人臉識別技術的發展

人臉識別技術的發展

人臉識別技術的發展他的面部識別系統研究始於1960年代。隨著計算機技術和光學成像技術的發展，1980年代對其進行了改進。實際上，它在1990年代後期進入了主要的應用階段，並且以美國，德國和日本的技術實現為主導。人臉識別系統成功的關鍵在於是否收集了關鍵的人臉信息，是否擁有復雜的核心算法，以及由於實際的識別率和速度而獲得的識別結果。“面部識別系統”集成了人工智能，機器識別，機器學習，模型理論，專家系統，視頻圖像處理等技術。同時，它必須將中值處理理論與實現相結合，是生物特徵識別的最新應用，其核心技術的實現體現了從弱人工智能到強人工智能的轉變。
傳統的面部識別技術主要是基於可見光圖像的面部識別。這是一種熟悉的識別方式，已有30多年的研發歷史。但是，這種方式具有無法克服的缺陷。特別是當環境照度發生變化時，識別效果將急劇下降，無法滿足實際的系統要求。解決照明問題的方案包括可見光圖像的3D圖像面部識別和熱成像面部識別。但是，這兩種技術還很不成熟，識別效果不理想。
一種快速發展的解決方案是基於主動近紅外圖像的多光源面部識別技術。它可以克服光線變化的影響，並實現了出色的識別性能，其整體系統性能在精度，穩定性和速度上都超過了3D圖像面部識別。在過去的2-3年中，這種技術迅速發展，使得面部識別技術逐漸向實用化發展。
像人體的其他生物學特徵（指紋和虹膜）一樣，面部也是固有的。它的獨特性和“不容易被複製”的良好特性為身份認證提供了必要的前提。與其他類型的生物識別相比，面部識別具有以下特點：
1.非強制性的：對象無需與面部收集設備特別配合。幾乎可以在無意識狀態下獲得面部圖像。這種抽樣方式不是“強制性”的；
2.非接觸式：受試者無需直接接觸設備即可獲取面部圖像；
3.並發性：在實際應用場景中，可以對多張面孔進行分類，判斷和識別；
4.另外，滿足視覺特徵：“通過外觀識別人”特徵。此外，它具有操作簡單，視覺效果好，隱蔽性好等特點。

識別算法

一般而言，面部識別系統包括圖像攝取，面部定位，圖像預處理和麵部識別（身份確認或身份搜索）。通常，系統輸入是具有不確定身份的一張或一系列面部圖像，以及面部數據庫或相應代碼中的幾個已知身份的面部圖像。輸出是一系列相似度評分，顯示了將要識別的面部的身份。
通常，人臉識別算法分類如下：
●基於特徵的識別算法。
●基於外觀的識別算法。
●基於模板的識別算法。
●使用神經網絡的識別算法。
●基於照明的估計模型理論。
●提出了基於伽馬灰度校正的照明預處理方法。此外，在照度估算模型的基礎上，進行了相應的照度補償和照度平衡策略。
●優化的變形統計校正理論。
●統計基於變形的校正理論，優化了面部姿勢。
●增強的迭代理論。
●增強迭代理論是DLFA面部檢測算法的有效擴展。
●原始的實時特徵識別理論。這種理論著重於對面部實時數據的中值處理，從而實現識別率和識別效率之間的最佳匹配效果。

應用場景

面部識別監控攝像機提供面部識別，強光抑制，動態白平衡，隱藏遮擋，背光補償和圖片調整等功能。它可用於在公共活動和聚會場所的重要部分室內和室外的監視視頻，例如公園，工廠，商店，室外廣場，會議中心，運動場館，學校，醫院，居民區，商業街和大型場所超市，大廳入口和出口，電梯以及酒店（賓館），餐飲和娛樂場所以及辦公樓的其他主要渠道。
標識/實名系統/實名驗證/人員證書驗證/人員證書組合可以監視​​機場，體育場，超級市場和其他公共場所的人群。例如，監視系統安裝在機場，以防止恐怖分子登機。在銀行的ATM中，如果卡和密碼被盜，其他人將提取現金。同時，面部識別可以避免這種情況。通過查詢目標圖像數據，搜索數據庫中是否存在關於密鑰填充的基本信息。例如，該系統安裝在機場或車站以逮捕逃犯。