随着人工智能的高速發展，基于計算機視覺技術研究及應用也逐漸進入成熟階段。其中，人臉識别是運用較多的一種技術，已經融入到人類日常生活的方方面面。目前TSINGSEE青犀視訊也正在積極研發人臉識别項目，将人臉識别技術融入到相關視訊平台（如EasyCVR視訊融合雲服務），并投入到線下場景落地使用。
本文将和大家簡單分享一下：人臉識别究竟是如何完成的？它的流程是什麼？
一、人臉識别系統的組成
-
前端圖像采集
前端人臉圖像采集系統通過抓拍采集人臉圖像、實時視訊流等，如視訊監控攝像頭、智能考勤機、智能門禁機等裝置，都具備人臉采集抓拍的功能。
-
後端智能平台
後端的智能平台可将前端采集的相關資料統一進行彙聚、處理、存儲、應用、管理與共享，并結合人臉識别系統，實作人臉識别功能，并應用在現實場景中如：人臉識别考勤、人臉門禁、公安部的人臉追蹤、抓捕嫌疑犯等等。
二、人臉識别技術的流程有哪些？1、人臉檢測
人臉檢測在實際中主要用于人臉識别的預處理，即在圖像中準确标定出人臉的位置和大小。
從照片中找出人臉的位置，以圖檔左上角為坐标原點，分别記錄下人臉框左上角和右下角的坐标，并将人臉部分裁剪出來。
2、人臉對齊
在現實場景中，往往前端裝置抓拍獲得的人臉不一定是正臉的角度，是以需要将圖像中的人臉姿态進行矯正。通過人臉關鍵點檢測得到人臉的關鍵點坐标，根據人臉的關鍵點坐标調整人臉的角度，使人臉對齊。如圖，這兩個臉在計算機看來，是完全不同的兩張臉，是以我們需要通過一些仿射變換将臉部進行對齊。
-
1）仿射變換
仿射變換的功能是從二維坐标到二維坐标之間的線性變換，且保持二維圖形的“平直性”和“平行性”（直線之間的相對位置關系保持不變，平行線經仿射變換後依然為平行線，且直線上點的位置順序不會發生變化）。
-
2）對齊方法
使用訓練好的模型，自動地從檢測出的人臉中标記出68個特征點（landmarks），然後在模闆庫中尋找一個标準模闆，使用仿射變化，将這個68個點與模闆的68個點對齊。
3、人臉編碼（提取特征向量）
通過卷積神經網絡訓練一個模型，将送入的模型臉部圖檔自動編碼成一個具有一個很強語義的128維向量。
訓練方法：
- 輸入一張已知身份的照片。
- 輸入一張相同身份的照片。
- 輸入一張不同身份的照片。
- 反複調整參數，使得步驟1和步驟2中的照片編碼盡量接近，與步驟3中的編碼盡量不同。
4、人臉分類
依次計算輸入圖像和資料庫中每個圖檔的128位向量內插補點的歐氏距離，直到找到小于我們門檻值的那張，到此，人臉識别成功。
5、實驗結果
基于以上步驟，我們來檢測下人臉識别系統最終的識别結果。
三、人臉識别技術的應用場景
人臉識别技術主要用于身份驗證，常見的場景有小區、樓宇、校園、工廠、園區、銀行等，如：智能門禁、人臉閘機、人臉考勤、智能門鎖等。通過人臉識别驗證身份，來保障相關場所的安全，也減少了人工稽核的成本。