人脸识别技术探讨：1:1,1：小N/大N，大姿态识别，活体识别

标签：摄像头   问题   提升   数据   过程   数据库   选择   对比   展示   

身份识别是1:N。它是通过输入的人脸与数据库的N人脸进行比对，以解决他是谁的问题。

N越大，人脸识别会变得越困难。
当N很小时，比如50，我们可以使用一个相对简单的特征提取模型来提取特征向量。当N在10000级别时，我们需要相对复杂的特征提取模型。当N达到数百万甚至数十亿时，我们需要一个非常复杂的特征提取模型，它具有很高的识别能力。

当前，为了提升人脸识别的处理能力，当N小于20000时，我们可以在边缘设备上实现人脸特征向量的提取，这些硬件被称为边缘计算，如下即为一个边缘计算设备。

deepcam 7〃门禁平板
deepcam 7〃门禁平板可以在本地人脸识别，可存储/识别50000人。当N大于50000时，我们需要基于PC或云端进行人脸特征提取。这不仅仅是基于存储数据库的内存空间考虑，也是基于计算特征提取模型的计算资源要求。

大姿态

理想情况下，我们希望通过正面人脸完成人脸识别。人脸的外观在不同的角度有很大的不同，给人脸识别准确性带来挑战。即使是人眼有时也很难在人脸不同的角度下识别出同一个人。关于人脸大姿态的术语如下图所示。

人脸姿态术语

人脸68个关键点
对于人脸的其他大姿态，可以使用三维建模和三维定位关键点来重建正面人脸。
遮挡人脸识别
在人脸识别很多场景中，我们会遇到识别对象戴太阳镜或口罩的情况。这就需要更多的算法步骤来清除遮挡物，重建人脸。神目deepcam人脸识别算法在大姿态及遮挡人脸识别方面极具优势。如下图展示了通过deepcam的人脸识别技术，将戴或不戴口罩，甚至大姿态情况下的同一个人，准确进行了聚类。

抗欺骗及活体测试
在人脸识别各种应用中，我们需要采用防欺骗即活体检测技术，来防止来自照片或视频重播的***。当前人脸活体检测措施有不同的形式。一个传统的方式即需要用户眨眼、微笑或摇头等主动配合。这种方式既耗时，对用户也不够友好。还有一种活体检测方式被称为静默活体检测，也就是说，不需要用户移动头部来进行主动配合。在静默活体检测技术中，有一种成本比较高的方式就是增加一个结构化的深度摄像头，来感知摄像头前人脸的三维深度信息，以判断这是不是真人。还有一种方式为红外摄像机，基本上，它使用额外的波长来检验人脸是否为活体。近来，行业越来越偏向一种活体检测技术，即使用普通RGB相机来完成活体人脸识别。神目deepcam拥有领先的的基于RGB的活体检测技术，您甚至可以在神目开放人工智能平台免费获取https://ai.deepcam.cn/。

人脸识别技术探讨：1:1,1：小N/大N，大姿态识别，活体识别

标签：摄像头   问题   提升   数据   过程   数据库   选择   对比   展示   

原文地址：https://blog.51cto.com/14177548/2363729