本文内容涵盖人脸识别发展历程、市场研究、核心技术、商业应用以及产业落地、个人看法等干货研究。注意，本文干货满满，约有2万7千字，强烈建议大家先收藏后学习！

简介：将某人面像与指定人员面像进行一对一的比对，根据其相似程度来判断二者是否是同一人，相似 程度一般以能否超过某一量化阀值为依据。简单的说就是A／B两张照片比对，产生的计算数值是否达到要求。

产品应用：快速的人脸识别比对，移动支付认证、安全性身份核对、作为身份确认的一种新方式，比如考生身份确认、公司考勤确认、各种证件照和本人确认。

实际问题：产品在系统设计的逻辑上，需要先考虑调取已储存对象信息的先验条件。通过界面／语音的提示，使得待认证者预先知道自己正处于被核对的过程中，且已预先了解拟核对对象的身份。

比对来源的三种主要方式：

用户自传照片，比如支付宝的人脸比对，用户自传的照片最大的问题是照片质量的合格率太低，拍照的光线、角度等因素会导致采集源的质量下降，不利于后期的大批量人脸特征码管理。

使用身份证读卡器，读取身份证上的照片，遗憾的是这张照片2K的大小，不过也是目前用最多的源照片提取方式，比较适合签到场合。

使用公安部旗下NCIIC的人脸比对接口（注意，不是网纹照片接口，这个接口已经不对外），使用的是直接的人脸比对接口。

当前比较普遍使用的门禁系统不外乎视频门禁、密码门禁、射频门禁或指纹门禁等等。其中，视频门禁只是简单地把视频信息传送给用户，并无多少智能化，本质上离不开“人防”，用户不在场时并不能绝对保障家居安全；密码门禁最大的硬伤是，密码容易忘记，并且容易破解；射频门禁的缺点则是“认卡不认人”，射频卡容易丢失及易被他人盗用；另外，指纹门禁的安全隐患则是指纹容易复制。因此，现有技术中提供的上述门禁系统均对应原因存在安全性较低的问题。安装了人脸识别系统，只要对着摄像头露个脸就可以轻松出入小区，真正实现了“刷脸卡”。生物识别门禁系统不需要携带验证介质，验证特征具有唯一性，安全 性极好。目前广泛的应用于机密等级较高的场所，例如研究所、银行等。

结合三维信息：二维和三维信息融合使特征更加鲁棒

多特征融合：单一特征难以应对复杂的光照和姿态变化

大规模人脸比对：面向海量数据的人脸比对与搜索

深度学习：在大数据条件下充分发挥深度神经网络强大的学习能力

人脸识别照片比对系统用于快速身份鉴别，在大量的数据库中查找检索特定人员的身份。它充分利用非常有价值的人脸照片线索，大大加快公安侦查人员对嫌疑人的身份辨认过程，为加速“科技强警”进程，形成高智能的、社会化的、规模化的公安防范体系，提供了有效的技术手段。

“人脸属性识别（Face Attribute）”是识别出人脸的性别、年龄、姿态、表情等属性值的一项技术。

局部二值模式（Local Binary Patterns LBP）是计算机视觉领域里用于分类的视觉算子。LBP 一种用来描述图像纹理特征的算子，该算子由芬兰奥卢大学的 T.Ojala 等人在 1996 年提 出 （ 《 A comparative study of texture measures with classification based on featured distributions》）。2002 年， T.Ojala 等人在 PAMI 上又发表了一篇关于 LBP 的文章（《Multiresolution gray-scale and rotation invariant texture classification with local binary patterns》）。这一文章非常清楚的阐述了多分辨率、灰度尺度不变和旋转不变、等价模式的改进的 LBP 特征。LBP 的核心思想就是：以中心像素的灰度值作为阈值，与他的领域相比较得到相对应的二进制码来表示局部纹理特征。

（2）实际产品问题中

▲Citation 前十的人脸识别专家

1：N同时作业就是N：N了，同时相应多张照片检索需求。

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。

【重点龙头股点评】

上一篇：现货交易时间(发电厂现货交易入门知识)

下一篇：竞价交易规则(竞价购物平台)