在科技迅速發(fā)展的現(xiàn)代只有和具體場景結(jié)合才能夠體現(xiàn)其價值，那么作為人工智能的一個分支人臉識別到底能識別到哪些場景呢?讓人很好奇的識別的過程又是什么樣的的?下面就讓愛爾傳感的專業(yè)人士來為大家詳細(xì)介紹一下人臉識別全過程及場景。
 

人臉識別全過程

　　1、人臉檢測

　　人臉檢測算法的輸入是一張圖片，輸出是人臉框坐標(biāo)序列(0個人臉框或1個人臉框或多個人臉框)。一般情況下，輸出的人臉坐標(biāo)框?yàn)橐粋€正朝上的正方形，但也有一些人臉檢測技術(shù)輸出的是正朝上的矩形，或者是帶旋轉(zhuǎn)方向的矩形。

　　2、人臉配準(zhǔn)

　　人臉配準(zhǔn)算法的輸入是“一張人臉圖片”加“人臉坐標(biāo)框”，輸出五官關(guān)鍵點(diǎn)的坐標(biāo)序列。五官關(guān)鍵點(diǎn)的數(shù)量是預(yù)先設(shè)定好的一個固定數(shù)值，可以根據(jù)不同的語義來定義。

　　當(dāng)前效果的較好的一些人臉配準(zhǔn)技術(shù)，基本通過深度學(xué)習(xí)框架實(shí)現(xiàn)，這些方法都是基于人臉檢測的坐標(biāo)框，按某種事先設(shè)定規(guī)則將人臉區(qū)域扣取出來，縮放的固定尺寸，然后進(jìn)行關(guān)鍵點(diǎn)位置的計算。

　　3、人臉屬性識別

　　一般的人臉屬性識別算法的輸入是“一張人臉圖”和“人臉五官關(guān)鍵點(diǎn)坐標(biāo)”，輸出是人臉相應(yīng)的屬性值。人臉屬性識別算法一般會根據(jù)人臉五官關(guān)鍵點(diǎn)坐標(biāo)將人臉對齊(旋轉(zhuǎn)、縮放、扣取等操作后，將人臉調(diào)整到預(yù)定的大小和形態(tài))，然后進(jìn)行屬性分析。

　　常規(guī)的人臉屬性識別算法識別每一個人臉屬性時都是一個獨(dú)立的過程，即人臉屬性識別只是對一類算法的統(tǒng)稱，性別識別、年齡估計、姿態(tài)估計、表情識別都是相互獨(dú)立的算法。但的一些基于深度學(xué)習(xí)的人臉屬性識別也具有一個算法同時輸入性別、年齡、姿態(tài)等屬性值的能力。

　　4、以在基本保證算法效果的前提下，將模型大小和運(yùn)算速度優(yōu)化到移動端可用的狀態(tài)。
 

　　5、人臉比對

　　人臉比對算法的輸入是兩個人臉特征(注：人臉特征由前面的人臉提特征算法獲得)，輸出是兩個特征之間的相似度。人臉驗(yàn)證、人臉識別、人臉檢索都是在人臉比對的基礎(chǔ)上加一些策略來實(shí)現(xiàn)。相對人臉提特征過程，單次的人臉比對耗時極短，幾乎可以忽略。

　　基于人臉比對可衍生出人臉驗(yàn)證、人臉識別、人臉檢索、人臉聚類等算法。

　　6、人臉驗(yàn)證

　　它的輸入是兩個人臉特征，通過人臉比對獲得兩個人臉特征的相似度，通過與預(yù)設(shè)的閾值比較來驗(yàn)證這兩個人臉特征是否屬于同一人(即相似度大于閾值，為同一人;小于閾值為不同)。

　　7、 人臉識別

　　它的輸入一個人臉特征，通過和注冊在庫中N個身份對應(yīng)的特征進(jìn)行逐個比對，找出“一個”與輸入特征相似度較高的特征。將這個較高相似度值和預(yù)設(shè)的閾值相比較，如果大于閾值，則返回該特征對應(yīng)的身份，否則返回“不在庫中”。

　　8、人臉檢索

　　人臉檢索通過將輸入的人臉和一個集合中的說有人臉進(jìn)行比對，根據(jù)比對后的相似度對集合中的人臉進(jìn)行排序。根據(jù)相似度從高到低排序的人臉序列即使人臉檢索的結(jié)果。

　　9、人臉聚類

　　人臉聚類也通過將集合內(nèi)所有的人臉兩兩之間做人臉比對，再根據(jù)這些相似度值進(jìn)行分析，將屬于同一個身份的人劃分到一個組里。

　　10、人臉活體

　　和前面所提到的人臉技術(shù)相比，人臉活體不是一個單純算法，而是一個問題的解法。這個解法將用戶交互和算法緊密結(jié)合，不同的交互方式對應(yīng)于完全不同的算法。鑒于方法的種類過于繁多，這里只介紹“人臉活體”的概念，不再展開。
 

　　人臉識別的場景

　　其場景的尋找，依舊是需求調(diào)研/分析的工作，基本可以按照以下2個步驟進(jìn)行：

　　梳理客戶/用戶業(yè)務(wù)的流程、多方利益相關(guān)人訴求等因素。

　　找到流程中機(jī)械工作&利于客戶/用戶目標(biāo)的場景。

　　例如：社區(qū)改造中，如果客戶是物管管理層，那么場景建設(shè)重心便是圍繞其運(yùn)營效率/成本、物業(yè)價值的外化等。在此基礎(chǔ)上，尋找與此相關(guān)的機(jī)械工作，如保安三班倒值守，進(jìn)出人員登記等。再如人臉支付，優(yōu)化的機(jī)械工作是支付密碼輸入等。ToB和ToC業(yè)務(wù)，因其客戶、用戶屬性存在不一致性，需要區(qū)分對待。

　　另外，如上文所述，受限于當(dāng)前技術(shù)能力，無論什么場景，都需要基于準(zhǔn)確率和體驗(yàn)的均衡來設(shè)計。達(dá)不到效果最好內(nèi)部/種子用戶多磨練，畢竟吸引客戶/用戶的機(jī)會可能只有一次。

　　以上就是關(guān)于人臉識別的過程及識別場景的介紹，想要了解更多相關(guān)資訊敬請關(guān)注本站。