近年來，由于反恐和國家安全、社會安全的需要，安防行業的智能化技術也越來越受到重視，而身份識別正是安防的核心問題。在這種大背景下，具有非接觸、非侵擾、友好、直觀、快速、簡便、可擴展性等優點的人臉識別技術在多種生物識別技術中脫穎而出。尤其是在前段時間的杭州G2O峰會上，更是著重強調了國內智能安防技術及應用等問題，故其市場潛力可見一斑。

何謂人臉識別？

人臉識別（Facial Recognition），是基于人的臉部特征信息進行身份識別的一種生物識別技術。其主要用攝像頭采集含有人臉的圖像或視頻流，并自動在圖像中檢測和跟蹤人臉，進而對檢測到的人臉進行臉部的一系列相關分析、識別的技術。通常也叫做人像識別、面部識別。

隨著當下互物聯網應用的逐漸豐富與擴大，人臉識別技術在普通大眾面前已不再神秘，甚至可以說成為了當下科技領域最火熱的詞匯！更有很多app軟件也都是應用人臉識別技術讓大家能夠初步體驗到刷臉是怎樣一種體驗，比如“刷臉認證”、“眨眼支付”等已儼然成為當下潮流.....其增速更是超出了市場分析人士的預期！

人臉識別技術的發展歷史
1888年和1920年
高爾頓（Galton）在《Nature》雜志發表了兩篇關于利用人臉進行身份識別的文章，對人類自身的人臉識別能力進行了分析。
1965年
陳（Chen）和布萊索（Bledsoe）在Panoramic Research Inc.發表了最早的自動人臉識別報告。
1965年—1990年 人臉識別研究的初級階段
這一階段的研究主要集中在基于幾何結構特征（Geometric feature based）的人臉識別方法，但該階段的研究基本沒有得到實際的應用。
1991年到1997年 人臉識別研究非常活躍的重要時期
美國MIT大學的Turk和Pentland率先將KL變換應用于人臉識別，提出了經典的“特征臉”方法，也稱為PCA人臉識別方法。1992年，Brunelli和Poggio對結構特征的方法和基于模板匹配的方法進行了實驗對比，并給出了后者優于前者的明確結論。美國國防部資助的FERET（FacE Recognition technology Test）項目資助了多項人臉識別研究，創建了著名的FERET人臉圖像數據庫，該項目極大地促進了人臉識別算法的改進以及算法的實用化。
1998年—現在 基于3D模型的人臉建模與識別方法
研究者開始針對非理想條件下的人臉識別進行研究，光照、姿勢等問題成為研究熱點，出現了基于3D模型的人臉建模與識別方法。在商業化的應用方面，美國國防部在2000年和2002年組織了針對人臉識別商業化系統的評測FRVT（Face Recognition Vendor Test）。
人臉識別技術就是在這樣不斷取得進步摸索、不斷進步的條件下慢慢發展開來，各種相關應用也日益普及到我們的生活當中。作為一種新興的生物識別技術，其與虹膜識別、指紋掃描等其他識別技術相比，在應用方面可謂具有獨一無二的優勢。

1、自然性
所謂自然性，是指該識別方式同人類（甚至其它生物）進行個體識別時所利用的生物特征相同，是通過觀察比較人臉區分和確認身份，具有自然性的識別還有語音識別和體形識別；而指紋識別和虹膜識別等因人類或其他生物不能通過此類生物特征區別個體，所以不具備自然性。

2、非強制性
被識別的人臉圖像信息可以主動獲取而不被被測個體察覺。
人臉識別是利用可見光獲取人臉圖像信息，它不同于指紋識別或者虹膜識別需要利用電子壓力傳感器采集指紋，或者利用紅外線采集虹膜圖像。因為這些特殊的采集方式很容易被人察覺，從而帶有可被偽裝欺騙性。

3、非接觸性
相比較其他生物識別技術而言，人臉識別是非接觸的！也就是說，用戶是不需要和設備直接接觸的。

4、并發性
人臉識別能夠滿足在實際應用場景下進行多個人臉的檢測、跟蹤及識別。
人臉識別技術就是在這樣不斷取得進步摸索、不斷進步的條件下慢慢發展開來，各種相關應用也日益普及到我們的生活當中。作為一種新興的生物識別技術，其與虹膜識別、指紋掃描等其他識別技術相比，在應用方面可謂具有獨一無二的優勢。
人臉識別技術的優勢

正是由于上述種種優勢，人臉識別近年來在國內的發展非常迅速。現下，隨著軟件技術的成熟、硬件完善、價格下降，人臉識別技術在金融和互聯網領域的應用受到前所未有的關注，在金融、司法、海關、軍事及人們日常生活的領域扮演著越來越重要的角色。

人臉識別技術的工作模式及應用領域
1、人臉確認
就是將兩個人臉圖像進行一對一的比對，判斷是否為同一個人。其可應用于電子護照驗證、駕駛證驗證、身份證驗證等領域。

圖1 人臉確認應用圖

2、人臉鑒定
就是將待識別的人臉圖像與數據庫中多人的人臉圖像進行比對，從而鑒別出此人的身份。其可應用于罪犯識別、身份證檢測等領域。

3、人臉屬性分析
就是指對于任意一副給定的人臉圖像進行分析，返回人臉的性別、年齡、種族、配飾等信息。其可應用于商業領域和廣告領域，包括廣告效果評估、人群分析、精準廣告投放等。

圖3 人臉屬性分析圖

4、表情分析
就是指對于任意一副給定的人臉圖像進行分析，返回高興、悲傷、驚訝、恐懼、憤怒和厭惡等表情信息。其可應用于商用、醫療康復、心理咨詢等領域。

圖4 人臉表情分析圖

人臉識別技術的識別方法

1、幾何特征的人臉識別法
幾何特征人臉識別法是最早投入使用的一種人臉識別法。該方法主要是對人臉表面上的一些基本特征進行細致的觀察，以此對人臉信息進行科學的識別。
優點：識別速度非常快，對于系統內存的需求較小；

缺點：識別效率較低。

2、基于人臉特征的人臉識別法
基于人臉特征的人臉識別法也可以稱為主成分分析法，該方法近幾年在各個行業得到了廣泛的應用。
優點：能夠對不同人臉的特征信息進行詳細的表述和體現；

缺點：對人臉的鑒別和區分的正確度較低。

3、彈性圖匹配人臉識別法
彈性圖匹配人臉識別法主要是利用動態化鏈接結構對人臉進行識別。
優點：對人臉識別的整體性能較好；

缺點：所需計算量和存儲量較大，耗費時間長。

4、隱馬爾可夫模型人臉識別法
隱馬爾可夫模型人臉識別法主要是依據隱馬爾可夫模型技術來對人臉信息進行科學識別。隱馬爾可夫模型是一種對信號統計的特性進行科學描述的統計模型，因此，利用該模型對人臉識別技術進行應用時，不需要對復雜的人臉圖像中的種類特征進行提取。
優點：可以準確的對處于變化中各種環境因素進行適當的調整，且識別率較高；

缺點：在使用過程中對整體模型的復雜度要求較高。

5、神經網絡人臉識別法
神經網絡人臉識別技術是通過大量樣本圖像的訓練獲取識別模型，再通過識別模型進行識別。神經網絡人臉識別技術不需要人工選取特征，能夠在樣本訓練過程中進行學習。它是近來較熱的是深度學習的人臉識別方法，其識別準確率高，可以達到99%以上。

以上識別方法可以說是時代發展與技術進步的共同產物。雖然當下單一的生物識別技術各有優缺點，在應用上也不免會出現小瑕疵。但我們依舊可以在識別技術多元化交錯發展的大環境下，取長補短、不斷開拓，研究出令人矚目的新技術！就比如智芯原動研發的人臉識別系統。

知遠的人臉識別系統

基于具有深度學習的深度卷積神經網絡的人臉識別系統，該系統可以實現視頻中的人臉區域的定位、跟蹤，并對定位的人臉區域進行智能分析，返回智能分析的結果。
知遠的人臉識別系統不僅可以用于人臉確認、人臉鑒定，還可以用于人臉屬性分析和表情分析。尤其是在計算機技術、網絡技術和人工智能技術日新月異的今天，高速發展的人臉識別技術將會有更廣闊的舞臺來展現其價值。