深扒人脸识别60年技术发展史(附国内人脸识别科技企业名单)

2018-06-15 18:01:44 来源:EEFOCUS
标签:

 

“他来听我的演唱会,门票换了手铐一对”。最近歌神张学友变阿SIR,演唱会上频频抓到罪犯,将人脸识别技术又一次推到了大众的视线中。要说人脸识别技术的爆发,当属去年9月份苹果iPhone x的发布,不再需要指纹,只需要扫描面部就可以轻松解锁手机。任何技术一旦进入智能手机这个消费市场,尤其是被苹果这个标志性的品牌采用,就意味着它将成为一种趋势,一个智能设备的标配。

 

 

在智能手机快速崛起的这几年,其密码锁经历了从数字密码、手势解锁到指纹识别的升级,发展到如今的虹膜识别和人脸识别。可以预料的是,由于全面屏幕的普及和更为安全、便捷的 FaceID 技术的出现,在不久的将来,指纹识别也将被智能手机厂商们所抛弃,完成它的历史使命。

 

 

那么人脸识别到底是一项怎样的技术,这期《趣科技》,与非网小编就将带大家走进人脸识别,聊聊这项黑科技。

 

人脸识别是啥玩意儿?

人脸识别技术,是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部的一系列相关技术,通常也叫做人像识别、面部识别。传统的人脸识别技术主要是基于可见光图像的人脸识别,这也是人们熟悉的识别方式。简单的来说就是一个让计算机认出你的过程。

 

 

人脸识别技术主要是通过人脸图像特征的提取与对比来进行的。人脸识别系统将提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配,通过设定一个阈值,当相似度超过这一阈值,则把匹配得到的结果输出。将待识别的人脸特征与已得到的人脸特征模板进行比较,根据相似程度对人脸的身份信息进行判断。这一过程又分为两类:一类是确认,是一对一进行图像比较的过程,另一类是辨认,是一对多进行图像匹配对比的过程。

 

广义的人脸识别实际包括构建人脸识别系统的一系列相关技术,包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。

 

人脸识别技术发展

早在20世纪50年代,认知科学家就已着手对人脸识别展开研究。20世纪60年代,人脸识别工程化应用研究正式开启。当时的方法主要利用了人脸的几何结构,通过分析人脸器官特征点及其之间的拓扑关系进行辨识。这种方法简单直观,但是一旦人脸姿态、表情发生变化,则精度严重下降。

 

1991年,著名的“特征脸”方法第一次将主成分分析和统计特征技术引入人脸识别,在实用效果上取得了长足的进步。这一思路也在后续研究中得到进一步发扬光大,例如,Belhumer成功将Fisher判别准则应用于人脸分类,提出了基于线性判别分析的Fisherface方法。

 

由剑桥人脸数据集的特征分解获得的前四个特征向量

 

21世纪的前十年,随着机器学习理论的发展,学者们相继探索出了基于遗传算法、支持向量机(Support Vector Machine, SVM)、boosting、流形学习以及核方法等进行人脸识别。 2009年至2012年,稀疏表达(Sparse Representation)因为其优美的理论和对遮挡因素的鲁棒性成为当时的研究热点。

 

 

与此同时,业界也基本达成共识:基于人工精心设计的局部描述子进行特征提取和子空间方法进行特征选择能够取得最好的识别效果。Gabor及LBP特征描述子是迄今为止在人脸识别领域最为成功的两种人工设计局部描述子。这期间,对各种人脸识别影响因子的针对性处理也是那一阶段的研究热点,比如人脸光照归一化、人脸姿态校正、人脸超分辨以及遮挡处理等。也是在这一阶段,研究者的关注点开始从受限场景下的人脸识别转移到非受限环境下的人脸识别。LFW人脸识别公开竞赛在此背景下开始流行,当时最好的识别系统尽管在受限的FRGC测试集上能取得99%以上的识别精度,但是在LFW上的最高精度仅仅在80%左右,距离实用看起来距离颇远。

 

2013年,MSRA的研究者首度尝试了10万规模的大训练数据,并基于高维LBP特征和Joint Bayesian方法在LFW上获得了95.17%的精度。这一结果表明:大训练数据集对于有效提升非受限环境下的人脸识别很重要。然而,以上所有这些经典方法,都难以处理大规模数据集的训练场景。

 

 

2014年前后,随着大数据和深度学习的发展,神经网络重受瞩目,并在图像分类、手写体识别、语音识别等应用中获得了远超经典方法的结果。香港中文大学的Sun Yi等人提出将卷积神经网络应用到人脸识别上,采用20万训练数据,在LFW上第一次得到超过人类水平的识别精度,这是人脸识别发展历史上的一座里程碑。

 

表1 人脸识别经典方法及其在LFW上精度对比

 

自此之后,研究者们不断改进网络结构,同时扩大训练样本规模,将LFW上的识别精度推到99.5%以上。如表1所示,我们给出了人脸识别发展过程中一些经典的方法及其在LFW上的精度,一个基本的趋势是:训练数据规模越来越大,识别精度越来越高。

 

 
关注与非网微信 ( ee-focus )
限量版产业观察、行业动态、技术大餐每日推荐
享受快时代的精品慢阅读
 

 

作者简介
与非网小编
与非网小编

电子行业垂直媒体--与非网小编一枚,愿从海量行业资讯中淘得几粒金沙,与你分享!

继续阅读
当5G和人工智能时代来临时,人工智能就开始“杀人”了?

在影视作品里,人工智能杀人似乎是一件很平常的事,但归根结底那是人类的想象,想象并不会针对影响到人类的生命安全,可是一旦想象变成了现实,那可就不好说了。

3D打印药物/人体组织/植入物,哪个才是3D打印的发展方向?

3D打印行业的发展,不如预期般美好。尤其是在长周期高壁垒的医疗行业中,应用设想可以包装得包罗万象,但是临床落地之路却只能抽丝剥茧,经历漫长的过程。

智能柜生存实录,盈利难
智能柜生存实录,盈利难

2012年进入市场的快递柜在经历了“大鱼吃小鱼”的系列资本战之后,如今已基本形成了“快递系丰巢”和“菜鸟+中邮速递易”两大巨头格局。或者再放小来看,也是顺丰与菜鸟的对阵。

2019年人工智能最有可能的25个趋势

人工智能的下一步是什么?上周,知名机构CBinsights的分析师分析各个行业,得到了2019年最值得关注的25个人工智能趋势。虽然人工智能正在各个行业蔓延,经常成为头条新闻,但从各类型炒作中挑选出真正重要新闻仍旧很难。

推动半导体产业变革的三股力量

物联网市场目前高度分散,涵盖广泛的终端应用,这使得单个公司无法提供端到端的解决方案,因此需要一个拥有愿景并且拥有互补资产和技能的公司生态系统。

更多资讯
顺应数据隐私保护潮流,AI大数据要怎么继续发展?

3月24日,由CCF主办,微众银行及深圳大学微众金融科技研究院协办的“CCFTF14期研讨会”在深圳大学举办,此次会议的主题为“联邦学习技术及数据隐私保护”。

苹果高通专利战,输输赢赢都是浮云

作为芯片公司,高通(Qualcomm)可能不是最大的那一个,但一定是最活跃的那一个。似乎无论何时,我们总是能看到高通正在对某某公司进行着某某专利的起诉。

Digi-Key专访|作为Hackaday赞助商,Digi-key如何给开发者提供支持?
Digi-Key专访|作为Hackaday赞助商,Digi-key如何给开发者提供支持?

本期节目我们将对话Digikey,谈谈Digi-Key赞助Hackaday的初衷以及其如何给开发者提供支持。

当电商已成趋势,在线分销商如何打造自己的生态?
当电商已成趋势,在线分销商如何打造自己的生态?

2019年慕尼黑上海电子展以“未来汽车、智慧工厂、+AI、IoT+、新品基地、中国力量”为6大关键词,1500+元器件和相关电子企业将在这里展开一场超级竞技,相信从业者也将从这里感受到电子产业的发展趋势和最新技术动向。

为提高供应链效率、降低风险,元器件分销商都在做什么
为提高供应链效率、降低风险,元器件分销商都在做什么

2019年慕尼黑上海电子展以“未来汽车、智慧工厂、+AI、IoT+、新品基地、中国力量”为6大关键词,1500+元器件和相关电子企业将在这里展开一场超级竞技,相信从业者也将从这里感受到电子产业的发展趋势和最新技术动向。

Moore8直播课堂
电路方案