第一篇：2018年中國人臉識別算法技術公司排名Top5

2018年中國人臉識別算法技術公司排名Top5

分析人士稱，人臉識別領域的投資預計還將繼續(xù)增長。由于中國人口眾多和集中式的身份數據庫，中國在人臉識別技術上取得了長足的進展，同時也催生了一批頗有前途的人工智能初創(chuàng)企業(yè)。而通過使用復雜的人工智能算法，許多創(chuàng)新型的中國科技初創(chuàng)企業(yè)也與有關部門展開合作，在金融服務、零售和旅游場景中部署面部識別系統(tǒng)。

那些推動AI技術落地的幕后功臣，讓我們看看誰最牛吧!

1、SenseTime 商湯科技成立于2014年，專注于計算機視覺和深度學習方面的原創(chuàng)技術，是全球領先的人工智能平臺公司，目前其研究領域已經擴大到了自動駕駛和增強現實，與麻省理工學院、華為小米等諸多高校和企業(yè)建立了合作關系。

商湯科技2017 年 7 月獲投 4.1 億美元 B 輪融資，引起業(yè)內極大的關注，創(chuàng)下當時全球人工智能領域單輪融資額紀錄，成為世界級的人工智能獨角獸企業(yè)。2018年4月份，商湯科技完成了6億美元的C輪融資，由阿里巴巴集團領投，新加坡主權基金淡馬錫、蘇寧等投資機構和戰(zhàn)略伙伴跟投。商湯科技表示，本輪融資結束后，其估值超過45億美金，繼續(xù)保持全球總融資額最大、估值最高的人工智能獨角獸地位。

而在團隊方面，2017 年左右商湯團隊就已有 700 人，其中有 120 位擁有博士學位。商湯科技現已在香港、北京、深圳、上海、成都、杭州、日本京都和東京成立分部，匯集世界各地頂尖人才，合力打造一家世界一流的原創(chuàng)人工智能技術公司。中國“智”造，“慧”及全球。

2、Face++ 北京曠視科技有限公司成立于 2011 年 10 月。成立之初，曠視科技獲得了聯(lián)想之星天使融資；2013年獲得創(chuàng)新工場百萬美元 A 輪投資；2015年獲得來自啟明創(chuàng)投、創(chuàng)新工場2200萬美元B輪融資；2016年獲得建銀國際、富士康集團融資。在2016年底完成新一輪的1億美元融資后，曠視科技的估值已至20億美元。據彭博社援引知情人士消息稱，曠視科技正進行至少6億美元融資，參與融資的投資者包括阿里巴巴和博裕資本（Boyu Capital）。此后該公司將尋求進行第二筆融資。本輪融資后，曠視科技將會用籌得資金的主要部分用于支持零售領域，包括將其技術用于無人商店。

曠視以深度學習和物聯(lián)傳感技術為核心，立足于自有原創(chuàng)深度學習算法引擎 Brain++，深耕金融安全，城市安防，手機 AR，商業(yè)物聯(lián)，工業(yè)機器人五大核心行業(yè)，致力于為企業(yè)級用戶提供全球領先的人工智能產品和行業(yè)解決方案。發(fā)展至今，曠視已在北京、西雅圖、南京設立獨立研究院，并在十余個核心城市設立分部。在“賦能機器之眼，構建城市大腦”的愿景下，曠視人正在推動人工智能技術在中國及全球范圍的產業(yè)落地，并通過打造 MegCity 城市大腦數據平臺為構建智慧城市、平安城市基礎設施而奮斗。

3、云從科技

背靠“計算機視覺之父”，中科院實驗室創(chuàng)業(yè)團隊創(chuàng)立人工智能國家隊

在人臉識別三大“獨角獸”中，成立于2015年的云從科技是年輕但也是務實的一位。在成立兩年多的時間，云從科技迅速擊敗其它老牌明星競爭對手，讓100多家金融機構成為其客戶，安防產品在全國23省上線，并與中國科學院重慶研究院合作，覆蓋了全國80%的樞紐機場，成為銀行、機場行業(yè)的第一大供應商，樹立安防行業(yè)的標桿。風格與一般的互聯(lián)網公司不同，塑造了極深的護城河。2017年11月，云從科技完成B輪融資，獲得25億元發(fā)展資金。

云從科技團隊成員除了來自中科大的校友外，還來自中國科學院各大研究所、UIUC、IBM、NEC、MicroSoft等全球頂尖學府及研究機構;云從科技之所以稱之為國家隊：

一是因為它是中科院入股的純中資背景，沒有采取一般互聯(lián)網公司的VIE架構;二是與公安部、四大行成立了聯(lián)合實驗室，成為唯一一家同時參與制定人臉識別國標、行標的AI企業(yè)。

三是它在2017年3月入選國家發(fā)改委“人工智能基礎資源公共服務平臺”建設，為未來商業(yè)社會運行提供AI服務。

4、依圖科技

依圖科技曾于2013年8月獲得真格基金天使輪投資，2015年1月完成高榕資本A輪投資，2016年6月完成云鋒基金領投的B輪投資，2017年5月完成來自云鋒、紅杉等機構的3.8億C輪融資。

與商湯科技、曠視等國內知名的人工智能公司不同，創(chuàng)立于2012年的依圖科技以To B業(yè)務起家，是“AI獨角獸”中最早將人工智能應用于安防領域的公司，官方信息顯示，目前其安防產品已應用于中國近30省。

除了招兵買馬大力拓展安防、金融等業(yè)務，依圖科技在完成C輪融資后迅速擴張，2017年12月，依圖科技與IDG聯(lián)合投資了AI制藥公司AccutarBio，促成了迄今為止中國AI制藥領域最大融資之一。隨后，依圖科技又與紅杉資本、云鋒基金等聯(lián)合投資了AI芯片公司ThinkForce。有媒體報道，其子公司依圖醫(yī)療也已在2017年完成了單獨融資。而在今年1月依圖科技新加坡辦公室的開幕活動上，依圖科技聯(lián)合創(chuàng)始人林晨曦接受新智元采訪時還表示，依圖科技接下來會繼續(xù)進軍語音識別和自然語言處理，希望在這兩個領域也做到超越人類水平。

至此，依圖科技的“AI版圖”上已囊括AI安防、AI金融、AI醫(yī)療、AI生物制藥和AI芯片幾大板塊，完成了AI生態(tài)的初步布局。同時，技術產品線覆蓋計算機圖像識別、計算機語音識別和自然語言處理，公司整體估值已突破23億美元。

5、中科奧森

北京中科奧森數據科技有限公司于2015年9月在北京成立，核心創(chuàng)始人是“人臉識別教父”、IEEE Fellow李子青教授。李子青教授曾任微軟亞洲研究院研究員，現任中科院生物識別與安全研究中心主任。創(chuàng)始團隊來自于國內最好的人工智能研究機構——中國科學院自動化研究所，團隊核心技術成員來自于清華、北航、法國、芬蘭等國內外頂級學術和研究機構。并與中國科學院、北京航空航天大學建有2個國家級聯(lián)合實驗室, 進行完全自主知識產權的原創(chuàng)核心技術研究與應用開發(fā)。與此同時，成立人工智能研究院，保持核心技術的持續(xù)先進性，擁有100余項發(fā)明專利和軟件著作權。

中科奧森的技術領域從專注于人臉識別已經拓展至機器視覺全棧技術，并形成了完善的產品線、解決方案，并且打造了一批頂端的行業(yè)客戶案例。作為一家老牌AI企業(yè)，中科奧森可以說是這個領域內唯一一家專注于技術+產品+解決方案+應用，踏踏實實做技術和產品的科技公司，而不是在玩資本。

三五年后，在資本經過一輪洗禮之后，估計還是會看好這種既有科研實力，又肯踏踏實實做技術的公司。

第二篇：人臉識別技術是什么原理

人臉識別技術是什么原理

1面像識別原理2、1、1面像識別技術概述

面像識別是近年來隨著計算機技術、圖象處理技術、模式識別技術等技術的快速進步而出現的一種嶄新的生物特征識別技術。生物識別技術是依靠人體的身體特征來進行身份驗證的一種高科技識別技術，如同人的指紋、掌紋、眼虹膜、DNA以及相貌等人體特征具有人體所固有的不可復制的唯一性、穩(wěn)定性、無法復制一樣，不易失竊或被遺忘。由于每個人的這些特征都不相同，因此利用人體的這些獨特的生理特征可以準確地識別每個人的身份。

隨著計算機技術的迅速發(fā)展，人們開發(fā)了指紋識別、聲音識別、掌形識別、簽名識別、眼紋（視網膜）識別等多種生物識別技術，目前許多技術都己經成熟并得以應用。而面像識別技術則是生物識別技術的新秀，與其他識別技術相比較，面像識別具有簡便、準確、經濟及可擴展性良好等眾多優(yōu)勢，可廣泛應用于安全驗證、監(jiān)控、出入口控制等多個方面。

面像識別技術包含面像檢測、面像跟蹤與面像比對等課題。面像檢測是指在動態(tài)的場景與復雜的背景中判斷是否存在面像并分離出面像，面像跟蹤指對被檢測到的面像進行動態(tài)目標跟蹤，面像比對則是對被檢測到的面像進行身份確認或在面像庫中進行目標搜索。

面像檢測分為參考模板、人臉規(guī)則、樣本學習、膚色模型與特征子臉等方法。參考模板方法首先設計一個或數個標準人臉模板，然后計算測試樣本與標準模板之間的匹配程度，通過閥值來判斷是否存在人臉；人臉具有一定的結構分布特征，人臉規(guī)則即提取這些特征生成相應的規(guī)則以判斷測試樣本是否包含人臉；樣本學習則采用模式識別中人工神經網絡方法，通過對面像樣本集和非面像樣本集的學習產生分類器；膚色模型依據面像膚色在色彩空間中分布相對集中的規(guī)律來進行檢測；特征子臉將所有面像集合視為一個面像子空間，基于檢測樣本與其在子空間的投影之間的距離判斷是否存在面像。

上述方法在實際系統(tǒng)中也可綜合采用。

面像跟蹤一般采用基于模型的方法或基于運動與模型相結合的方法，另外，膚色模型跟

蹤也不失為一種簡單有效的手段。

面像比對從本質上講是采樣面像與庫存面像的依次比對并找出最佳匹配對象。因此，面像的描述決定了面像識別的具體方法與性能。目前主要有特征向量與面紋模板兩種描述方

法，特征向量法先確定眼虹膜、鼻翼、嘴角等面像五官輪廓的大小、位置、距離、角度等等

屬性，然后計算出它們的幾何特征量，這些特征量形成一描述該面像的特征向量；面紋模板

法則在庫中存儲若干標準面像模板或面像器官模板，在比對時，采樣面像所有象素與庫中所

有模板采用歸一化相關量度量進行匹配。另外，還有模式識別的自相關網絡或特征與模板結

合的方法。

面像識別技術的最新進展是可以通過攝象機來搜索捕捉識別活動的人像，而不僅僅

識別照片。例如，最近由美國新澤西州Visionics公司開發(fā)的面像局部特征分析法識別

系統(tǒng)，僅用一部攝象機和一臺計算機，即可在人群中識別出某個人來。

該系統(tǒng)利用攝象機掃描拍攝的某一區(qū)域，搜索有可能是人臉的形狀。然后在存儲器

中搜索已事先存入的與之類似的面部特征。為了確認掃描到的眼睛、鼻子和嘴等特征就是一

個活人而不是人體模型或圖片，系統(tǒng)還對眨眼或其他可以提供信息的面部動作進行搜索。

然后系統(tǒng)對組成面部圖像的像素進行分析。它將每個像素點的明暗度與相鄰點進行比較，查找明暗度向周圍呈放射突變的區(qū)域。在眉骨、眼睛、或者其他突起的特征，比如顴骨和鼻子等處，都會出現這種突變。系統(tǒng)將勾勒出每一個這種像素點的位置，這些點稱為“參照點”然后在點之間連線，形成一個由三角形構成的網絡。

系統(tǒng)將測量每個三角形的角度，生成由672個1和0組成的數來描述一張面孔。之后程

序嘗試從它的數據庫中找出與該數據相匹配的類似記錄。這種匹配不可能絕對理想，因此軟

件會將相似程度分為不同的等級。軟件是根據骨絡結構描繪參考點的，因此胡須、化妝和眼

睛等偽裝都不可能騙過它。

用于撲捉面部圖像的除了為標準視頻外，近來的發(fā)展趨勢是熱成像技術。熱成像技術通

過分析由面部的毛細血管的血液產生的熱線來形成面部圖像，與視頻攝像頭不同，熱成像技

術并不需要在較好的光源條件下，因此即使在黑暗情況下也可以使用。并可更好地排除胡須、頭發(fā)以及化妝引起的面部變化的干擾。2、1、2面像識別過程

1．建立面像檔案:可以從攝像頭采集面像文件或取照片文件，生成面紋(Faceprint)編碼；

2．獲取當前面像，可以從攝像頭捕捉面像或取照片輸入，生成其面紋；

3．將當前面像的面紋編碼與檔案中的面紋編碼進行檢索比對。

“面紋”編碼方式是根據臉部的本質特征和開頭來工作的，它可以抵抗光線、皮膚色調、面部毛發(fā)、發(fā)型、眼鏡、表情和姿態(tài)的變化，具有強大的可靠性，使得它可以從百萬人中精確地辨認出一個人。

上述整個過程都自動、連續(xù)、實時地完成，而且系統(tǒng)只需要普通的處理設備。幾乎所有的生物測量過程對人們來說都是一種干擾。指紋和掌紋的測定需要人們將手放在玻璃表面。虹膜掃描需要用激光照射你的眼睛。面部識別最大的優(yōu)越性在于它的方便性, 快速性，而且是非侵擾的。面部識別無需干擾人們行為而達到識別效果，無需為是否愿意將手放在指紋采集設備上，或對著麥克風講話，或是將他們的眼睛對準激光掃描裝置而進行爭辯。你只要很快從一架攝像機前走過，你就已經被快速的檢驗。2、1、3面像識別技術應用范圍

面像識別技術作為生物識別技術體系的后起之秀，將有著十分廣泛的應用前景。可應用于諸多領域，如出入口控制、銀行金融系統(tǒng)、公安追輯嫌疑犯、反恐怖斗爭以及互聯(lián)網中等等。在我國開展的“追逃”斗爭，如果能利用面像識別技術，則可大大提高工作效率，并能對犯罪分子產生極大的威懾力量。使用面像識別系統(tǒng)只要在重要的車站、碼頭、機場、海關出入口附近架設攝像機，系統(tǒng)即可在無人職守的狀態(tài)下，自動捕捉進、出上述場所的人員的頭像，并通過計算機網絡將面像特征數據傳送到計算機中心數據庫，自動與面像數據庫中的逃犯面像比較，迅速準確地作出身份判斷。一旦發(fā)現吻合的頭像，可以自動報警并記錄。

我國銀行金融系統(tǒng)對安全控制有著極高的要求，如電子商務信息系統(tǒng)、金庫的安全設施、保險柜、自動柜員機的使用等。由于近年來金融詐騙、搶劫發(fā)生率有所增高，對傳統(tǒng)安全措施提出了新的挑戰(zhàn)。面像識別技術不需要攜帶任何電子、機械“鑰匙”，可以杜絕丟失鑰匙、密碼的現象，如果配合IC卡、指紋識別等技術可以使安全系數成倍增長。同時，在ATM自動取款機上應用面像識別技術，可以免除用戶忘記密碼的苦惱，還可以有效防止冒領、盜取的事件發(fā)生。

目前，在我國，面部識別技術的研究和應用還剛剛開始，但在歐美等發(fā)達國家這一技術已被應用在許多場所。特別是“9.11”恐怖事件之后，美國警方率先在冰島國際機場、美國波士頓機場、美國奧克蘭機場、美國亞特蘭大機場、美國休斯敦機場等開始應用這一先進技術，借助閉路監(jiān)視系統(tǒng)監(jiān)控掃描人群自動搜尋警方所需要的恐怖分子目標。

蔣遂平:人臉識別技術及應用簡介人臉識別的分類

1.1 鑒別、驗證和監(jiān)控

(1)鑒別(identification)：鑒別回答“這是誰？” 將給定的人臉圖象與計算機中存儲的N個人的圖象逐個比較，輸出M幅圖象，這些按與給定圖象的相似度從大到小排列，再由人來確定這是誰。通常，一個人在計算機中只存儲一幅正面圖象。

(2)驗證(verification)：驗證回答“這是否為某人？” 將給定的人臉圖象與與計算機中存儲的某人的圖象比較，回答給定的圖象是否為某人的圖象。通常，一個人在計算機中存儲多幅不同角度的圖象。

(3)監(jiān)控(watch list)：監(jiān)控同時具有鑒別和驗證，回?quot;這是否為要找的人？"(Are you looking for me?)。將未知身份的人的圖象輸入計算機，計算機決定這個人是否在監(jiān)控名單中，如果在，還必須確定這個人的身份。

1.2 人臉識別和人頭識別

(1)人臉識別：輸入給計算機識別的人臉圖象，只包括人的臉部部分，沒有背景、頭發(fā)、衣服等。這時，計算機在進行真正的人臉識別。

(2)人頭識別：輸入給計算機識別的人臉圖象，除了包括人的臉部有皮膚的部分外，還有部分背景、頭發(fā)、衣服。這時，人臉的五官特征是次要的，頭發(fā)、背景、人臉輪廓等是主要特征，一旦頭發(fā)、背景等變化，識別率下降。

1.3 自動與半自動人臉識別

(1)自動人臉識別：輸入到計算機的圖象可以是包含人臉的圖象，由計算機自動檢測人臉部分進行分割后，進行識別。最初人們認為人臉檢測是件容易的事，后來發(fā)現人臉檢測可能比人臉識別更困難（特別是在灰度圖象情況下，這時沒有運動信息和膚色信息可利用），人臉檢測已經是一個獨立的研究課題。

(2)半自動人臉識別：采用人工確定人臉圖象中兩眼各自的中心位置，計算機根據這兩個位置分割人臉圖象，進行識別。常用于人臉鑒別。人臉識別的性能

2.1主要性能指標

測量人臉識別的主要性能指標有：（1）誤識率(False Accept Rate, FAR)：這是將其他人誤作指定人員的概率；（2）拒識率(False Reject Rate, FRR)：這是將指定人員誤作其它人員的概率。

計算機在判別時采用的閾值不同，這兩個指標也不同。一般情況下，誤識率FAR 隨閾值的增大（放寬條件）而增大，拒識率FRR 隨閾值的增大而減小。因此，可以采用錯誤率（Equal Error Rate, ERR）作為性能指標，這是調節(jié)閾值，使這FAR和FRR兩個指標相等時的FAR 或 FRR。

2.2 影響人臉識別性能的因素及解決方法

(1)背景和頭發(fā)：消除背景和頭發(fā)，只識別臉部圖象部分。

(2)人臉在圖象平面內的平移、縮放、旋轉：采用幾何規(guī)范化，人臉圖象經過旋轉、平移、縮放后，最后得到的臉部圖象為指定大小，兩眼水平，兩眼距離一定。

(3)人臉在圖象平面外的偏轉和俯仰：可以建立人臉的三維模型，或進行三維融合(morphing)，將人臉圖象恢復為正面圖象。

(4)光源位置和強度的變化：采用直方圖規(guī)范化，可以消除部分光照的影響。采用對稱的從陰影恢復形狀(symmteric shape from shading)技術，可以得到一個與光源位置無關的圖象。

(5)年齡的變化：建立人臉圖象的老化模型。

(6)表情的變化：提取對表情變化不敏感的特征，或者將人臉圖象分割為各個器官的圖象，分別識別后再綜合判斷。

(7)附著物（眼鏡、胡須）的影響。

(8)照相機的變化：同一人使用不同的照相機拍攝的圖象是不同的。應用情況

在無數影視或新聞中出現過這樣的場景：警方利用人臉識別技術抓住了罪犯。然而，在現實生活中，人臉識別技術的效果并不令人滿意。

美國陸軍實驗室在13周時間內，用270人的圖象測試一個人臉識別系統(tǒng)，發(fā)現識別率只有 51%。這套系統(tǒng)在機場中進行測試時，存儲了250人的圖象，其中的15人在1個月內通過攝影機958次，只有455次被正確辨認，識別率只有47%。在美國一個機場開展的一項為期8周的公開測試中，使用一家公司的人臉識別系統(tǒng)，在4個星期出錯率為53%。在另一個機場開展的一項為期90天的測試中，人臉識別系統(tǒng)發(fā)出的錯誤警報也太多。

人臉識別技術效果不盡如人意的原因：真人的電視圖像與存儲在數據庫中的照片在布光和角度方面有差別。目前的人臉識別技術在人處于靜止狀態(tài)或一小群人通過檢測點時有效，因此不適合在交通流量大的機場和街道拐角處使用。人臉識別要得到廣泛采用，還很有待時日。

第三篇：人臉識別技術解讀

人臉識別，特指利用分析比較的計算機技術。人臉識別是一項熱門的計算機技術研究領域，人臉追蹤偵測，自動調整影像放大，夜間紅外偵測，自動調整曝光強度；它屬于生物特征識別技術，是對生物體（一般特指人）本身的生物特征來區(qū)分生物體個體。

中文名 人臉識別技術 實 質

輸入的人臉圖象或者視頻流 研究領域

熱門的計算機技術研究領域 技 術

生物特征識別技術

目錄

1基本介紹

2技術原理 ? 人臉識別內容 ? 人臉的識別過程 3分析算法

4功能模塊

? 人臉捕獲與跟蹤功能 ? 人臉識別比對 ? 人臉的建模與檢索 ? 真人鑒別功能 ? 圖像質量檢測 5基本方法

6技術細節(jié) 7優(yōu)缺點

? 人臉識別優(yōu)點 ? 人臉識別的弱點 8技術應用

9應用前景

1基本介紹編輯

人臉識別技術是基于人的臉部特征，對輸入的人臉圖象或者視頻流.首先判斷其是否存在人臉 , 如果存在人臉，則進一步的給出每個臉的位置、大小和各個主要面部器官的位置信息。并依據這些信息，進一步提取每個人臉中所蘊涵的身份特征，并將其與已知的人臉進行對比，從而識別每個人臉的身份。

廣義的人臉識別實際包括構建人臉識別系統(tǒng)的一系列相關技術，包括人臉圖像采集、人臉定位、人臉識別預處理、身份確認以及身份查找等；而狹義的人臉識別特指通過人臉進行身份確認或者身份查找的技術或系統(tǒng)。

生物特征識別技術所研究的生物特征包括臉、指紋、手掌紋、虹膜、視網膜、聲音（語音）、體形、個人習慣（例如敲擊鍵盤的力度和頻率、簽字）等，相應的識別技術就有人臉識別、指紋識別、掌紋識別、虹膜識別、視網膜識別、語音識別（用語音識別可以進行身份識別，也可以進行語音內容的識別，只有前者屬于生物特征識別技術）、體形識別、鍵盤敲擊識別、簽字識別等。2技術原理編輯

人臉識別內容

人臉識別技術包含三個部分：(1)人臉檢測 面貌檢測是指在動態(tài)的場景與復雜的背景中判斷是否存在面像，并分離出這種面像。一般有下列幾種方法： ①參考模板法

首先設計一個或數個標準人臉的模板，然后計算測試采集的樣品與標準模板之間的匹配程度，并通過閾值來判斷是否存在人臉；

②人臉規(guī)則法

由于人臉具有一定的結構分布特征，所謂人臉規(guī)則的方法即提取這些特征生成相應的規(guī)則以判斷測試樣品是否包含人臉；

③樣品學習法

這種方法即采用模式識別中人工神經網絡的方法，即通過對面像樣品集和非面像樣品集的學習產生分類器；

④膚色模型法

這種方法是依據面貌膚色在色彩空間中分布相對集中的規(guī)律來進行檢測。⑤特征子臉法

這種方法是將所有面像集合視為一個面像子空間，并基于檢測樣品與其在子空間的投影之間的距離判斷是否存在面像。

值得提出的是，上述5種方法在實際檢測系統(tǒng)中也可綜合采用。(2)人臉跟蹤

面貌跟蹤是指對被檢測到的面貌進行動態(tài)目標跟蹤。具體采用基于模型的方法或基于運動與模型相結合的方法。此外，利用膚色模型跟蹤也不失為一種簡單而有效的手段。

(3)人臉比對

面貌比對是對被檢測到的面貌像進行身份確認或在面像庫中進行目標搜索。這實際上就是說，將采樣到的面像與庫存的面像依次進行比對，并找出最佳的匹配對象。所以，面像的描述決定了面像識別的具體方法與性能。主要采用特征向量與面紋模板兩種描述方法：

①特征向量法

該方法是先確定眼虹膜、鼻翼、嘴角等面像五官輪廓的大小、位置、距離等屬性，然后再計算出它們的幾何特征量，而這些特征量形成一描述該面像的特征向量。

②面紋模板法

該方法是在庫中存貯若干標準面像模板或面像器官模板，在進行比對時，將采樣面像所有象素與庫中所有模板采用歸一化相關量度量進行匹配。此外，還有采用模式識別的自相關網絡或特征與模板相結合的方法。

人臉識別技術的核心實際為“局部人體特征分析”和“圖形/神經識別算法。”這種算法是利用人體面部各器官及特征部位的方法。如對應幾何關系多數據形成識別參數與數據庫中所有的原始參數進行比較、判斷與確認。一般要求判斷時間低于1秒。人臉的識別過程

一般分三步：

(1)首先建立人臉的面像檔案。即用攝像機采集單位人員的人臉的面像文件或取他們的照片形成面像文件，并將這些面像文件生成面紋(Faceprint)編碼貯存起來。

(2)獲取當前的人體面像。即用攝像機捕捉的當前出入人員的面像，或取照片輸入，并將當前的面像文件生成面紋編碼。

(3)用當前的面紋編碼與檔案庫存的比對。即將當前的面像的面紋編碼與檔案庫存中的面紋編碼進行檢索比對。上述的“面紋編碼”方式是根據人臉臉部的本質特征和開頭來工作的。這種面紋編碼可以抵抗光線、皮膚色調、面部毛發(fā)、發(fā)型、眼鏡、表情和姿態(tài)的變化，具有強大的可靠性，從而使它可以從百萬人中精確地辨認出某個人。人臉的識別過程，利用普通的圖像處理設備就能自動、連續(xù)、實時地完成。3分析算法編輯

人臉識別技術中被廣泛采用的區(qū)域特征分析算法，它融合了計算機圖

人臉識別

像處理技術與生物統(tǒng)計學原理于一體，利用計算機圖像處理技術從視頻中提取人像特征點，利用生物統(tǒng)計學的原理進行分析建立數學模型,即人臉特征模板。利用已建成的人臉特征模板與被測者的人的面像進行特征分析，根據分析的結果來給出一個相似值。通過這個值即可確定是否為同一人。4功能模塊編輯

人臉捕獲與跟蹤功能

人臉捕獲是指在一幅圖像或視頻流的一幀中檢測出人像并將人像從背景中分離出來，并自動地將其保存。人像跟蹤是指利用人像捕獲技術，當指定的人像在攝像頭拍攝的范圍內移動時自動地對其進行跟蹤。人臉識別比對

人臉識別分核實式和搜索式二種比對模式。核實式是對指將捕獲得到的人像或是指定的人像與數據庫中已登記的某一對像作比對核實確定其是否為同一人。搜索式的比對是指，從數據庫中已登記的所有人像中搜索查找是否有指定的人像存在。

人臉的建模與檢索

可以將登記入庫的人像數據進行建模提取人臉的特征，并將其生成人臉模板（人臉特征文件）保存到數據庫中。在進行人臉搜索時（搜索式），將指定的人像進行建模，再將其與數據庫中的所有人的模板相比對識別，最終將根據所比對的相似值列出最相似的人員列表。

真人鑒別功能

系統(tǒng)可以識別得出攝像頭前的人是一個真正的人還是一幅照片。以此杜絕使用者用照片作假。此項技術需要使用者作臉部表情的配合動作。

圖像質量檢測

圖像質量的好壞直接影響到識別的效果，圖像質量的檢測功能能對即將進行比對的照片進行圖像質量評估，并給出相應的建議值來輔助識別。5基本方法編輯

人臉識別的方法很多，主要的人臉識別方法有：

（1）幾何特征的人臉識別方法：幾何特征可以是眼、慧眼人臉識別考勤機 鼻、嘴等的形狀和它們之間的幾何關系（如相互之間的距離）。這些算法識別速度快，需要的內存小，但識別率較低。

（2）基于特征臉（PCA）的人臉識別方法：特征臉方法是基于KL變換的人臉識別方法，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別的特征矢量，這就是特征臉方法的基本思想。這些方法需要較多的訓練樣本，而且完全是基于圖像灰度的統(tǒng)計特性的。目前有一些改進型的特征臉方法。

（3）神經網絡的人臉識別方法：神經網絡的輸入可以是降低分辨率的人臉圖像、局部區(qū)域的自相關函數、局部紋理的二階矩等。這類方法同樣需要較多的樣本進行訓練，而在許多應用中，樣本數量是很有限的。

（4）彈性圖匹配的人臉識別方法：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，并采用屬性拓撲圖來代表人臉，拓撲圖的任一頂點均包含一特征向量，用來記錄人臉在該頂點位置附近的信息。該方法結合了灰度特性和幾何因素，在比對時可以允許圖像存在彈性形變，在克服表情變化對識別的影響方面收到了較好的效果，同時對于單個人也不再需要多個樣本進行訓練。

（5）線段Hausdorff 距離(LHD)的人臉識別方法：心理學的研究表明，人類在識別輪廓圖（比如漫畫）的速度和準確度上絲毫不比識別灰度圖差。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關系，因此它更能適應線段圖之間的微小變化。實驗結果表明，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，但是它在大表情的情況下識別效果不好。

慧眼人臉識別考勤機

（6）支持向量機(SVM)的人臉識別方法：支持向量機是統(tǒng)計模式識別領域的一個新的熱點，它試圖使得學習機在經驗風險和泛化能力上達到一種妥協(xié)，從而提高學習機的性能。支持向量機主要解決的是一個2分類問題，它的基本思想是試圖把一個低維的線性不可分的問題轉化成一個高維的線性可分的問題。通常的實驗結果表明SVM有較好的識別率，但是它需要大量的訓練樣本（每類300個），這在實際應用中往往是不現實的。而且支持向量機訓練時間長，方法實現復雜，該函數的取法沒有統(tǒng)一的理論。6技術細節(jié)編輯

一般來說，人臉識別系統(tǒng)包括圖像攝取、人臉定位、圖像預處理、以及人臉識別（身份確認或者身份查找）。系統(tǒng)輸入一般是一張或者一系列含有未確定身份的人臉圖像，以及人臉數據庫中的若干已知身份的人臉圖象或者相應的編碼，而其輸出則是一系列相似度得分，表明待識別的人臉的身份。

人臉識別的算法可以分類為：

基于人臉特征點的識別算法（Feature-based recognition algorithms）。基于整幅人臉圖像的識別算法（Appearance-based recognition algorithms）。

基于模板的識別算法（Template-based recognition algorithms）。利用神經網絡進行識別的算法（Recognition algorithms using neural network）。7優(yōu)缺點編輯

人臉識別優(yōu)點

相比較其他生物識別技術而言：

非接觸的，用戶不需要和設備直接接觸；

非強制性，被識別的人臉圖像信息可以主動獲取；

并發(fā)性，即實際應用場景下可以進行多個人臉的分揀、判斷及識別。

人臉識別的弱點

對周圍的光線環(huán)境敏感，可能影響識別的準確性； 人體面部的頭發(fā)、飾物等遮擋物，人臉變老等因素，需要進行人工智能補償；（如可通過識別人臉的部分關鍵特性做修正）。8技術應用編輯

1．企業(yè)、住宅安全和管理。如人臉識別門禁考勤系統(tǒng)，人臉識別防盜門等。2．電子護照及身份證。這或許是未來規(guī)模最大的應用。在國際民航組織（ICAO）已確定，從 2010年 4月 1日起，其 118個成員國家和地區(qū)，人臉識別技術是首推識別模式，該規(guī)定已經成為國際標準。美國已經要求和它有出入免簽證協(xié)議的國家在2006年10月 26日之前必須使用結合了人臉指紋等生物特征的電子護照系統(tǒng)，到 2006年底已經有 50多個國家實現了這樣的系統(tǒng)。美國運輸安全署（Transportation Security Administration）計劃在全美推廣一項基于生物特征的國內通旅行證件。歐洲很多國家也在計劃或者正在實施類似的計劃，用包含生物特征的證件對旅客進行識別和管理[7]。中國的電子護照計劃公安部一所正在加緊規(guī)劃和實施。

3．公安、司法和刑偵。如利用人臉識別系統(tǒng)和網絡，在全國范圍內搜捕逃犯。

4．自助服務。如銀行的自動提款機，如果同時應用人臉識別就會避免被他人盜取現金現象的發(fā)生。

5．信息安全。如計算機登錄、電子政務和電子商務。在電子商務中交易全部在網上完成，電子政務中的很多審批流程也都搬到了網上。而當前，交易或者審批的授權都是靠密碼來實現。如果密碼被盜，就無法保證安全。如果使用生物特征，就可以做到當事人在網上的數字身份和真實身份統(tǒng)一。從而大大增加電子商務和電子政務系統(tǒng)的可靠性。9應用前景編輯

生物識別技術被廣泛用于政府、軍隊、銀行、社會福利保障、電子商務、安全防務等領域。例如，一位儲戶走進了銀行，他既沒帶銀行卡，也沒有回憶密碼就徑直提款，當他在提款機上提款時，一臺攝像機對該用戶的眼睛掃描，然后迅速而準確地完成了用戶身份鑒定，辦理完業(yè)務。這是美國德克薩斯州聯(lián)合銀行的一個營業(yè)部中發(fā)生的一個真實的鏡頭。而該營業(yè)部所使用的正是現代生物識別技術中的“虹膜識別系統(tǒng)”。此外，美國“9.11”事件后，反恐怖活動已成為各國政府的共識，加強機場的安全防務十分重要。美國維薩格公司的臉像識別技術在美國的兩家機場大顯神通，它能在擁擠的人群中挑出某一張面孔，判斷他是不是通緝犯。

隨著技術的進一步成熟和社會認同度的提高，人臉識別技術將應用在更多的領域。

1、企業(yè)、住宅安全和管理。如人臉識別門禁考勤系統(tǒng)，人臉識別防盜門等。

2、電子護照及身份證。這或許是未來規(guī)模最大的應用，國際民航組織(ICAO)已確定，從2010年起，其118個成員國家和地區(qū)，必須使用機讀護照，人臉識別技術是首推識別模式，該規(guī)定已經成為國際標準。中國的電子護照計劃公安部一所正在加緊規(guī)劃和實施。

3、公安、司法和刑偵。如利用人臉識別系統(tǒng)和網絡，在全國范圍內搜捕逃犯。

4、自助服務。如銀行的自動提款機，如果用戶卡片和密碼被盜，就會被他人冒取現金。如果同時應用人臉識別就會避免這種情況的發(fā)生。

5、信息安全。如計算機登錄、電子政務和電子商務。在電子商務中交易全部在網上完成，電子政務中的很多審批流程也都搬到了網上。而當前，交易或者審批的授權都是靠密碼來實現，如果密碼被盜，就無法保證安全。但是使用生物特征，就可以做到當事人在網上的數字身份和真實身份統(tǒng)一，從而大大增加電子商務和電子政務系統(tǒng)的可靠性。[1]

2012年無錫采用物聯(lián)網人臉識別技術規(guī)范建筑市場。無錫的建筑工地將從6月1日起每天通過物聯(lián)網技術進行人臉識別，通過考勤管理，確保項目負責人到位，掛靠、層層轉包等現象將有望受到限制。

京滬高鐵三站將建人臉識別系統(tǒng)，整容也能被識別。鐵路部門發(fā)布計劃表示，將在京滬高鐵段的上海虹橋站、天津西站、濟南西站這三個站點，建設人臉識別系統(tǒng)工程，以協(xié)助公安部門抓捕在逃罪犯。利用這個系統(tǒng)，作案后的犯罪分子，即使整容，也將能夠被識別。[2]

讀書的好處

1、行萬里路，讀萬卷書。

2、書山有路勤為徑，學海無涯苦作舟。

3、讀書破萬卷，下筆如有神。

4、我所學到的任何有價值的知識都是由自學中得來的。——達爾文

5、少壯不努力，老大徒悲傷。

6、黑發(fā)不知勤學早，白首方悔讀書遲。——顏真卿

7、寶劍鋒從磨礪出，梅花香自苦寒來。

8、讀書要三到：心到、眼到、口到

9、玉不琢、不成器，人不學、不知義。

10、一日無書，百事荒廢。——陳壽

11、書是人類進步的階梯。

12、一日不讀口生，一日不寫手生。

13、我撲在書上，就像饑餓的人撲在面包上。——高爾基

14、書到用時方恨少、事非經過不知難。——陸游

15、讀一本好書，就如同和一個高尚的人在交談——歌德

16、讀一切好書，就是和許多高尚的人談話。——笛卡兒

17、學習永遠不晚。——高爾基

18、少而好學，如日出之陽；壯而好學，如日中之光；志而好學，如炳燭之光。——劉向

19、學而不思則惘，思而不學則殆。——孔子

20、讀書給人以快樂、給人以光彩、給人以才干。——培根

第四篇：人臉識別技術應用在鐵路系統(tǒng)

人臉識別技術應用在鐵路系統(tǒng)

由于鐵路系統(tǒng)部門眾多、地點分散，現場環(huán)境復雜，日常維護非常困難。隨著鐵路系統(tǒng)信息化改革的不斷深入，智能人臉識別技術已經廣泛的應用在鐵路系統(tǒng)。本鐵路人臉識別技術監(jiān)控方案可讓操作員和各部門領導可利用鐵路系統(tǒng)現有的計算機網絡和辦公微機，在調度中心或者當地機務段實現對全部監(jiān)控現場或者當地的道口，車站和鐵路沿線環(huán)境的監(jiān)控，大大減輕日常人員巡視的工作量，便于及時發(fā)現危險隱患，保障安全運行。

智能人臉識別技術的功能，主要體現在以下幾個方面：

1.通過智能人臉識別技術能及時了解站內的人流量（高、中、低），另外根據客戶需求還可以增加計數功能，對站內的進出人員進行統(tǒng)計。

2.站內軌道檢測，對于鐵軌上的異常物體或人員跳入鐵軌現象檢測，如發(fā)現情況，及時報警。3.站臺安全線功能，對于一些候車乘客候車不守規(guī)，跨越安全線候車，現場警告。4.路段檢測，對于非法人員盜竊鐵軌或破壞軌道設施先行檢測。5.站內出現突然加速和倒地現象檢測。6.與鐵路其它系統(tǒng)配合使用，實現無縫整合。

其它監(jiān)控的功能，主要是前段使用攝像機或云臺和編碼器配合使用，實現數字化傳輸和存儲。主要監(jiān)控一般性場所。

華天成人臉識別技術功能特點： 1.監(jiān)視和錄像功能

利用安裝在監(jiān)視目標區(qū)域的攝像機對生產設備和環(huán)境進行監(jiān)控和錄像，并將被監(jiān)視目標的動態(tài)圖像傳輸到監(jiān)控中心，監(jiān)控中心可通過網絡控制實現對監(jiān)控主機的各種控制。

監(jiān)控中心、鐵路站運行維護人員通過業(yè)務臺或監(jiān)控主機對站內監(jiān)控范圍的目標區(qū)域中設備或現場進行監(jiān)視，同時在業(yè)務臺或監(jiān)控主機上完成對前端設備的控制（左右、上下、遠近景、調焦等），畫面切換的控制和錄像控制。

監(jiān)控中心可通過系統(tǒng)的瀏覽功能查看監(jiān)控中心或下屬的管理的錄像或圖片。

2．報警功能

報警類別：消防報警、防盜報警、動態(tài)檢測、智能分析報警系統(tǒng)實現告警錄像，同時傳送報警信息和相關圖像至監(jiān)控中心，并自動在地理區(qū)域圖上或相關表格進行提示，顯示報警的內容和具體位置。

系統(tǒng)告警時能聯(lián)動相關設備，如燈光、警笛等。當發(fā)生報警時，能把報警信息發(fā)送到指定的移動電話上。

3．控制功能

對系統(tǒng)被授權的用戶，可以進行對應權限的操作（設備和系統(tǒng)設置、云臺控制等）。如被授權的網上任一操作人員能對任一攝像點進行控制，實現對攝像機視角、方位、焦距、光圈、景深的調整，進行云臺的預置和控制。

人臉識別技術應用方案：

第五篇：人臉識別相關技術分析報告解讀

人臉識別相關技術

分析報告

2015年10月

目 錄

第一章 分析概述...........................................................................................................................................2

一、背景調研............................................................................................................................................2

二、檢索及分析內容................................................................................................................................2 第二章 人臉識別專利態(tài)勢及技術研發(fā)分析...............................................................................................4

一、專利態(tài)勢及技術研發(fā)分析................................................................................................................4

（1）人臉識別專利申請趨勢分析......................................................................................................4

（2）技術生命周期..............................................................................................................................5（3）人臉識別技術構成......................................................................................................................6（4）人臉識別競爭對手分析..............................................................................................................7

二、技術路線分析...................................................................................................................................8

（1）人臉定位技術路線....................................................................................................................8（2）圖像獲取技術路線....................................................................................................................9（3）人臉跟蹤技術路線....................................................................................................................10 第一章 分析概述

一、背景調研

人臉檢測識別技術是基于人臉特征來進行身份識別的技術。與其他識別方式相比，由于人臉始終暴露在外面，采集人臉特征有直接、友好、方便的特點。現在，國際銀行組織、國際民航組織的生物特征識別護照的標準中明文規(guī)定必選的特征是人臉，可選的特征是指紋、虹膜或者在其它特征中任何一種。目前我國公民的第二代身份證有嵌入可機讀的人臉圖像信息，這也為下一步人臉識別廣泛應用打下有利的基礎。

上世紀九十年代以來，人臉檢測識別技術研究達到了高潮時期，一批具有代表性的論文和算法產生，自動人臉識別技術也得到了長足的發(fā)展，相關機構組織了如人臉手勢識別等專門的國際學術會議。另外，現在很多的研究型理工大學和兀公司都在著手人臉檢測識別研究。領域內最著名的國際研究機構包括：美國麻省理工學院媒體實驗室及人工智能實驗室、南加州大學、馬里蘭大學、卡內基一梅隆大學機器人研究及交互系統(tǒng)實驗室等。在我國，清華大學計算機系、電子系瞻嘲、中科院自動化所陽吲、南京理工大學、南京航空航天大學、哈爾濱工業(yè)大學等進行了許多很有意義的嘗試，積累了經驗。國內的研究工作主要是集中在三大類方法的研究：基于幾何特征的人臉識別方法、基于代數特征的人臉識別方法和基于連接機制的人臉識別方法。人臉識別由于具有直接、友好、方便的特點，使用者無任何心理障礙，易于被用戶所接受，從而得到了廣泛的應用。主要在以下幾個方面：(1)檔案管理系統(tǒng)(2)安全驗證系統(tǒng)(3)信用卡驗證(4)公安系統(tǒng)的罪犯身份識別(5)銀行和海關的監(jiān)控(6)人機交互等。

人臉識別系統(tǒng)包括：(1)人臉圖像的獲取(2)人臉的檢測(3)特征提取(4)基于人臉圖像比對的身份識別(5)基于人臉圖像比對的身份驗證

二、檢索及分析內容

本分析對人臉識別相關專利進行了中國專利檢索，檢索采用國家知識產權局專利數據庫，以該專利數據為基礎對其相關技術進行了分析，以期能從戰(zhàn)略層面為漢柏的技術研發(fā)、專利布局和專利風險預防提供借鑒參考。

具體分析項如下：（1）專利申請趨勢分析（2）技術構成（3）競爭對手分析（4）技術路線圖分析

第二章 人臉識別專利態(tài)勢及技術研發(fā)分析

第二章 人臉識別專利態(tài)勢及技術研發(fā)分析

截至報告檢索完成日期，共檢索得到人臉識別公司專利3516件。我們以此3516件專利作為基礎進行人臉識別技術專利態(tài)勢技術及研發(fā)分析，包括專利申請趨勢分析、技術生命周期、技術構成、發(fā)明人分析、競爭對手分析等，由此獲取人臉識別技術發(fā)展情況，為漢柏的科研和決策提供參考。

一、專利態(tài)勢及技術研發(fā)分析

（1）人臉識別專利申請趨勢分析

圖表 1 人臉識別專利申請趨勢

圖表1顯示了人臉識別專利申請趨勢。如上圖所示，自1995年起首次出現人臉識別相關專利申請，1995-2004年期間專利申請量發(fā)展平穩(wěn)，增長率不大，自2005年起該領域專利申請量呈快速增長，2010年后呈爆發(fā)式增長。

應注意的是，受到報告截止的統(tǒng)計時間的影響，2015年的數據必然不是最終數據，僅起到一定參考作用，以下情況相同，不做另述。

第二章 人臉識別專利態(tài)勢及技術研發(fā)分析

（2）技術生命周期

分析人臉識別相關技術的申請人數量及專利申請數量隨時間分布，可分析該技術生命周期發(fā)展情況。

圖表 2 人臉識別專利申請趨勢

1995-2005年為該技術發(fā)展起步階段，申請人及申請量都較少，2005-2014年為該技術發(fā)展的成長階段，申請人數量及申請量均迅猛增長，2015年之后，將陸續(xù)有專利超過保護期限而失效，行業(yè)壁壘逐漸減少，可能競爭會更加激烈。

第二章 人臉識別專利態(tài)勢及技術研發(fā)分析

（3）人臉識別技術構成

分析人臉識別相關技術的技術構成，可以看出該的技術發(fā)展的熱點。

圖表 3 人臉識別重點技術隨時間分布圖

圖表2顯示了人臉識別技術構成前10位技術領域的IPC和專利量。人臉識別的技術構成主要集中于：G06K 數據識別；數據表示

第二章 人臉識別專利態(tài)勢及技術研發(fā)分析

（4）人臉識別競爭對手分析

通過對該技術申請人統(tǒng)計分析，可以找到掌握該技術最重要的競爭對手。

圖表4 人臉識別技術重要競爭對手

圖表4顯示出掌握該技術專利數量最大的幾個申請人，主要以應用類產品研發(fā)的公司及研究型大學為主。

第二章 人臉識別專利態(tài)勢及技術研發(fā)分析

二、技術路線分析

（1）人臉定位技術路線

第二章 人臉識別專利態(tài)勢及技術研發(fā)分析

（2）圖像獲取技術路線

第二章 人臉識別專利態(tài)勢及技術研發(fā)分析

（3）人臉跟蹤技術路線

讀書的好處

1、行萬里路，讀萬卷書。

2、書山有路勤為徑，學海無涯苦作舟。

3、讀書破萬卷，下筆如有神。

4、我所學到的任何有價值的知識都是由自學中得來的。——達爾文

5、少壯不努力，老大徒悲傷。

6、黑發(fā)不知勤學早，白首方悔讀書遲。——顏真卿

7、寶劍鋒從磨礪出，梅花香自苦寒來。

8、讀書要三到：心到、眼到、口到

9、玉不琢、不成器，人不學、不知義。

10、一日無書，百事荒廢。——陳壽

11、書是人類進步的階梯。

12、一日不讀口生，一日不寫手生。

13、我撲在書上，就像饑餓的人撲在面包上。——高爾基

14、書到用時方恨少、事非經過不知難。——陸游

15、讀一本好書，就如同和一個高尚的人在交談——歌德

16、讀一切好書，就是和許多高尚的人談話。——笛卡兒

17、學習永遠不晚。——高爾基

18、少而好學，如日出之陽；壯而好學，如日中之光；志而好學，如炳燭之光。——劉向

19、學而不思則惘，思而不學則殆。——孔子

20、讀書給人以快樂、給人以光彩、給人以才干。——培根