行业资讯
当前位置: 首页 > 新闻资讯 > 行业资讯 >

是时候满足你的好奇心了:刷脸识别技术原理介绍

时间:2020-01-10 作者:趣扫云 点击:
我们明显感到,刷脸识别技术,在我们的生活中应用越来越广。刷脸考勤、刷脸过闸、刷脸认证、刷脸支付等等,黑科技越来越影响我们的生活。那么,很多人就好奇,刷脸识别技术的原理究竟是怎样的呢?为什么它那么“神奇”
广告位API接口通信错误,查看德得广告获取帮助

我们明显感到,刷脸识别技术,在我们的生活中应用越来越广。刷脸考勤、刷脸过闸、刷脸认证、刷脸支付等等,黑科技越来越影响我们的生活。尤其是在人工智能和AI深度学习流行后,人脸识别的应用也就越来越普及,已经到达一个较高水准。那么,很多人就好奇,刷脸识别技术的原理究竟是怎样的呢?为什么它那么“神奇”?今天就满足一下大家的好奇心。但接下来,我只从大体原理讲解,对于数据函数之类的,就不做深入了。

首先,刷脸识别技术,是由两部分组成,也就是先检测,后识别,下面分两部分介绍。

人脸检测技术介绍

之所以要有人脸检测,不光是为了检测出照片上是否有人脸,更重要的是把照片中人脸无关的部分删掉,否则整张照片的像素都传给f(x)识别函数肯定就不可用了。由于人脸检测,只需要检测出脸部的大致位置,所以技术要求相对低一点,不会应用到深度学习技术。在检测环节中,可能用到opencv、dlib等开源库的人脸检测功能,主要检测三大指标。

1.检测率:存在人脸并且被检测出的图像在所有存在人脸图像中的比例;

2.漏检率:存在人脸但是没有检测出的图像在所有存在人脸图像中的比例;

3.误检率:不存在人脸但是检测出存在人脸的图像在所有不存在人脸图像中的比例。

人脸识别技术介绍

在人脸识别环节中,主要应用场景就是1:1模式和1:N模式,也就是为什么用户首次使用需要输入手机号。1:1模式就是判断两张照片是否同一个人,用于身份认证上。机器会将采集的客户图像与系统留存的图像直接对比,所以也就需要先找到索引库,比如用户手机号或者PIN等,这就是首次输入手机号,此后不再输入的原因。而1:N模式,也就是识别率的问题,随着N的变大误识别率会升高,识别时间也会增长。所以机器会采集客户图像,与系统留存中的N个照片对比,从而判断照片真实度。

所以通常情况下,首次支付会采用手机号或者PIN作为图像的索引,采用1:1模式,快速索引出人脸,而再次到店支付时,可以使用1:N模式,在本地不多的缓存客户图像中直接匹配,提高客户体验度。

3D结构光摄像头

刷脸识别设备的核心硬件,就是3D结构光摄像头,它是区别于传统2D识别的根本所在。我们通常使用的手机、相机摄像头,都是普通的可见光VGA摄像头,也叫单目摄像头,它需要配合人体动作(眨眨眼、抬抬头),才能实现活体检测。而3D结构光摄像头,除了搭载VGA摄像头,还有黑白摄像头、长焦/定焦摄像头、近红外摄像头、结构光组件、TOF组件等,不仅可采集人像信息,还能提供快速、精准的活体检测技术。

深度学习技术

我们经常听到,刷脸识别技术,采用了深度学习技术,提高了人脸识别的准确性。事实上确实如此,那么深度学习技术是怎样的呢?我们都听说过阿尔法狗大战围棋高手,之所以阿尔法狗能保持不败,或者失败一局之后,就能迅速扭转战局,这就是采用了深度学习技术。它能够通过自我学习,使得下次挑战不再出错,或者降低错误,人脸识别也是如此,通过一次次的识别和算法调整,最终达到0失误率,目前识别准确性已经高达99.9%。  

在深度学习出现后,人脸识别技术才真正有了可用性。这是因为之前的机器学习技术中,难以从图片中取出合适的特征值。轮廓、颜色、眼睛、眼睑,这么多的部位,再加上拍摄角度、光线、表情、皱纹等,同一张面孔可能呈现的差别很大,机器也没法进行特征值分类。而深度学习技术,就可以通过训练算法自行调整参数权重,构造出一个准确率较高的f(x)函数,给定一张照片则可以获取到特征值,进而再归类,达到金融级识别率。

 
(责任编辑:趣扫云)
推荐内容
刷脸支付系统