人脸识别有哪些重要的关键技术

2019 年 11 月 11 日

人脸识别是生物识别技术、人工智能中应用比较热门的智能技术之一,通过识别用户的人脸获取身份信息或者是确认身份,使人们的人脸成为证明身份的依据。而人脸识别系统是集成人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术,是综合性比较强的系统工程技术。那么,人脸识别中有哪些重要的关键技术?


人脸识别有哪些重要的关键技术


基于大数据的深度学习

对于人脸识别原理的特征提取和分类算法,可以理解为浅层的学习模型。这是在一定规模的数据集下发挥较强的表达能力,但当数据量不断增大时这些模型就会有可能处于欠拟合的状态。也就是说数据量太大,模型不够复杂,覆盖不了所有数据。


而基于大数据的深度学习,是人脸识别技术的主要趋势之一。深度学习会含有更深的层次结构。越是低层,特征越简单,而越是高层,特征越抽象,但越接近要表达的意图。对于图像分析来说,一个图片的低级特征是像素。通过像素,不可以理解图片的目标,但可以从像素中找到边缘特征,然后用边缘特征组合成不同的部件,形成不同种类的目标物。 


利用深度学习提取出的人脸特征,与传统的人脸识别技术相比,更可以表示人脸间的相关性,通过有效的分类方法,可以提高算法识别率。深度学习依赖大数据,有更多更丰富的样本数据加入到训练模型中,将会使算法模型更通用,更贴近现实世界模型。随着深度学习的研究,人脸识别应用将会有更多深入到人们的学习中。


3D人脸识别技术

3D人脸识别技术是人脸识别重要发展发现。现在很多的人脸识别应用的会通过2D图像上应用。人脸实质是一个立体模型,而2D人脸识别容易受到姿态、光照、表情等因素影响,而3D人脸识别技术可以弥补2D人脸识别的缺陷。 


现阶段关于3D人脸识别方向的算法研究没有2D人脸识别技术那丰富和深入,有很多的因素限制这项技术的发展。3D人脸识别通常需要特定的采集设备,例如3D摄像机或双目摄像机。现在这类采集设备成本比较高,主要应用在特定场景。而且3D建模过程需要的计算量较大,对硬件要求较高,也会限制3D人脸识别的应用。还有就是3D人脸识别数据库比较稀少,研究者缺少训练样本和测试样本,就不可以开展更深入的理论研究。但随着未来智能技术和传感器的发展,计算能力不再受到制约,3D采集设备成本下降时,3D人脸识别技术将会取得重要突破。


随着对人脸识别重要的关键技术的学习,人脸识别将会有更多的应用,影响识别准确率的因素也将会得到解决。


(非特殊说明,本文版权归原作者所有,转载请注明出处)

文章来源:畅视智能


  • 人脸识别系统功能分析

    人脸识别系统是以“人员轨迹查询、身份确认、人员布控”需求为主线,并且结合“事前预警、事中布控、事后侦查”的应用模式,从“搜人、判人、控人”三个维度规划人脸图像大数据应用系统功能,形成“人员踪迹查询、人员身份研判、人员布控预警”的业务功能。还

  • 关于劳动节假期放假通知

    劳动节即将到来,根据国务院关于法定节假日的规定和我单位工作实际情况,现将2019年劳动节放假的有关事项通知如下:

  • “ZAO”APP引出的问题:AI换脸能影响支付宝的刷脸支付吗?

    8月30日晚,一款AI换脸APP“ZAO”刷屏朋友圈,这款AI换脸APP是用户可以任意把别人的照片换成自己的,让自己秒变明星,可以与明星同台唱歌,还可以与偶像“谈恋爱”。这款软件主要功能包括造视频和造表情,使用时都需要上传人像照片。上传素材