2019-05-06
人脸识别与其它生物识别技术相比，优势在于非接触性、非侵扰性、硬件基础完善、可拓展性。本文主要跟大家分析一下人脸识别这个行业，enjoy~ 一、人脸识别概况
生物识别，是指依靠人体的身体特征来进行身份验证的识别技术，目前较为主流的识别技术有：人脸识别、指纹识别、虹膜识别、语音识别等四类。 人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。通常采用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸。人脸识别系统主要包括四个组成部分，分别为人脸图像采集及检测、人脸识别预处理、人脸图像特征提取以及匹配与识别。 人脸识别与其它生物识别技术相比，优势在于非接触性、非侵扰性、硬件基础完善、可拓展性。指纹识别唯一性比较强，采集成本较低，但是指纹可由指纹贴、指纹膜等复制，且接触性、侵扰性较强，人脸识别与其相比接触性和侵扰性较低；虹膜识别最精准，但是采集成本非常高，识别效率较低，接触性、侵扰性也较强，人脸识别与其相比，采集成本低、识别效率高；语音识别采集成本低，但语音具有可变
性，人脸识别与其相比，识别效率高。
人脸识别技术原理简单来讲主要是三大步骤：
一是建立一个包含大批量人脸图像的数据库；
二是通过各种方式来获得当前要进行识别的目标人脸图像；
三是将目标人脸图像与数据库中既有的人脸图像进行比对和筛选。
根据人脸识别技术原理具体实施起来的技术流程则主要包含以下四个部分，即人脸图像的采集与预处理、人脸检测、人脸特征提取、人脸识别和活体鉴别。
需要考虑图像大小，图像分辨率，光照环境，模糊程度，遮挡程度，采集角度。
人脸图像的采集有两种途径，分别是：人脸图像的批量导入和人脸图像的实时采集。前者是指将采集好的人脸图像批量导入至人脸识别系统，系统会自动完成个人脸图像的采集工作；后者是指调用摄像机或摄像头在设备的可拍摄范围内自动实时抓取人脸图像并完成采集工作。
人脸图像的预处理是指对系统采集到的人脸图像进行光线、旋转、切割、过滤、降噪、放大缩小等处理来使得该人脸图像符合人脸图像特征提取的标准要求。
目前主要有三种图像预处理手段，即灰度调整、图像滤波、图像尺寸归一化。其中灰度调整是对地点、设备、光照等造成的图像质量差异进行处理，图像滤波是对噪声造成的图像质量差异进行降噪处理，图像尺寸归一化是针对图像像素大小不同进行尺寸处理。
2. 人脸检测
在图像中准确标定出人脸的位置和大小，并把其中有用的信息挑出来（如直方图特征、颜特征、模板特征、结构特征及Haar特征等），然后
利用信息来达到人脸检测的目的。
人脸检测是指判断是否存在人脸及定位出人脸的位置、大小与姿态。目前的人脸检测方法可分为三类，分别是基于肤模型的检测、基于边缘特征的检测、基于统计理论方法的检测。
基于肤模型的检测是利用人脸的肤特征建立肤模型从而进行检测，其优点是人脸的检测速度较高，对遮挡和光照有一定的鲁棒性，不足是和其他方法不太兼容，且不易处理复杂背景和多人物同框；
基于边缘特征的检测则是利用图像的边缘特征进行人脸检测，优点是计算量相对较小，可实现实时检测，与其它特征方法可融合，缺点是在复杂背景下误检率比较高；
基于统计理论方法的检测则是通过对人脸特征值的循环迭代来检测人脸，其计算速度快，应用广泛，但是误检率较高。
3. 特征提取
人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就是针对人脸的某些特征进行的，也称人脸表征，它是对人脸进行特征建模的过程。主要方法有基于知识的表征方法（主要包括基于几何特征法和模板匹配法）和基于代数特征或统计学习的表征方法。
基于知识的提取方法是根据人脸五官结构特征等先验知识来进行提取，其特点是识别方法比较简单、容易理解，检测速度较快，但是没有形成统一的特征提取标准，对动态人脸图像的鲁棒性较差；
基于代数特征的提取方法是基于统计学习的特征提取方法，特点
是特征易抽取，识别精度较高，应用广泛，但是需要与相应的数据库进行统计训练。
4. 匹配与识别
这一精确筛选的过程分为两类：一是一对一的筛选，即对人脸身份进行确认的过程；二是一对多的筛
选，即根据人脸相似程度进行匹配比对的过程。此外人脸识别包含活体鉴别环节，即区别识别的特征信号是否来自于真正的生物体。
关键技术指标：检测率、误检率、漏检率、速度。识别中的精确率、召回率、错误接受率-认假率-误识率、错误拒绝率-拒真率-拒识率
二、行业概况
2.1 行业逻辑
2.1.1 人脸识别技术日趋成熟、准确率高
2018 年 11 月 16 日，美国国家标准与技术研究院（NIST）公布了全球权威人脸识别比赛（FRVT）最新报告，从前十名企业在千分之一的误报率下的识别准确率来看，其平均能达到 99.69%，在千万分之一误报下的识别准确率超过99%。
意味着机器几乎可以做到在1000万人的规模下准确识别每一个人，而人脑记忆并辨别 100 个人的身份都很有可能犯错，相比于去年同期，全球人脸识别性能提升了80%，且中国企业占据榜单前五位，居世界领先水平，为人脸识别的技术落地提供技术面支撑。
从研究学者分布来看，中国占据世界第三的位置，人才储备居优势地位。2018 年， AMiner 基于发表于国际期刊会议的学术论文，对人脸识
别领域全 TOP1000 的学者进行计算分析。
从全球范围来看，美国人脸识别研究学者聚集最多的国家，在人脸识别领域的研究占有绝对的优势；英国紧随其后，位列第二；中国位列全球第三，占有一席之地。可以看出，中国的追赶势头不容忽视。
从公开专利数量来看， 2007-2017年，我国人脸识别专利公开数量总体呈上升趋势，为人脸识别商业化应用打下基础。
从每年新增数量来看， 2007 年新增专利尚不足百例，至 2015 年迎来了爆发，全年新增专利已达到 1398 例，至 2017 年，我国人脸识别专利公开数量 2698 项，达到近年来最大值；截至 2018年7月，专利公开数量为2163 项，技术实力的显著增强也为国内商业化产品的迅速普及打下了坚实的基础。
2.1.2 政策推动
机器视觉定位长期以来，国家高度重视人脸识别产业落地的发展，出台多项政策助推产业发展。
2015 年以来，国家密集出台了《关于银行业金融机构远程开立人民币账户的指导意见（征求意见稿）》，给人脸识别普及打开；其后，《安全防范视频监控人脸识别系统技术要求》、《信息安全技术网络人脸识别认证系统安全技术要求》等法律法规，为人脸识别在金融、安防、医疗等领域的普及打下了坚实的基础，扫清了政策障碍。
同时， 2017 年人工智能首次写入国家政府报告，作为人工智能的重要细分领域，国家对人脸识别相关的政策支持力度在不断的加大。 2017 年 12 月发布的《促进新一代人工智能产业发展三年行动计划（2018-2020
年）》则具体规划“到 2020 年，复杂动态场景下人脸识别有效检出率超过 97%，正确识别率超过90%”。
另外，工地场景上，住房和城乡建设部、人力资-源社会保障部印发《建筑工人实名制管理办法(试行)》明确提出：建筑企业应配备实现建筑工人实名制管理所必须的硬件设施设备，施工现场原则上实施封闭式管理，设立进出场门禁系统，采用人脸、指纹、虹膜等生物识别技术进行电子打卡；不具备封闭式管理条件的工程项目，应采用移动定位、电子围栏等技术实施考勤管理。相关电子考勤和图像、影像等电子档案保存期限不少于2年。
2.1.3 资金推动
根据 CB Insights 在 2018 年发布的《Top AI Trends To Watch In 2018》显示，：中国在人工智能初创公司的资金支持方面已超过美国，位列世界第一，其投入的资金主要专注于人脸识别核心技术。
2017 年，全球AI 创业公司获得资金支持 152 亿美元，其中 48％流向中国， 38％流向美国，中国在人工智能初创公司的资金支持方面已超过美国，而中国在人工智能上投入的资金主要专注于人脸识别核心技术，仅在 2017 年就突破十亿美元大关，达到 16.40 亿美元。
此外，政府对人脸识别初创公司的资金支持已达亿级以上。仅在 2017 年，就有广州市政府和有国务院国资委背景的中国国有资本风险投资基金对云从科技、旷视科技投入亿级以上资金。
人脸识别是AI领域融资最多的方向。
2.2 行业规模与结构
2017 年，全球视觉人工智能市场规模约为 70 亿美元，同比增长
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议