懂”視頻當(dāng)中的人、 車(chē)、物、事；

2、門(mén)禁控制：

傳統(tǒng)門(mén)禁控制領(lǐng)域價(jià)值鏈低，所有廠家正在尋求新的方式來(lái)轉(zhuǎn)型，絕大部分都在生物識(shí)別方式上進(jìn)行 摸索；

人臉識(shí)別面板機(jī)、閘機(jī)及其它通行道閘雨后春筍般出現(xiàn)；

3、樓宇對(duì)講：

普通樓宇對(duì)講功能已無(wú)法滿足使用要求，結(jié)合人臉識(shí)別功能的門(mén)禁系統(tǒng)需求越來(lái)越多；

4、防盜告警：

通過(guò)智能化手段，達(dá)到降本增效目的，已成為防盜告警、巡更檢查等功能的重點(diǎn)迭代方向；

5、可視化系統(tǒng)：

降低非專(zhuān)業(yè)人士的使用難度，使得多方數(shù)據(jù)為“我”所用，為多種決策提供依據(jù)；

信息孤島問(wèn)題亟待解決，萬(wàn)物互聯(lián)已是所有廠家達(dá)成的共識(shí)。

6、信息孤島問(wèn)題（痛點(diǎn)）：

(1) 智能化系統(tǒng)種類(lèi)繁多，系統(tǒng)之間無(wú)法實(shí)現(xiàn)無(wú)縫連接，綜合管理難度大，效率低；

(2) 智能化子系統(tǒng)數(shù)據(jù)采集離散，標(biāo)準(zhǔn)不一，數(shù)據(jù)價(jià)值大打折扣，無(wú)法為管理提供決策依據(jù)和幫助；

(3) 各子系統(tǒng)依靠人工管理，人員配備要求高、勞動(dòng)強(qiáng)度大，人工成本居高不??；

(4) 絕大多數(shù)B端客戶不懂具體業(yè)務(wù)或細(xì)節(jié)，需要具象化、可視化系統(tǒng)呈現(xiàn)。

（4）建設(shè)步驟及架構(gòu)

1、步驟：

第一步：人員通信管理

基于人員通行管理的平臺(tái)系統(tǒng)（功能性產(chǎn)品+后臺(tái)系統(tǒng)管理）

員工、VIP、訪客、陌生人、黑名單等人員權(quán)限管理；

第二步：傳感網(wǎng)絡(luò)融合

CCTV、車(chē)輛等；

基于“人員”、“車(chē)”、“監(jiān)控”的三位一體智慧建筑場(chǎng)景應(yīng)用；

其他子系統(tǒng)模塊鏈接，形成整體傳感網(wǎng)絡(luò)，智能物聯(lián)；

第三步：商業(yè)地產(chǎn)+新零售

人員、車(chē)輛、CCTV三功能在工作+消費(fèi)場(chǎng)景融合；

構(gòu)建以人為核心的商業(yè)綜合體運(yùn)營(yíng)方案

2、整體IoT架構(gòu)

（5）影響因素與優(yōu)化方案

1、決定監(jiān)控系統(tǒng)性能的幾個(gè)主要因素：

1）模板庫(kù)的人數(shù)：不宜大，包含關(guān)鍵人物即可；

2）經(jīng)過(guò)攝像頭的人數(shù)：同時(shí)出現(xiàn)在攝像頭的人數(shù)決定了單位時(shí)間里的比對(duì)次數(shù)；

3）報(bào)警反饋時(shí)間：實(shí)時(shí)性越強(qiáng)，對(duì)系統(tǒng)性能要求越高；

4）攝像頭采集幀數(shù)：幀數(shù)越高，人員經(jīng)過(guò)攝像頭前采集的次數(shù)越多，比對(duì)的次數(shù)也越多。

2、實(shí)戰(zhàn)中的優(yōu)化方案：

1）使用更先進(jìn)的高清攝像頭（3-5百萬(wàn)）；

2）室內(nèi)均勻光線，或室外白天，無(wú)側(cè)光和折射光；

3）人群面向同樣的方向，朝向相機(jī)的方向運(yùn)動(dòng)；

4）恰當(dāng)?shù)谋O(jiān)控點(diǎn)，如走廊、巷子或安檢門(mén)/閘機(jī)口等（不要一群人同時(shí)出現(xiàn)）；

5）相機(jī)與人臉的角度小于20度。

4）頂尖公司的應(yīng)用舉例

（1）Google：2011年07月 谷歌收購(gòu)人臉識(shí)別軟件公司PittPatt

（2）Facebook：2012年6月 Facebook收購(gòu)以色列臉部識(shí)別公司Face.com

（3） 微軟：2012年6月 微軟亞洲研究院發(fā)布人臉檢測(cè)算法，面部識(shí)別系統(tǒng)

（4）網(wǎng)易：2012年5月，網(wǎng)易人臉識(shí)別系統(tǒng)全國(guó)公測(cè)，用于郵箱登陸

（5）百度：2012年12月 百度推出人臉識(shí)別，基于圖像的全網(wǎng)人臉?biāo)阉?/p>

（6）阿里：2015年11月，在推出支付寶刷臉認(rèn)證付款

（7）騰訊：2012年下半年，成立優(yōu)圖項(xiàng)目組