人脸识别几个解决方案分析与测评 - 简书
人脸识别几个解决方案分析与测评
在人脸识别属性返回功能以范围方面，较突出的是百度人脸识别与Face++,其次是云飞科技、科大讯飞、FaceCore。TCIT API1.使用要求：需要提交公司名称，部门，电话，邮箱，使用的目的。然后提供免费三十天API试用，2.服务内容：lTCIT Search快速而准确地从录影画面中比对目标，且提供筛选后的可疑人物名单。lTCIT Media收集、辨识并分析顾客的性别及年龄层、驻留时间及来店客流人数。lTCIT Match快速而准确地辨识目标人物，适合应用在门禁管理及黑名单辨识。lTCIT Color辨识及收集上衣颜色，可做为互动行销、颜色趋势与流行预测、目标人物搜寻的应用。lTCIT Park利用监控影像辨识停车空位，引导驾驶人顺利找到车位，节省时间和油钱。Face++人脸识别技术研究文档一、服务内容：1.人脸检测与跟踪技术提供快速、高准确率的人像检测功能。普遍适用于图片与实时视频流，能够应对复杂的光照并支持多种人脸姿态。可检出不小于16*16像素的人脸，并可在移动设备上实时跟踪人脸（20帧/秒）。2.人脸关键点检测可以精确定位面部的关键区域位置，包括眉毛、眼睛、鼻子、嘴巴，脸部轮廓等。支持一定程度遮挡以及多角度人脸。3.微笑分析可以精确分析出一张图片或者视频流中人物是否在微笑以及微笑程度。4.面部分析技术，可以从图片或实时视频流中分析出人脸的性别、年龄、种族及表情。我们的技术可以快速分析摄像头前的用户人脸，发现其年龄、性别、表情等信息，帮助广告、电子商务、各类应用实现精准个性化。其中性别准确度达96%。5.1:1人脸验证技术可被用于登陆验证、身份识别等应用场景。帮助用户快速判定两张照片是否为同一个人、判定视频中的人脸是否为目标人脸并支持实时识别认证，还可以实现身份和人脸绑定等功能。6.人脸识别技术可以自动识别出照片、视频流中的人脸身份，识别速度和精度均居世界领先水平。通过我们的人脸识别技术，可以实现安防检查、VIP识别、照片自动圈人、人脸登陆等多种功能。人脸识别中还包含人脸聚类，即可以自动将同一个人的人脸聚集到一起，方便相册管理。7.大规模人脸搜索技术可实现亿级人脸的快速检索，查询效率高，单张人脸特征不超过400字节，所需内存小。基于人脸搜索技术，可以实现真正的互联网人脸搜索引擎，并广泛应用于社交搜索、逃犯追缉等应用场景中。二、限制：1.开发版应用限制调整：单个开发版应用最多可创建5个Faceset/Group和100个Person。上线版应用不设限制。若您的应用有相关需求，建议您申请上线版。2.应用上线申请简化：应用申请上线只需填写应用描述和应用链接。描述建议格式为：产品名称，在产品中如何使用Face++何种技术。我们会在收到申请后的两个工作日内处理。3.开发版(并发数限制为3),上线版(并发数无限制)。三、使用方法：使用方法与传统的API调用类似，从官方网站下载SDK，并且注册应用获得自己的API_KEY和API_SECRET，然后调用所需服务的接口，根据官方例子做出属于自己的应用。讯飞人脸识别SDK讯飞人脸识别国内的一家公司，比TCIT操作简单，官方技术文档技术文档详细。可以做到：1、人脸检测，在图片中找到一个或多个人脸的位置，云端返回人脸坐标到客户端，来定位人脸在图片中的位置。2、面部关键点检测，在检测到的人脸框中，进一步定位人脸的五官和轮廓位置。3、人脸验证，用于快速判定两张照片是否为同一人。4、在线、离线全覆盖，视频流人脸检测和关键点检测、静态图片中人脸检测同样支持离线状态下使用。其中在线人脸识别操作步骤简单1、注册，上传图片到云端，引擎特征抽取，返回模型id2、验证，另外在上传图片，与之前注册的图片做对比，返回结果技术实现方案，可对应官方技术文档测试，正确识别人脸图片：
其中，图一为识别图片，分别测试左右侧脸，放大脸，戴眼镜以及黑白图片，其中正脸分数较高，侧脸黑白脸分数低，测试，错误识别人脸图片：
其中，两个人图片验证不出来，有明显遮盖物验证不出来，这张黑白的不知道为什么也验证不出来。3、人脸检测，关键点检测以及离线检测
其中对于一般正常的正脸，我们可以检测的到，并且对于检测的轮廓以及关键点，由于是在代码中绘制的，所以可以做二次操作。总结：功能分析讯飞人脸识别，大部分正常图片还是可以识别成功的。并且功能还算齐全，可以在线人脸识别，离线图片检测，离线视频检测。经过测试整体效果还不错。并且能够返回对应的位置信息。在验证图片的时候，每次上传注册的图片都会返回唯一的id，用户可以利用这个id完成其他图片的对比验证。开发难度开发难度一般，用户可以轻松注册并下载其SDK与demo。由于是讯飞提供的SDK，高度封装，用户调用接口简单，并且可以获得返回位置信息，进行二次编辑操作。注意事项：1、过大的图片需要压缩。2、所传图片尽量脸部不要有覆盖物。缺点1、对于一些特点的图片，如简单的某个部分的物体覆盖，大幅度侧脸，一些黑白图片还是不能够验证成功。百度媒体云人脸识别API
百度媒体云人脸识别有如下产品功能。
1、人脸检测，自动确定图片中人脸的数目以及每个脸框的位置和大小，支持正面侧面多个角度，支持活体检测。
2、定位与解析，自动定位脸上的眼睛、眉毛、鼻子、嘴巴、脸颊轮廓灯关键点位置。
3、属性识别与分析，自动根据人脸图像识别人的性别，年龄，表情，眼镜、姿态和美丑等。
4、人脸识别，支持一对一人脸比对，一对多人脸辨识以及人脸收索功能。
使用步骤：
使用的是API的方式开发，与讯飞的人脸识别方式有所不同
1、在百度开发者中心创建工程，并申请开通人脸识别服务。
2、获取AccessToken的授权，
根据百度Oauth的ClientCredentials授权方式获得accessToken,后边调用识别方法会用
accessToken（具体百度Oauth介绍,参见/wiki/index.php?title=docs/oauth/client）
Access Token的有效期为一个月，如果Access Token过期可以重新获取。
获取AccessToken授权
其中grant_type 的值固定为 client_credentials，client_id,client_secret分别是在百度开发
者中心注册应用得到的Api Key,Secret Key(具体)
获取AccessToken成功如下
3、API请求
目前人脸检测接口支持POST和GET方式，query_string：将要识别的图片URL，get请求需要对这个参数进行URL编码 。百度媒体云人脸识别不支持图片上传识别，实际使用中可以自行上传到服务器返回图片URL进行识别，或者使用第三方云存储服务。
4、请求返回参数说明
5、返回数据利用可以右返回数据的位置信息画出脸部，眼睛，鼻子的位置。如图：
图中人脸，鼻子以及眼睛标注的位置，都是通过接受返回参数画出来的。总结：大致开发流程：1、由开发者申请注册，添加人脸识别功能，2、注册AccessToken，3、访问API接口，上传图片的URL，4、获取返回的信息数据，5、操作返回的信息数据。功能分析：1、该方式的人脸识别开发，功能性强大，可以快速进行识别。可识别单张，多张。2、后期可操作度高，在返回的位置信息中，有各个关键点位置的坐标，详细的人脸后的信息数据，所以，在开发上可以在对应位置上添加自己设定的东西，但是相应的难度也大些。开发难度：1、开发难度中等，注册开发者、注册AccessToken等略微繁琐，所以需要详细阅读开发文档。注意事项1、过大的图片需要压缩。2、较大图片，在确定关键点位置时，注意位置的等比缩放。缺点1、不支持图片上传识别，但实际使用中可以自行上传到自己服务器返回图片URL进行识别,或者使用第三方云存储服务。RecoFace人脸识别SDKRecoFace人脸识别SDK是自主研发的，商业性质的，包括人脸注册、人脸跟踪、人脸确认与人脸识别四大核心功能。1、人脸注册支持从指定视频或图片文件中获取人脸信息，也支持从各种设备（监控摄像机、USBcamera、视频采集卡等）获取人脸信息，不论是可见光还是红外成像。2、可检测年龄、性别，对人脸的宽容度高，存储资源需求低。3、检测率高，在复杂光线环境，跨年龄阶段以及不同姿态、表情，装扮等各种非常规测试条件下，表现出卓越的算法性能。4、能够出色完成一对一、一对多、多对多的人脸识别比对，还可进一步提供性别、年龄等人脸属性的分析功能。5、已经提供了多种解决方案，如小区人脸识别解决方案，人脸卡口监控解决方案等。 云从科技API人脸识别云从科技API，提供开发者接口，开发者利用接口上传图片数据并得到返回的数据。在功能上，通过调用接口，它可以做到：1、检测给定图片中的所有人脸位置，图片的上传可以采用本地上传图片（base64）或让服务器从网络地址抓取2、提取图片中人脸的特征值，当图片有多张人脸时，取图片中心位置的人脸作为目标人脸，可将多个人脸特征融合成一个人脸特征。3、检测给定图片中的所有人脸的位置的和相应的面部属性，返回人脸质量分数（0.0 ~ 1.0）4、比较两张图片中的人脸相似度，比较两个人脸的特征值5、将目标人脸图片与某个组中的所有人脸进行对比，找出几个与该人脸最相似的人脸，并将结果返回。当目标图片中有多张人脸时，取图片最中心位置的人脸作为目标人脸。........等等推荐视频课程
41人感兴趣
14人感兴趣
64人感兴趣
我来说两句(0人参与）
flash地址：支持爱奇艺、优酷、土豆、搜狐、腾讯、乐视网站视频。获取方式：分享视频按键处复制Flash地址，粘贴过来即可
你需要登录后才可以发贴|
你还可以添加5张
点击此处输入最多240字的文字内容 (^.^)
请选择上传图片方式 支持JPG、PNG、GIF格式图片，文件需小于10M。
网络图片：
字体颜色：
将联系方式更新保存到个人资料
您确认要删除该用户的所有话题吗？人脸识别算法_百度百科
声明：百科词条人人可编辑，词条创建和修改均免费，绝不存在官方及代理商付费代编，请勿上当受骗。
人脸识别算法
在检测到人脸并定位面部关键特征点之后，主要的人脸区域就可以被裁剪出来，经过预处理之后，馈入后端的识别算法。识别算法要完成人脸特征的提取，并与库存的已知人脸进行比对，完成最终的分类。
人脸识别算法背景
传统的个人身份验证手段如口令、证件、IC 卡等方式，由于与身份人的可分离性，致 使伪造、盗用、破译等现象时有发生，已经不能满足现代社会经济活动和社会安全防范的需要。生物特征识别包括指纹、掌纹、语音、人脸、虹膜、步态、掌静脉等。生物特征识别技术先投入广泛应用的是指纹、掌纹扫描识别技术，但是却常常因为受到皮肤纹理及干燥程度等条件制约出现误判，引发不必要的麻烦，已远远不能满足人们的需求。随着科学技术的不断发展，以及社会对于身份识别越来越高的要求，生物特征识别技术逐渐呈多样化发展，例如虹膜识别、声音识别、笔迹识别、签名识别、人脸识别等各项生物特征识别技术。
作为模式识别和图像处理领域成功的应用之一，人脸识别在过去 20 年里一直都是研究热点。相比之下，人脸识别的普遍性、可采集性与被采集者的可接受性较高，这就具有 了方便友好、易于接受、不易伪造等一系列优点。机器自动人脸识别研究开始于 1966 年 PRI 的 Bledsoe 的工作。1990 年日本研制的人像识别机，可在 1s 内中从 3 500 人中识别到 你要找的人。1993 年，美国国防部高级研究项目署（Advanced Research Projects Agency）和 美国陆军研究实验室（Army Research Laboratory）成立了 Feret（Face RecognitionTechnology） 项目组，建立了 Feret 人脸数据库，用于评价人脸识别算法的性能。2007 年，上海市质量 技术监督局公布了城市轨道交通和旅馆商务办公楼两项安全防范系统地方标准，为 2010 年 上海世博会应用人脸识别技术提供技术规范。2008 年人脸识别应用于奥运会的安防。人脸 识别技术已经开始走入普通生活。国内外人脸识别技术还在进一步发展和完善之中，市场机会处于起步阶段，可广泛应用于安全、考勤、网络安全、银行、海关边检、物业管理、 智能身份证、门禁、计算机登录系统、国家安全、公共安全、军事安全等领域。
人脸识别算法简介
人脸识别（Facial Recognition），就是通过视频采集设备获取用户的面部图像，再利用核心的算法对其脸部的五官位置、脸型和角度进行计算分析，进而和自身数据库里已有的范本进行比对，后判断出用户的真实身份。人脸识别技术基于局部特征区域的单训练样本人脸识别方法。第一步，需要对局部区域进行定义；第二步，人脸局部区域特征的提取，依据经过样本训练后得到的变换矩阵将人脸图像向量映射为人脸特征向量；第三步，局部特征选择（可选）；后一步是进行分类。分类器多采用组合分类器的形式，每个局部特征 对应一个分类器，后可用投票或线性加权等方式得到终识别结果。 人脸识别综合运用了数字图像/视频处理、模式识别、计算机视觉等多种技术，核心技 术是人脸识别算法。目前人脸识别的算法有 4 种：基于人脸特征点的识别算法、基于整幅 人脸图像的识别算法、基于模板的识别算法、利用神经网络进行识别的算法。
作为人脸识别的第一步，人脸检测所进行的工作是将人脸从图像背景中检测出来，由于受图像背景、亮度变化以及人的头部姿势等因素影响使人脸检测成为一项复杂研究内容。检测定位：检测是判别一幅图像中是否存在人脸，定位则是给出人脸在图像中的位置。定位后得到的脸部图像信息是测量空间的模式，要进行识别工作，首先要将测量空间中的数据映射到特征空间中。采用主分量分析方法，原理是将一高维向量，通过一个特殊的特征向量矩阵，投影到一个低维的向量空间中，表征为一个低维向量，并且仅仅损失一些次要信息。通过对经过检测和定位过的人脸图像进行特征提取操作可以达到降低图像维数，从而可以减小识别计算量，提高识别精度的作用。人脸识别系统采用基于特征脸的主 成分分析法（PCA），根据一组人脸训练样本构造主元子空间，检测时，将测试图像投影到 主元空间上，得到一组投影系数，再和各已知的人脸图像模式比较，从而得到检测结果。
人脸识别算法原理
人脸识别算法的原理：系统输入一般是一张或者一系列含有未确定身份的人脸图像，以及人脸数据库中的若干已知身份的人脸图象或者相应的编码，而其输出则是一系列相似度得分，表明待识别的人脸的身份。
人脸识别算法分类
人脸识别算法二维
法主要集中在二维图像方面，二维人脸识别主要利用分布在人脸上从低到高80个节点或标点，通过测量眼睛、颧骨、下巴等之间的间距来进行身份认证。人脸识别算法主要有：
1.基于模板匹配的方法:模板分为二维模板和三维模板，核心思想:利用人的脸部特征规律建立一个立体可调的模型框架,在定位出人的脸部位置后用模型框架定位和调整人的脸部特征部位,解决人脸识别过程中的观察角度、遮挡和表情变化等因素影响。
2.基于奇异值特征方法：人脸图像矩阵的奇异值特征反映了图像的本质属性，可以利用它来进行分类识别。
3.子空间分析法：因其具有描述性强、计算代价小、易实现及可分性好等特点，被广泛地应用于人脸特征提取，成为了当前人脸识别的主流方法之一。
4.局部保持投影(Locality Preserving Projections，LPP)是一种新的子空间分析方法，它是非线性方法Laplacian Eigen map的线性近似，既解决了PCA等传统线性方法难以保持原始数据非线性流形的缺点，又解决了非线性方法难以获得新样本点低维投影的缺点。
5.主成分分析(PCA)
PCA模式识别领域一种重要的方法，已被广泛地应用于人脸识别算法中，基于PCA人脸识别系统在应用中面临着一个重要障碍：增量学习问题。增量PCA算法由新增样本重构最为重要 PCS，但该方法随着样本的增加， 需要不断舍弃一些不重要PC，以维持子空间维数不变， 因而该方法精度稍差。
6.其他方法：弹性匹配方法、特征脸法(基于KL变换)、人工神经网络法、支持向量机法、基于积分图像特征法(adaboost学习)、基于概率模型法。
人脸识别算法三维
二维人脸识别方法的最大不足是在面临姿态、光照条件不同、表情变化以及脸部化妆等方面较为脆弱，识别的准确度受到很大限制，而这些都是人脸在自然状态下会随时表现出来的。三维人脸识别可以极大的提高识别精度，真正的三维人脸识别是利用深度图像进行研究，自90年代初期开始，已经有了一定的进展。三维人脸识别方法有：
1.基于图像特征的方法：采取了从3D结构中分离出姿态的算法。首先匹配人脸整体的尺寸轮廓和三维空间方向；然后，在保持姿态固定的情况下，去作脸部不同特征点(这些特征点是人工的鉴别出来)的局部匹配。
2.基于模型可变参数的方法：使用将通用人脸模型的3D变形和基于距离映射的矩阵迭代最小相结合，去恢复头部姿态和3D人脸。随着模型形变的关联关系的改变不断更新姿态参数，重复此过程直到最小化尺度达到要求。基于模型可变参数的方法与基于图像特征的方法的最大区别在于：后者在人脸姿态每变化一次后，需要重新搜索特征点的坐标，而前者只需调整3D变形模型的参数。
人脸识别算法难点
人脸识别算法研究已久，在背景简单的情形下，大部分算法都能很好的处理。但是，人脸识别的应用范围颇广，仅是简单图像测试，是远远不能满足现实需求的。所以人脸识别算法还是存在很多的难点。
光照问题是机器视觉中的老问题，在人脸识别中的表现尤为明显，算法未能达到完美使用的程度。
与光照问题类似，姿态问题也是人脸识别研究中需要解决的一个技术难点。针对姿态的研究相对比较少，多数的人脸识别算法主要是针对正面，或接近正面的人脸图像，当发生俯仰或者左右侧而比较厉害的情况下，人脸识别算法的识别率也将会急剧下降。
对于非配合情况下的人脸图像采集，遮挡问题是一个非常严重的问题，特别是在监控环境下，往往被监控对象都会带着眼镜﹑帽子等饰物，使得被采集出来的人脸图像有可能不完整，从而影响了后面的特征提取与识别，甚至会导致人脸识别算法的失效。
随着年龄的变化，面部外观也在变化，特别是对于青少年，这种变化更加的明显。对于不同的年龄段，人脸识别算法的识别率也不同。
人脸图像的来源可能多种多样，由于采集设备的不同，得到的人脸图像质量也不同，特别是对于那些低分辨率﹑噪声大﹑质量差的人脸图像如何进行有效的人脸识别是个需要关注的问题。同样的，对于高分辨图像，对人脸识别算法的影响也需要进一步研究。
基于统计学习的人脸识别算法是人脸识别领域中的主流算法，但是统计学习方法需要大量的培训。由于人脸图像在高维空间中的分布是一个不规则的流行分布，能得到的样本只是对人脸图像空间中的一个极小部分的采样，如何解决小样本下的统计学习问题有待进一步的研究。
传统人脸识别算法如PCA、LDA等在小规模数据中可以很容易进行训练学习。但是对于海量数据，这些方法其训练过程难以进行，甚至有可能崩溃。
大规模人脸识别
随着人脸数据库规模的增长，人脸算法的性能将呈现下降。
人脸识别算法应用领域
实时实现多路摄像机对数十万布控对象的现场识别和报警提示，广泛用于、火车站、等场所，实现对特定人群的。
公安照片搜索系统　
公安系统面临的一个难题是无法充分利用手头上现成的（身份证、等）数以百万计的照片资源，在查案过程中拿到一张照片却无法有效的定位其身份，人工的逐张进行照片对比几乎是不可能完成的工作，只能花费大量的警力和时间进行排查。采用人脸识别算法实现快速人脸检索查找，充分体现科技强警的威力。
门禁出入　
人脸识别算法的另一主流应用方向，其优势在于非接触操作而且直观方便便于事后查验。
人脸识别算法用于门禁
身份识别　
有考场考生身份识别系统，公安局罪犯积分系统等。
人脸识别算法发展趋势
二维与三维人脸识别相结合，多种模式的识别使用，可以有效地提高人脸识别精确度；二维识别算法逐步应用于三维人脸识别；人脸识别算法要能克服：姿势、表情的变化，佩戴眼睛、珠宝和其它一些因素及光线等因素影响；识别算法应该需要更少的计算量。
本词条内容贡献者为
副理事长兼秘书长
中国通信学会
中国通信学会
原武汉邮电科学研究院
中国联通网络技术研究院
工业和信息化部电信研究院互联网中心
副院长兼总工程师
中国移动设计院
首席架构师业务总工程师
中兴通讯股份有限公司
百度公司发展研究中心
中国通信学会科普中国百科科学词条评审专家委员会
中国通信学会是全国通信...
提供资源类型：内容}