着人工智能的高速發展，基於計算機視覺技術研究及應用也逐漸進入成熟階段。其中，人臉識別是運用較多的一種技術，已經滲透到人類日常生活的方方面面。目前TSINGSEE青犀視頻也正在積極研發人臉識別項目，將人臉識別技術融入到相關視頻平台（如EasyCVR視頻融合雲服務），並投入到線下場景落地使用。
本文將和大家簡單分享一下：人臉識別究竟是如何完成的？它的流程是什么？
一、人臉識別系統的組成
- 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、實時視頻流等，如視頻監控攝像頭、智能考勤機、智能門禁機等設備，都具備人臉采集抓拍的功能。
- 后端智能平台
- 后端的智能平台可將前端采集的相關數據統一進行匯聚、處理、存儲、應用、管理與共享，並結合人臉識別系統，實現人臉識別功能，並應用在現實場景中如：人臉識別考勤、人臉門禁、公安部的人臉追蹤、抓捕嫌疑犯等等。
二、人臉識別技術的流程有哪些？
1、人臉檢測
人臉檢測在實際中主要用於人臉識別的預處理，即在圖像中准確標定出人臉的位置和大小。
從照片中找出人臉的位置，以圖片左上角為坐標原點，分別記錄下人臉框左上角和右下角的坐標，並將人臉部分裁剪出來。
2、人臉對齊
在現實場景中，往往前端設備抓拍獲得的人臉不一定是正臉的角度，所以需要將圖像中的人臉姿態進行矯正。通過人臉關鍵點檢測得到人臉的關鍵點坐標，根據人臉的關鍵點坐標調整人臉的角度，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，因此我們需要通過一些仿射變換將臉部進行對齊。
- 1）仿射變換
- 仿射變換的功能是從二維坐標到二維坐標之間的線性變換，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，平行線經仿射變換后依然為平行線，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標記出68個特征點（landmarks），然后在模板庫中尋找一個標准模板，使用仿射變化，將這個68個點與模板的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，將送入的模型臉部圖片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。
- 反復調整參數，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數據庫中每個圖片的128位向量差值的歐氏距離，直到找到小於我們閾值的那張，到此，人臉識別成功。
5、實驗結果
基於以上步驟，我們來檢測下人臉識別系統最終的識別結果。
三、人臉識別技術的應用場景
人臉識別技術主要用於身份驗證，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。通過人臉識別驗證身份，來保障相關場所的安全，也減少了人工審核的成本。
在安防監控中，人臉識別也意義重大，比如公眾場所（地鐵站、車站、街道、酒店等）的安防布控、公安部追捕嫌疑犯等。基於公眾場所的安防監控攝像頭，通過抓拍人臉並將結果上傳公安部網絡，與嫌疑犯人臉進行比對，協助公安人員的執法工作。
人臉識別技術是人工智能領域的關鍵技術，在智能視頻監控系統具有十分廣泛的應用前景。TSINGSEE青犀視頻也將以AI智能檢測與識別技術為核心，持續研發多場景下的智能業務系統及平台，向AI領域深耕。