山东华瑞电子有限公司

在人工智能技术体系中，人脸识别无疑是应用场景较广泛的生物识别技术。人脸识别技术是指从人脸图像中提取有效的特征信息后，利用计算机进行分析人脸识别系统，从而进行身份认证的一种先进技术。当前人脸识别技术的研究已经成为人工智能与识别领域的热点。国内主要玩家有旷视、商汤、依图、优图、云天励飞等，其产品主要应用于和金融领域。

近两年来，随着人脸识别技术的快速迭代（据说每半年都会有一个质的飞跃），人脸识别适用的细分场景越来越多，并逐渐从大安防转向民用和商用应用市场。可以说，现阶段，人脸识别技术已经在我们的生活中随处可见，如公寓门禁闸机、社区刷脸，刷脸支付、刷脸考勤和刷脸取款等等。而因为它非接触式、方便、可靠，人们也正逐渐接受这种应用方式，虽然人脸识别具有一定的安全风险。

人脸在视觉上的特点是：

，不同个体之间的区别不大，所有的人脸的结构都相似人脸识别管理系统，甚至人脸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，通道闸机系统可以通过这发面进行发展。

第二，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。通道闸机人脸识别技术可以一一排除这方面的困难，从而达到理想的运用效果。

人脸识别难的部分是有充分适应各大光线环境的人脸预处理算法，需要在各种复杂的光线环境中提取到人脸信息，特别是移动互联网时代，摄像头拍照的地方可以在斑驳的树影下，也可以在昏暗的街灯下，以及深夜出租车内，这对算法的鲁棒性考验极大。同时还要考虑照片和视频欺诈，二次成像的光线污染等问题。

人脸识别技术主要是利用图像处理技术从图像中提取人像特征点，利用生物统计学的原理进行分析建立数学模型，即人脸特征点模型。再从人脸特征点模型与被测者的人的面像进行特征分析（可以假定为无数的几何特征点求解），根据分析的结果来给出一个相似值，通过这个值即可确定是否为同一人。简单的说就是A/B两张照片比对，产生的计算数值是否达到要求。

①特征向量法 该方法是先明确眼、鼻头、嘴巴等面像五官轮廊的尺寸、部位、间距等属性，随后再测算出他们的几何图形特征量，而这种特征量产生一叙述该面像的特征向量。 ②面纹模板法 该方法是在库文件存储多个规范面像模板或面像模板，在开展核对时，将取样面像全部像素与库中全部模板选用化有关量量度开展配对。除此之外，也有选用系统识别的自相关互联网或特征与模板紧密结合的方法。

人脸识别开发工作的几个步骤：人脸图像采集及检测，检测 :图像中准确标定出人脸的位置和大小 , 人脸图像中包含的模式特征十分丰富，如直方图特征、颜色特征、模板特征、结构特征及哈尔特征等，人脸检测就是把这其中有用的信息挑出来，并利用这些特征实现人脸检测。人脸图像预处理，基于人脸检测的结果，对图像进行处理，为后面的特征提取服务，系统获取的人脸图像可能受到各种条件的限制和随机干扰，需要进行缩放、旋转、拉伸、光线补偿、灰度变换、直方图均衡化、规范化、几何校正、过滤以及锐化等图像预处理。人脸图像特征提取，就是将人脸图像信息数字化，将一张人脸图像转变为的一串数字(一般称为特征向量)。例如，对一张脸，找到它的眼睛左边、嘴唇右边、鼻子、下巴等位置，利用特征点间的欧氏距离、曲率和角度等提取出特征分量，终把相关的特征连接成一个长的特征向量。