一文读懂人脸识别的前世今生

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