問答專欄Q & A COLUMN
我認(rèn)為這個應(yīng)該和人臉識別的算法有關(guān)，他可以固定識別也可以尋找最優(yōu)的部位進行識別。
就拿蘋果手機為例，蘋果手機的人臉識別每次識別的特征部位都不是固定的，他是一個學(xué)習(xí)的過程，比如你不帶口罩進行注冊臉部識別，每次當(dāng)你臉部對著手機時他就開鎖，在你注冊時手機抓取了你整個臉部幾百萬個特征點，每次解鎖需要一定數(shù)量的特征點正確才可以解鎖，但是當(dāng)你戴上口罩時，解鎖就失敗了，有意思的事情就是，當(dāng)你上百次戴著口罩解鎖失敗以后，他會突然成功，這時手機所使用的特征點只有半張臉，手機已經(jīng)學(xué)習(xí)成功了，他使用你一半的特征點就可以解鎖，也就是識別成功了，這說明，只要有正確的特征點輸入，他就會進行優(yōu)化，這也許是個程序錯誤,這個只能是蘋果的設(shè)計師來解釋了。
無論怎樣人臉識別識別的到底是哪個部位，這完全看程序和算法的設(shè)計，并不是固定的幾個位置，可能是上百個點，不斷的優(yōu)化。
評論0
加載中...
我們以視美泰的人臉識別通行管理模組所采用的算法為例，來說明一下采集的是面部的哪個部位：
在人臉檢測的基礎(chǔ)上，對人臉關(guān)鍵點進行檢測，主要包括眼角、眉毛尖端、嘴角、鼻尖等，每個特征點以圖像坐標(biāo)的形式來表現(xiàn)，特征點的數(shù)量的多少（比如21點、106點），可以表達不同精度的人臉變化。
視美泰采用的人臉檢測技術(shù)使用了基于級聯(lián)回歸的算法，結(jié)合深度學(xué)習(xí)的無關(guān)標(biāo)定初始化，綜合多個不同標(biāo)準(zhǔn)的多點數(shù)據(jù)集只是，使得同一個模型可以應(yīng)用于不同數(shù)量的關(guān)鍵點檢測，以保障更低的誤差和更好地適應(yīng)性。
在今年疫情防控的特殊情況下，視美泰人臉識別通行管理方案在人臉識別算法方面著重提升了對眼部的檢測，1：1比對識別率99.7%以上，1：N比對識別率96.7%以上@0.1%誤識率，活體檢測準(zhǔn)確率98.3%@1%誤拒率，人臉識別通過速度小于1秒，在佩戴口罩的情況下也能精準(zhǔn)識別比對。
評論0
加載中...
人臉識別主要是3個部位:眼睛(包含眼球和閉眼)、鼻子、嘴巴，正臉立體人臉圖像采集：不同的人臉圖像都能通過攝像鏡頭采集下來，比如靜態(tài)圖像、動態(tài)圖像、不同的位置、不同表情等方面都可以得到很好的采集。當(dāng)用戶在采集設(shè)備的拍攝范圍內(nèi)時，采集設(shè)備會自動搜索并拍攝用戶的人臉圖像。
人臉檢測：人臉檢測在實際中主要用于人臉識別的預(yù)處理，即在圖像中準(zhǔn)確標(biāo)定出人臉的位置和大小。人臉圖像中包含的模式特征十分豐富，如直方圖特征、顏色特征、模板特征、結(jié)構(gòu)特征及Haar特征等。人臉檢測就是把這其中有用的信息挑出來，并利用這些特征實現(xiàn)人臉檢測。
主流的人臉檢測方法基于以上特征采用Adaboost學(xué)習(xí)算法，Adaboost算法是一種用來分類的方法，它把一些比較弱的分類方法合在一起，組合出新的很強的分類方法。
匹配與識別
人臉圖像匹配與識別：提取的人臉圖像的特征數(shù)據(jù)與數(shù)據(jù)庫中存儲的特征模板進行搜索匹配，通過設(shè)定一個閾值，當(dāng)相似度超過這一閾值，則把匹配得到的結(jié)果輸出。人臉識別就是將待識別的人臉特征與已得到的人臉特征模板進行比較，根據(jù)相似程度對人臉的身份信息進行判斷。這一過程又分為兩類：一類是確認(rèn)，是一對一進行圖像比較的過程，另一類是辨認(rèn)，是一對多進行圖像匹配對比的過程。
測試技術(shù):蘋果Face ID
測試設(shè)備:iPhone XS Max
測試結(jié)果:
1、閉眼也可以識別開鎖、
2、用手遮住一只眼正常開鎖、
3、瞪大眼變形也能開鎖
4、遮住鼻子無法識別、
5、捏住鼻子無法識別
6、一只手放在鼻子上正常開鎖
7、完全遮住嘴巴正常開鎖
8、整個手遮住嘴巴，手超過歡骨無法識別
9、雙手遮住歡骨正常開鎖
評論0
加載中...6
回答10
回答10
回答0
回答0
回答10
回答10
回答0
回答0
回答0
回答
