人脸识别，也叫面部识别，是一种基于人的脸部特征信息进行身份识别的生物识别技术。它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。

　　

　　国内主流的人脸识别企业与特点

　　

　　目前在全球范围内，从事人脸识别技术的企业很多，国外知名的有google、facebook、斯坦福、卡耐基等；国内这些年也涌现了很多实力派，如海康威视、科大讯飞、商汤科技、云从科技等。

　　

　　国内这些主流的人脸识别企业，技术方案各有特点。如海康威视的人脸识别技术，其人脸识别系统在识别准确率上非常不错，前端智能-深眸、分布智能-超脑NVR、中心智能-海康脸谱，均融合深度学习算法，前后端深度智能为人脸大数据应用提供有力支撑。

　　

　　人脸识别系统广泛应用于平安城市、交通枢纽、智慧医疗、商业连锁、银行、学校、园区、边检等各行各业。

　　

　　科大讯飞的人脸识别技术在准确率上做了很多突破性研究，其离线人脸识别和视频流检测技术也颇有亮点，离线人脸识别在检测到的人脸框中，进一步定位人脸的五官和轮廓位置，目前采用关键点21点模型定位位置，人脸关键点的平均精确度高达96%；视频流人脸检测和关键点检测、静态图片中人脸检测支持离线状态下使用，在提高响应时间上表现出色，此项技术可用于图片编辑等领域。

　　

　　其人脸识别技术在考勤系统、远程认证、门禁系统、娱乐应用等众多领域广泛应用。

　　

　　商汤科技的人脸识别技术表现在对视频流人脸校准方面，准确度和延迟都很好，人脸识别算法也是其优势之一。据OFweek人工智能网获悉，商汤科技曾在国际权威人脸数据库LFW中，其人脸识别准确率首次超越人眼。针对安防领域，它推出了静态人脸比对系统SenseTotem（图腾），以及动态人脸比对—SenseFace。图腾是一套以图搜图系统，可通过采集监控录像中的人脸截图，比对搜索目标库中标准人脸照片，帮助干警快速确认涉案嫌疑人员的身份，而SenseFace用于在飞机场、火车站等公共场合的大规模视频监控系统中的实时大库人脸识别，可提供在监控视频中实时抓拍人脸、属性识别、重点人员轨迹还原等功能。

　　

　　其人脸识别技术除了应用在金融、门禁、无人驾驶等，如小咖秀、熊猫直播等这些热门应用所提供的各类面部AR特效，背后都来自商汤提供的技术支持。

　　

　　云从科技的人脸识别技术很有特色，其人脸识别技术采用结构光活体防攻击检测，在提升准确率上有很好的效果。结构光技术”的3D人脸识别系统在精确度、响应速度与活体检测方面得到了革命性突破。3D结构光人脸识别技术能够广泛的应用在物联网、移动互联网、银行、安防、交通等各个需要人脸识别的场景，可以更好的提升攻击预防效果，全面提升人脸识别准确度，结合云从最新的算法，能够在一千万分之一误识率下达到99%以上的准确率。

　　

　　其人脸识别技术广泛应用于银行、公安系统、商场等，并与公安部、国有大型商业银行、证通股份、民航总局建立联合实验室，推动人工智能产品标准的建立。

　　

　　当前国内人脸识别技术在市场普及上面临的痛点

　　

　　就当前人脸识别最普及的领域而言，安防、银行和公安系统上应用最广。未来人脸在很多领域都可以大放异彩，这取决于技术的突破与创新。就国内当前的现状而言，人脸识别在市场普及上面临着两大痛点。

　　

　　

　　一项新技术的普及与很多因素有关，作为企业而言，成本控制与盈利才是其目的。而人脸识别技术门槛高、投入大，短期内的应用场景又很有限，因此很多企业在布局上显得犹犹豫豫，想让人脸识别技术像网购一样进入千家万户，一个好的商业模式至关重要。

　　

　　在普及人脸识别技术上，国内很多公司也做了很多努力，如百度曾推出过一个叫脸优的产品，它是百度在人工智能技术上的一个尝试性应用，有人认为这个应用的推出让手机APP从“模式时代”突破到“术时代”。 因为该应用连接的不只是用户与未来的商业模式，更多的是连接了百度的人工智能以及人脸识别等技术，有着足够高的技术门槛，实现难度大。阿里巴巴、腾讯等互联网巨头也曾尝试基于人脸识别技术的商业变现，但效果均未达预期。

　　

　　二、当前的人脸识别技术仍有进步空间

　　

　　当前的人脸识别系统主要包括四个组成部分：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。随着未来数据的增长，在数据匹配，将面临着更大的挑战。

　　

　　人脸识别用途很大，但目前人脸识别技术有很多不足，如对周围的光线环境敏感，可能会影响识别的准确性，在面对黑暗、相似等复杂场景，识别率表现不佳。

　　

　　近几年虽然国内企业在人脸识别技术取得了一定的成绩，但还是有很多方面需要努力，如透过车窗玻璃识别人脸、夜间识别、红外识别等这些技术仍待企业去研发。

　　

　　当前人脸识别技术可从哪些地方改进？

　　

　　人脸识别技术要取得进步，这得从它的几大关键技术点上寻求突破，人脸识别的几大关键技术包括：

　　

　　基于特征的人脸检测技术——通过采用颜色、轮廓、纹理、结构或者直方图特征等进行人脸检测。

　　

　　基于模板匹配人脸检测技术——从数据库当中提取人脸模板，接着采取一定模板匹配策略，使抓取人脸图像与从模板库提取图片相匹配，由相关性的高低和所匹配的模板大小确定人脸大小以及位置信息。

　　

　　基于统计的人脸检测技术——通过对于“人脸”和“非人脸”的图像大量搜集构成的人脸正、负样本库，采用统计方法强化训练该系统，从而实现对人脸和非人脸的模式进行检测和分类。

　　

　　从技术层面，人脸识别改进的办法可从上述三个方面。任何一个细节技术的突破都可能带来识别率的提升改进。

　　

　　除了上述三个技术层面改进人脸识别，也有很多上游企业在做人脸识别技术改进的研究，如通过在元器件上的改进，提升人脸识别准确率。

　　

　　用于用户脸部或眼部的红外补光光源不但需要足够亮而且要均匀，这对于人脸识别和眼部跟踪系统而言尤其重要。欧司朗最新的Synios P2720使用波长为940 nm的红外线，可减少红爆。之前红外摄像头对850nm的红外光源有着最好的灵敏度。

　　

　　据OFweek人工智能网了解，这款IRED专为二维人脸识别而设计，是欧司朗光电半导体的现有生物识别产品线里的最新成员。

　　

　　人脸识别主要的研究方向及发展前景

　　

　　随着大数据、共享时代的来临，数据安全问题也越发被重视起来，以人脸识别为代表的新一代技术革命已经展开。这些对技术的要求越来越高，既要求数据的准确性，又要保证数据的安全性，人脸识别在这方面大有可为，作为行业的主力军，企业的技术实力与创新能力决定着整个产业的走向，任何一点点技术的创新都可能带来行业的变革。

　　

　　未来人脸识别的主要研究方向将围绕目前面临的一些问题，如人脸面部结构的相似性、人脸的姿态、年龄变化、复杂环境的光照变化、人脸的饰物遮挡等。

　　

　　人脸识别的发展并非只受制于自身的技术，与整个产业息息相关。为了让人工智能早日普及，很多企业也在积极布局人脸识别，这其中既有BAT互联网巨头，也有为人脸识别提高光学器件的企业等。马云投资人脸识别技术公司旷视科技与商汤科技；腾讯成立优图实验室，专注于图像处理、深度学习等领域开展技术研发；百度也成立了人脸识别团队，研发核心技术。近日，光学巨头欧司朗收购美国企业Vixar Inc. 加强3D面部识别技能，积极改进人脸识别技术；通过引入Vixar在垂直腔面发射激光器（VCSEL）方面的技术，欧司朗将掌握更多包括超精密3D面部识别在内的安防技术，这些技术不但能用于解锁智能手机和消费类电子设备，还能应用于需要更高安全访问控制的工业领域。

　　

　　依托于物联网与人工智能的快速推进，人脸识别应用场景会越来越广泛。随着国家科研机构的研发投入、企业对技术的钻研、市场的推广等，这些都将是人脸识别美好前景的征兆。据业内分析人士认为，未来人脸识别或成为有效身份识别主流，届时，人脸识别就不是什么新鲜词了。

　　

　　来源： OFweek人工智能网