揭秘人臉識(shí)別的十大關(guān)鍵技術(shù)

2023-07-24 編輯：運(yùn)營(yíng)部

我們?cè)谙硎苋四樧R(shí)別技術(shù)帶來(lái)的便利的同時(shí)，對(duì)人臉識(shí)別的原理和實(shí)現(xiàn)充滿了好奇，下面就來(lái)簡(jiǎn)單的介紹一下人臉識(shí)別所涉及的十大關(guān)鍵技術(shù)。

　　? 1、人臉檢測(cè)（Face Detection）

　　“人臉檢測(cè)(Face Detection)”的作用就是要檢測(cè)出圖像中人臉?biāo)谖恢谩?/p>

　　人臉檢測(cè)算法的輸入是一張圖像，輸出是人臉框坐標(biāo)序列，具體結(jié)果是0個(gè)人臉框或1個(gè)人臉框或多個(gè)人臉框。輸出的人臉坐標(biāo)框可以為正方形、矩形等。

　　人臉檢測(cè)算法的原理簡(jiǎn)單來(lái)說(shuō)是一個(gè)“掃描”加“判定”的過程。即首先在整個(gè)圖像范圍內(nèi)掃描，再逐個(gè)判定候選區(qū)域是否是人臉的過程。因此人臉檢測(cè)算法的計(jì)算速度會(huì)跟圖像尺寸大小以及圖像內(nèi)容相關(guān)。在實(shí)際算法時(shí)，我們可以通過設(shè)置“輸入圖像尺寸”、或“最小臉尺寸限制”、“人臉數(shù)量上限”的方式來(lái)加速算法。

　　舉例說(shuō)明：綠色矩形框標(biāo)注的即為人臉檢測(cè)算法檢測(cè)到的人臉位置

　　? 2、人臉配準(zhǔn)(Face Alignment)

　　“人臉配準(zhǔn)(Face Alignment)”所實(shí)現(xiàn)的目的是定位出人臉上五官關(guān)鍵點(diǎn)坐標(biāo)。

　　人臉配準(zhǔn)算法的輸入是“一張人臉圖像”和“人臉坐標(biāo)框”，輸出是五官關(guān)鍵點(diǎn)的坐標(biāo)序列。五官關(guān)鍵點(diǎn)的數(shù)量是預(yù)先設(shè)定好的一個(gè)固定數(shù)值，常見的有5點(diǎn)、68點(diǎn)、90點(diǎn)等等。

　　當(dāng)前效果的較好的一些人臉配準(zhǔn)技術(shù)基本通過深度學(xué)習(xí)框架實(shí)現(xiàn)。這些方法都是基于人臉檢測(cè)的坐標(biāo)框，按某種事先設(shè)定規(guī)則將人臉區(qū)域摳取出來(lái)，縮放到固定尺寸，然后進(jìn)行關(guān)鍵點(diǎn)位置的計(jì)算。另外，相對(duì)于人臉檢測(cè)，或者是后面將提到的人臉特征提取的過程，人臉配準(zhǔn)算法的計(jì)算耗時(shí)都要少很多。

　　舉例說(shuō)明：輸入圖像以及輸出結(jié)果如下，綠色圓點(diǎn)標(biāo)注出了五官位置。

　　? 3、人臉屬性識(shí)別(Face Attribute)

　　“人臉屬性識(shí)別(Face Attribute)”是識(shí)別出人臉的性別、年齡、姿態(tài)、表情等屬性值的一項(xiàng)技術(shù)。這在有些相機(jī)APP中有所應(yīng)用，可以自動(dòng)識(shí)別攝像頭視野中人物的性別、年齡等特征并標(biāo)注出來(lái)。

　　一般的人臉屬性識(shí)別算法的輸入是“一張人臉圖”和“人臉五官關(guān)鍵點(diǎn)坐標(biāo)”，輸出是人臉相應(yīng)的屬性值。人臉屬性識(shí)別算法一般會(huì)根據(jù)人臉五官關(guān)鍵點(diǎn)坐標(biāo)將人臉對(duì)齊，具體過程為旋轉(zhuǎn)、縮放、摳取等操作后，將人臉調(diào)整到預(yù)定的大小和形態(tài)，以便之后進(jìn)行屬性分析。

　　人臉的屬性識(shí)別包括性別識(shí)別、年齡估計(jì)、表情識(shí)別、姿態(tài)識(shí)別、發(fā)型識(shí)別等等方面。一般來(lái)說(shuō)每種屬性的識(shí)別算法過程是獨(dú)立的，但是有一些新型的基于深度學(xué)習(xí)實(shí)現(xiàn)的算法可以實(shí)現(xiàn)同時(shí)輸出年齡、性別、姿態(tài)、表情等屬性識(shí)別結(jié)果。

　　舉例說(shuō)明：人臉屬性識(shí)別輸出結(jié)果如下

　　? 4、人臉提特征(Face Feature Extraction)

　　“人臉提特征(Face Feature Extraction)”是將一張人臉圖像轉(zhuǎn)化為可以表征人臉特點(diǎn)的特征，具體表現(xiàn)形式為一串固定長(zhǎng)度的數(shù)值。

　　人臉提特征過程的輸入是 “一張人臉圖”和“人臉五官關(guān)鍵點(diǎn)坐標(biāo)”，輸出是人臉相應(yīng)的一個(gè)數(shù)值串(特征)。人臉提特征算法實(shí)現(xiàn)的過程為：首先將五官關(guān)鍵點(diǎn)坐標(biāo)進(jìn)行旋轉(zhuǎn)、縮放等等操作來(lái)實(shí)現(xiàn)人臉對(duì)齊，然后在提取特征并計(jì)算出數(shù)值串。

　　舉例說(shuō)明：人臉特征提取過程

　　? 5、人臉比對(duì)(Face Compare)

　　“人臉比對(duì)(Face Compare)”算法實(shí)現(xiàn)的目的是衡量?jī)蓚€(gè)人臉之間相似度。

　　人臉比對(duì)算法的輸入是兩個(gè)人臉特征人臉特征由前面的人臉提特征算法獲得，輸出是兩個(gè)特征之間的相似度。

　　舉例說(shuō)明：人臉對(duì)比過程，輸出結(jié)果為相似度96%

　　? 6、人臉驗(yàn)證(Face Verification)

　　“人臉驗(yàn)證(Face Verification)”是判定兩個(gè)人臉圖是否為同一人的算法。

　　它的輸入是兩個(gè)人臉特征，通過人臉比對(duì)獲得兩個(gè)人臉特征的相似度，通過與預(yù)設(shè)的閾值比較來(lái)驗(yàn)證這兩個(gè)人臉特征是否屬于同一人。

　　舉例說(shuō)明：人臉驗(yàn)證過程如下，相似度96%大于閾值75%，判定屬于同一個(gè)人

　　? 7、人臉識(shí)別(Face Recognition)

　　“人臉識(shí)別(Face Recognition)”是識(shí)別出輸入人臉圖對(duì)應(yīng)身份的算法。

　　它的輸入為一個(gè)人臉特征，通過和注冊(cè)在庫(kù)中N個(gè)身份對(duì)應(yīng)的特征進(jìn)行逐個(gè)比對(duì)，找出“一個(gè)”與輸入特征相似度最高的特征。將這個(gè)最高相似度值和預(yù)設(shè)的閾值相比較，如果大于閾值，則返回該特征對(duì)應(yīng)的身份，否則返回“不在庫(kù)中”。

　　舉例說(shuō)明：人臉識(shí)別過程如下，判斷結(jié)果為輸入圖像為注冊(cè)庫(kù)中的jason

　　? 8、人臉檢索（Face Retrieval）

　　“人臉檢索”是查找和輸入人臉相似的人臉序列的算法。

　　人臉檢索通過將輸入的人臉和一個(gè)集合中的說(shuō)有人臉進(jìn)行比對(duì)，根據(jù)比對(duì)后的相似度對(duì)集合中的人臉進(jìn)行排序。根據(jù)相似度從高到低排序的人臉序列即使人臉檢索的結(jié)果。

　　舉例說(shuō)明：人臉檢索過程如下，右側(cè)綠框內(nèi)排序序列為檢索結(jié)果

　　? 9、人臉聚類(Face Cluster)

　　“人臉聚類(Face Cluster)”是將一個(gè)集合內(nèi)的人臉根據(jù)身份進(jìn)行分組的算法。

　　人臉聚類也通過將集合內(nèi)所有的人臉兩兩之間做人臉比對(duì)，再根據(jù)這些相似度值進(jìn)行分析，將屬于同一個(gè)身份的人劃分到一個(gè)組里。

　　在沒有進(jìn)行人工身份標(biāo)注前，只知道分到一個(gè)組的人臉是屬于同一個(gè)身份，但不知道確切身份。

　　舉例說(shuō)明：人臉聚類過程如下，右側(cè)綠框內(nèi)按身份的分組結(jié)果為聚類結(jié)果

　　? 10、人臉活體(FaceLiveness)

　　“人臉活體(FaceLiveness)”是判斷人臉圖像是來(lái)自真人還是來(lái)自攻擊假體(照片、視頻等)的方法。

　　在我們生活環(huán)境中，人臉認(rèn)證系統(tǒng)中主要容易受到這種手段欺騙：

　　(1)用偷拍的照片假冒真實(shí)人；

　　(2)在公開場(chǎng)合錄的視頻或網(wǎng)上公開的視頻片段；

　　(3)用計(jì)算機(jī)輔助軟件設(shè)計(jì)的三維模型欺騙;

　　(4)用蠟或塑料等材質(zhì)構(gòu)造的三維雕像欺騙。

　　現(xiàn)在所以人臉活體檢測(cè)技術(shù)的研究顯得異常重要。對(duì)于照片欺騙，主要是根據(jù)分辨率、三位三維信息、眼動(dòng)等來(lái)進(jìn)行區(qū)分；對(duì)于視頻欺騙，根據(jù)三維信息、光線等來(lái)區(qū)分。