原来人脸识别技术是“酱紫”实现的！ - 智能家居

   事实上，一夜爆红的人脸识别其实并不算新技术。在2012年，脸部解锁功能便首次亮相在搭载安卓平台的Galaxy Nexus上;2015年，微软开发了生物特征识别系统 Windows Hello，支持面部识别登录，谷歌推出号称当时最强的人脸识别系统FaceNet;同年，马云在德国通过支付宝成功“刷脸”购买了一张1948年汉诺威工业博览会的纪念邮票。
   那么，已经发展多年的人脸识别技术，究竟是怎么实现的呢?
   人脸识别主要分为人脸检测、特征提取和人脸识别三个过程。
   1、人脸检测
   人脸检测是指从输入图像中检测并提取人脸图像，通常采用haar特征和Adaboost算法训练级联分类器对图像中的每一块进行分类。如果某一矩形区域通过了级联分类器，则被判别为人脸图像。

   2、特征提取
   特征提取是指通过一些数字来表征人脸信息，这些数字就是我们要提取的特征。常见的人脸特征分为两类，一类是几何特征，另一类是表征特征。几何特征是指眼睛、鼻子和嘴等面部特征之间的几何关系，如距离、面积和角度等。由于算法利用了一些直观的特征，计算量小。
   不过，由于其所需的特征点不能精确选择，限制了它的应用范围。另外，当光照变化、人脸有外物遮挡、面部表情变化时，特征变化较大。所以说，这类算法只适合于人脸图像的粗略识别，无法在实际中应用。

   3、人脸识别
   将待识别人脸所提取的特征与数据库中人脸的特征进行对比，根据相似度判别分类。而人脸识别又可以分为两个大类：一类是确认，这是人脸图像与数据库中已存的该人图像比对的过程，回答你是不是你的问题;另一类是辨认，这是人脸图像与数据库中已存的所有图像匹配的过程，回答你是谁的问题。显然，人脸辨认要比人脸确认困难，因为辨认需要进行海量数据的匹配。
   与指纹应用方式类似，人脸识别技术目前比较成熟的也是考勤机。因为在考勤系统中，用户是主动配合的，可以在特定的环境下获取符合要求的人脸。这就为人脸识别提供了良好的输入源，往往可以得到满意的结果。但是在一些公共场所安装的视频监控探头，由于光线、角度问题，得到的人脸图像很难比对成功。这也是未来人脸识别技术发展必须要解决的难题之一。

   不过，根据四川弘和集团人工智能的内部相关技术人员介绍，近几年，随着技术的不断发展，人脸识别已日趋成熟，正逐渐占领各个行业市场。
   为了促进人脸识别技术的发展，以及加速“刷脸”时代的到来，弘和人工智能多年来专注人脸识别技术的研发，其自主研发的人脸识别相关算法具有识别率高、识别速度快等特点。不会被照片、蜡像、人偶等模具欺骗，在安全性能方面值得信赖。目前，弘和集团的人脸识别技术已经广泛应用于安防、电子商务、银行、金融等众多企事业单位。
   相信随着技术的逐渐成熟，人脸识别在不久的未来将会成为人们习以为常的技术，靠“脸”吃饭的时代，也终将会到来!