在眾多的人工智能技術(shù)中，人臉識(shí)別商用較為成熟且落地應(yīng)用更為廣泛。它作為基于臉部特征信息進(jìn)行身份識(shí)別的一種生物識(shí)別技術(shù)，已經(jīng)廣泛應(yīng)用于各行各業(yè)，比如說汽車站、地鐵、機(jī)場等各出入口。

　　但很多人對于人臉識(shí)別技術(shù)不是很了解，不知道攝像頭是怎么進(jìn)行人臉識(shí)別的，今天小編帶大家一探究竟，看看人臉識(shí)別是怎么進(jìn)行的，又怎么準(zhǔn)確識(shí)別到人臉的!

　　人臉識(shí)別的步驟

　　(1)人臉檢測：即從各種不同的場景中檢測出人臉的存在并確定其位置。

　　(2)人臉規(guī)范化：校正人臉在尺度、光照和旋轉(zhuǎn)等方面的變化。將人臉對齊，進(jìn)行人臉校準(zhǔn)。

　　(3)人臉校驗(yàn)：采取某種方式表示檢測出人臉和數(shù)據(jù)庫中的已知人臉，確認(rèn)兩張臉是否是同一個(gè)人。

　　(4)人臉識(shí)別：將待識(shí)別的人臉與數(shù)據(jù)庫中的已知人臉比較，得出給你的臉是庫里的誰。

　　人臉識(shí)別的辦法

　　(1)幾何特征的人臉識(shí)別方法

　　幾何特征可以是眼、鼻、嘴等的形狀和它們之間的幾何關(guān)系。

　　(2)基于特征臉(PCA)的人臉識(shí)別方法

　　特征臉方法是基于KL變換的人臉識(shí)別方法，KL變換是圖像壓縮的一種最優(yōu)正交變換。高維的圖像空間經(jīng)過KL變換后得到一組新的正交基，保留其中重要的正交基，由這些基可以張成低維線性空間。如果假設(shè)人臉在這些低維線性空間的投影具有可分性，就可以將這些投影用作識(shí)別的特征矢量，這就是特征臉方法的基本思想。

　　(3)神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法

　　神經(jīng)網(wǎng)絡(luò)的輸入可以是降低分辨率的人臉圖像、局部區(qū)域的自相關(guān)函數(shù)、局部紋理的二階矩等。這類方法同樣需要較多的樣本進(jìn)行訓(xùn)練，而在許多應(yīng)用中，樣本數(shù)量是很有限的。

　　(4)彈性圖匹配的人臉識(shí)別方法

　　彈性圖匹配法在二維的空間中定義了一種對于通常的人臉變形具有一定的不變性的距離，并采用屬性拓?fù)鋱D來代表人臉，拓?fù)鋱D的任一頂點(diǎn)均包含一特征向量，用來記錄人臉在該頂點(diǎn)位置附近的信息。該方法結(jié)合了灰度特性和幾何因素，在比對時(shí)可以允許圖像存在彈性形變，在克服表情變化對識(shí)別的影響方面收到了較好的效果，同時(shí)對于單個(gè)人也不再需要多個(gè)樣本進(jìn)行訓(xùn)練。

　　(5)線段Hausdorff 距離(LHD) 的人臉識(shí)別方法

　　心理學(xué)的研究表明，人類在識(shí)別輪廓圖(比如漫畫)的速度和準(zhǔn)確度上絲毫不比識(shí)別灰度圖差。LHD是基于從人臉灰度圖像中提取出來的線段圖的，它定義的是兩個(gè)線段集之間的距離，與眾不同的是，LHD并不建立不同線段集之間線段的一一對應(yīng)關(guān)系，因此它更能適應(yīng)線段圖之間的微小變化。實(shí)驗(yàn)結(jié)果表明，LHD在不同光照條件下和不同姿態(tài)情況下都有非常出色的表現(xiàn)，但是它在大表情的情況下識(shí)別效果不好。

　　(6)支持向量機(jī)(SVM) 的人臉識(shí)別方法

　　近年來，支持向量機(jī)是統(tǒng)計(jì)模式識(shí)別領(lǐng)域的一個(gè)新的熱點(diǎn)，它試圖使得學(xué)習(xí)機(jī)在經(jīng)驗(yàn)風(fēng)險(xiǎn)和泛化能力上達(dá)到一種妥協(xié)，從而提高學(xué)習(xí)機(jī)的性能。支持向量機(jī)主要解決的是一個(gè)2分類問題，它的基本思想是試圖把一個(gè)低維的線性不可分的問題轉(zhuǎn)化成一個(gè)高維的線性可分的問題。通常的實(shí)驗(yàn)結(jié)果表明SVM有較好的識(shí)別率，但是它需要大量的訓(xùn)練樣本(每類300個(gè))，這在實(shí)際應(yīng)用中往往是不現(xiàn)實(shí)的。而且支持向量機(jī)訓(xùn)練時(shí)間長，方法實(shí)現(xiàn)復(fù)雜，該函數(shù)的取法沒有統(tǒng)一的理論。

　　人臉自動(dòng)識(shí)別技術(shù)已取得了巨大的成就，隨著科技的發(fā)展，在實(shí)際應(yīng)用中仍然面臨困難，不僅要達(dá)到準(zhǔn)確、快速的檢測并分割出人臉部分，而且要有效的變化補(bǔ)償、特征識(shí)別、準(zhǔn)確的分類的效果，還需要注重和提高以下幾個(gè)方面：

　　(1) 人臉的局部和整體信息的相互結(jié)合能有效地描述人臉的特征，基于混合模型的方法值得進(jìn)一步深入研究，以便能準(zhǔn)確描述復(fù)雜的人臉模式分布。

　　(2) 由于人臉為非剛體性，人臉之間的相似性以及各種變化因素的影響 ，準(zhǔn)確的人臉識(shí)別仍較困難。為了滿足自動(dòng)人臉識(shí)別技術(shù)具有實(shí)時(shí)要求，在必要時(shí)需要研究人臉與指紋、虹膜、語音等識(shí)別技術(shù)的融合方法。

　　(3) 表面紋理識(shí)別算法是一種最新的算法，有待于我們繼續(xù)學(xué)習(xí)和研究出更好的方法。

　　總之，人臉識(shí)別僅僅采用一種現(xiàn)有方法難以取得良好的識(shí)別效果，如何與其它技術(shù)相結(jié)合，如何提高識(shí)別率和識(shí)別速度、減少計(jì)算量，提高精準(zhǔn)性，如何采用嵌入式及硬件實(shí)現(xiàn)，如何實(shí)用化都需要不斷學(xué)習(xí)和融合新技術(shù)，才能使人臉識(shí)別真正為生活帶來便利。