人脸识别系统：这个看脸的世界机器也开始看脸了！

现在的科技越来越发达，指纹识别系统，人脸识别系统还有瞳孔识别系统，这些都因为科技的发展得以实现，今天，为什么网小编想讲讲最近大火的人脸识别系统，一起来看看吧!

人脸识别系统

人脸识别系统一种是基于人的脸部特征信息进行身份辨识的生物认证技术。系统自动在图像视频中检测和跟踪人脸，进而对检测到的人脸进行一系列相关技术处理，得到人脸识别关键信息，并与预留的目标人脸信息进行比对，判断其相似度。通常也叫做人像比对、人像识别、面部识别。

人脸识别技术

人脸识别系统主要包括人脸预处理、特征提取、人脸分类三大模块。预处理模块需要将图片或视频中的人脸检测出来，并对眼睛、鼻子、嘴巴等关键特征点进行定位;由于图片的尺寸(像素)不同，人像可能是侧着脸，或者歪着头，这些都会影响人脸识别效果，因此需要利用特征点对人脸进行对齐和归一化。人脸预处理模块中各种技术现阶段都比较成熟，不仅在人脸识别中，在拍照对焦、表情检测中都有应用。

人脸特征提取是指从人脸图片中挑选出能够最佳描述这张人脸的信息，使其能最大限度区别其它人脸，是目前人脸识别中最热门的研究方向。通常，根据其构成形式，人脸图像的特征可以分为四类：基于子空间的特征、基于形状纹理的特征、基于稀疏表示的特征和基于神经网络的特征。完成特征提取之后，需要用他们与需要验证人脸特征进行比对，判断输入的两张图像是否为同一个人。从模式分类的角度而言是一个二值分类的问题，目前常用的分类器为支持向量机、联合贝叶斯等。

人脸特征提取是人脸识别中最为关键的部分，2013年以前，一般采用传统的基于纹理、子空间、稀疏表示的方法，最好的系统准确率不到97%。此后深度神经网络被用到人脸识别的特征提取中，在LFW(Labeled Face in the Wild)数据集上准确度超过97.45%——这一FBI特工的人脸识别准确率。此后基于深度神经网络的特征提取，准确度不断被刷，最新准确度已超过99.9%。

生物特征融合

随着基于深度神经网络的人脸识别研究深入，人脸识别效果大有超英赶美之势。诚然，人脸识别尤其不可比拟的优点：识别和注册操作简单、人脸特征基本稳定、具备人(眼)可辨识。

但是人脸识别系统无法区分长得很像的脸(双胞胎，较强的化妆术等)，也不能判别人脸是来自现场采集，还是预先拍摄的照片或者视频。因此只凭人脸识别是无法准确的认定身份的。

常用的生物特征

其实单一的生物特征验证都有各自的问题：易用性，稳定性，采集代价，独特性，人可辨识性等，因此为了使得身份验证更可靠，多生物特征融合验证势在必行。常用的生物特征包括人脸，声纹，指纹，虹膜，视网膜，签名等，其中只有人脸和声纹，同时具备易采集，人可辨识，不易模仿特性。

由于智能手机都有良好的麦克风和摄像头，声纹和人脸信息的采集几乎完全不受限，也无需额外成本。目前，科大讯飞人脸声纹结合的生物认证系统已经在金融、保险等领域启动了大规模应用推广。例如，今年八月，科大讯飞便携手中国银联、徽商银行，首创“声纹+人脸P2P转账”产品。