ZLG深度解析—人臉識別核心技術
隨著大數據時代的到來，“人臉”也將成為數據的一部分，人臉識別如何實現(xiàn)？本文將為大家從人臉檢測、人臉定位、人臉校準以及人臉對比等方面詳細闡述人臉識別的原理與實現(xiàn)方式。
隨著計算機技術以及光學成像技術的發(fā)展，集成了人工智能、機器學習、視頻圖像處理等技術的人臉識別技術也逐漸成熟。未來五年，我國人臉識別市場規(guī)模平均復合增長率將達到25％，到2021年人臉識別市場規(guī)模將達到51億元左右，具有巨大的市場需求與前景。
安防、金融是人臉識別切入細分行業(yè)較深的兩個領域，移動智能硬件終端成為人臉識別新的快速增長點。因此，這三大領域將是人臉識別快速增長的最大驅動力。
2017年，我國安防行業(yè)總產值達到6200億，同比增長16．98％，維持強勁發(fā)展勢頭。從細分產業(yè)來看，視頻監(jiān)控是構建安防系統(tǒng)中的核心，在中國的安防產業(yè)中所占市場份額最大。而人臉識別在視頻監(jiān)控領域具有相當的優(yōu)勢，應用前景廣闊。
市面上的人臉識別解決方案也越來越多，但在系統(tǒng)框架上基本大同小異，大體框架如下圖所示：
接下來對人臉識別算法各技術點逐一進行詳細介紹，包括人臉檢測、人臉定位、人臉校準、人臉比對、人臉反欺詐以及算法優(yōu)化等。
一、人臉識別
人臉檢測算法繁多，我們采用由粗到精的高效方式，即先用計算量小的特征快速過濾大量非人臉窗口圖像，然后用復雜特征篩選人臉。這種方式能快速且高精度的檢測出正臉（人臉旋轉不超過45度）。該步驟旨在選取最佳候選框，減小非人臉區(qū)域的處理，從而減小后續(xù)人臉校準及比對的計算量。
以下為人臉檢測算法的初始化接口， 根據實際應用場景設置人臉的相關參數，包括最小人臉尺寸、搜索步長、金字塔縮放系數等：
人臉檢測實測效果如下圖所示：
在人臉檢測領域比較權威的測試集FDDB上進行評測， 100誤檢時的召回率達到85．2％， 1000誤檢時的召回率達到89．3％。
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
最新活動更多
推薦專題
- 1 AI 眼鏡讓百萬 APP「集體失業(yè)」？
- 2 大廠紛紛入局，百度、阿里、字節(jié)搶奪Agent話語權
- 3 深度報告｜中國AI產業(yè)正在崛起成全球力量，市場潛力和關鍵挑戰(zhàn)有哪些？
- 4 上海跑出80億超級獨角獸：獲上市公司戰(zhàn)投，干人形機器人
- 5 國家數據局局長劉烈宏調研格創(chuàng)東智
- 6 下一代入口之戰(zhàn)：大廠為何紛紛押注智能體？
- 7 百億AI芯片訂單，瘋狂傾銷中東？
- 8 Robotaxi新消息密集釋放，量產元年誰在領跑？
- 9 格斗大賽出圈！人形機器人致命短板曝光：頭腦過于簡單
- 10 “搶灘”家用機器人領域，聯(lián)通、海爾、美的等紛紛入局
