从古至今
人脸都是进行身份辨识的重要方式
在古代
政府通过发布“海捕文书”
利用人员的画像、涉案信息等
实现对人员的发现、举报、抓捕
而近年来
随着人脸识别技术的飞速发展
刷脸支付、刷脸门禁、刷脸登机等应用的兴起
更是掀起了一股“刷脸”热潮
“刷脸时代”正大步流星地向我们走来
那么,人脸识别的原理是什么呢?
其实机器本来并不擅长识别人脸
?#28909;?#36825;位五官立体的大叔
在机器眼里
也只是一串0和1组成的数据
它并不理解这个图像有什么含义
所以,想要让机器学会认识图像
需要我们给它编写程序算法
所谓长相
很大程度?#20808;?#20915;于人的脑袋和五官的形状
当我们描述一个人的长相的时候
大多数会用到类似这样的?#39542;?/p>
?#28909;?#29916;子脸、柳叶眼、蒜头鼻、樱桃嘴
最早的人脸识别就是采用这样的方法
首先,机器会在图像中识别出脸所在的位置
然后描绘出这张脸上的五官轮廓
获得人脸上五官的形状和位置信息
?#28909;?#20004;只眼睛之间的距离
鼻尖嘴角连线在水平方向上的角度等等
这样,就可以通过这些数据
判断这张脸是不是已知的某张脸
或者直接在数据库中?#39029;?#36825;是哪张脸
但是这种方法获得的特征数据比较少
结果也并不是特别准确
现在已有更准确的算法对图像进行处理和比较了
?#28909;紓?#19968;些算法不再是从图像上?#19994;?#36830;线
而是直接?#21592;?#20004;张脸的图像
这样就相当于更全面细致地
获取更多的特征信息
而针对不法分子利用照片识别的漏洞
还可通过加装3D传感器、红外摄像头等设备
来精准感知摄像头前的
到底是一个冷冰冰的平面图像
还是一张有温度的立体的脸
So~ 当技术的进步达到一定程度时
“刷脸”不再是网络里用于调侃的?#39542;?/p>
而是成为了现实场景
在2012年前
市场上已经出?#33267;?#20154;脸识别在单“点”上的应用
?#28909;?#32771;勤机、门禁机等
可以解决一些生活中的问题或带来一些便利
而人脸识别应用实现从“点”到“面”的飞跃
很大程度上
则归功于计算机人脸识别与人眼识别的博弈
在这短暂的3、5年内
人脸识别准确率已大幅提升至99%以上
全面赶超了人眼
这也意味着“刷脸时代”开始兴起
交通枢纽、社区、泛园区、商业地产、大型活动等场景
均实?#33267;?#20154;脸识别技术的规模化商业落地
人脸识别不再停留于单“点”的应用上
而是开始进入到复杂场景
?#29992;?#30340;维?#28909;?#35299;决场景闭环的问题
那么,接下来
人脸识别应用会怎么走?
靠算法的不断提升吗?
虽然基于深度学习的算法精度会无限逼近100%
然而,相比于技术在这最后零点几的艰难提升
如何实现人脸识别全场景的商业化落地
则是更值得深入探索的问题
在未来几年
随着应用场景的不断丰富
人脸识别落地将演进到全连接的状态
不仅仅局限于在某一个地方、某一个场景
而是在整个社会生活的全生命周期里
人脸将作为唯一的ID
打通各个场景,实现全连接
作为12年就已入局AI的元老级企业
在人脸识别这条道?#39134;?/p>
瑞为不仅达到了技术领先、?#19994;?#20102;场景
还实?#33267;?#25226;技术转化为产品应用到场景
并根据对客户行业的深刻理解
持续改进产品和解决方案
在智慧零售、智能车载、智能安防、智能?#19994;?#31561;领域
真正给客户带来了丰富的场景化价值
基于人脸识别技术
实现全场景的“One ID”连接
最终实现“One Face,One ID,One World”
是瑞为对人脸识别技术商业化落地路径的最好诠释
道阻?#39029;ぃ?#34892;则将至
正走在场景化价值延伸?#39134;?#30340;瑞为
仍将自信笃定,行稳致远