人脸识别的核心技术范文1
深圳是平安的大本营，平安分支机构遍布城市多处，八卦岭三路上的平安大厦驻扎着平安科技的大部队，其中就包括了一支20多人研究“颜值”的技术小团体，他们的作品最先被用在了吃饭这件事上。
在大厦的食堂有个自助餐区域，门口安装了平安内部的人脸智库，员工就餐只需在设备前晃一下，确认识别出来是自己，就可以进去开吃了。而且，只要员工饭卡账户中有钱，系统会通过刷脸自动识别出身份，直接在后台扣款，无需现场支付。
当然，这个尝鲜式的应用只是在内部测试技术和产品。“未来，对人脸识别最好的印象，就是你都忘了它的存在，同时你又觉得它是很安全的。”平安科技副总工程师刘飞如是说。这也透露出，平安科技在人脸识别这件事上想要做的更多。
技术
总的来说，计算机实现一次人脸识别，至少要完成三个步骤：首先，从包含人物的场景图片中分割出人的面部区域；然后，从该面部区域中提取出人脸特征；最后，根据所提取的特征进行人脸识别。
随着技术和算法的演进，2012年以后，主流科技公司开始采用基于神经网络等进阶技术进行人脸识别，从而实现了质的飞跃。神经网络是一种模拟人脑神经元行为的复杂人工智能算法，特点是训练时间长而识别时间短。早在2013年，平安就针对人脸识别方面开始做了一个前期的调研。从2014年开始，平安科技组建了一个人工智能的实验室团队，开始研究算法和研发核心技术。
人眼识别准确率的极限是97.53%，平安科技的人脸识别技术的精准度在很多测试条件下已达99%以上。从核心技术研究到产品、工程、技术的实现，再应用到业务层面，平安科技只用了一年的时间。
目前，基于平安体系内多年积累的精度很高的大数据资源，平安人脸识别技术自优化的架构可以应对人脸随年龄的增加而发生的变化。其次，双胞胎的问题同样可以得到解决，只要两个双胞胎的对应照片被收集到，机器就可以分辨出谁是谁。
“虽然实验室跑出来的程序并没花太多时间，但是产品化、工程化的过程非常艰辛、非常复杂。”刘飞坦言。人脸识别技术基于机器的深度学习，深度学习结合计算机视觉要想做人脸识别，它面临的挑战之一就是非常不确定的环境条件。与实验室稳定的环境条件不同，当人脸识别真正投入应用，用户端摄像头的像素、网络信号、动态拍摄时候的光线等各方面的因素，都是对技术的考验。而商业用户和普通消费者用户都希望把应用的各种特定条件去除掉，得到自然的体验。
应用
不在八卦岭平安大厦办公的员工虽然没法“靠脸”吃饭，但他们可以在自己的手机上与这个功能亲密接触。每一个员工的手机里都会安装“快乐平安”APP，员工可以通过刷脸来替代用户密码式的登录方式，通过APP处理考勤、预约会议、查工资、定出差的机票酒店等等。
事实上，平安科技人脸识别技术已经走过面对内部人员的阶段，在平安系统各业务的商用应用场景已达近10处，使用量近千万。包括平安旗下平安信用卡、平安橙子银行、平安普惠和前海征信等子公司。
早在去年7月，该技术已应用于平安普惠小额贷款“平安i贷”的融资场景。用户通过“平安i贷”APP申请贷款时，只需要打开手机摄像头，由系统拍摄并抓取用户若干面部影像，再进行检测，即可远程完成身份核实，最快实现6分钟完成放贷。自开通以来，通过“刷脸”完成的业务量已达日均1万单。
在平安银行，用户办理信用卡即可体验“人脸识别开户”，5秒可以完成身份认证，比对速度可达每秒1500万次，识别准确率更是高达99.993%，能有效防范伪冒申请。试运行5个月时，已经有超过35万客户在申请信用卡时体验了这项科技。
平安银行的另一个主打业务，2014年11月推出的创新型互联网银行业务“橙子银行”也开通了人脸识别，2015年6月开始在沈阳、郑州、西安、石家庄和太原等五个城市开展人脸识别功能的试点，通过人脸识别（以及随机动作活体检测）辅助客户开立账户。
在使用人脸识别之前，用户在开户注册和激活平安橙子账户时，需要业务后台以人工方式进行客户身份的核查和验证。采用人脸识别技术可实时反馈核查结果，较传统的人工核查客观性更强，并且识别准确率和效率更高，有效地提升了账户和资金安全等级与用户体验。
而新成立不久的平安子公司前海征信，也已将人脸识别与个人征信业务相结合。作为首批获准筹备开展个人征信业务的公司，前海征信将公安部第一研究所的居民身份证网上应用技术、平安科技创新研究院的人脸识别技术嵌入个^征信产品中，帮助合作机构省去人工审核成本，同时预判各类身份冒用和网络欺诈风险。另外，前海征信还推出“好信一鉴通”，可借助人脸识别实现远程开户、贷前身份验证及贷后催收定位。
未来，该技术还有望延展至平安一账通、平安证券、平安保险，比如寿险、医疗健康险、养老险甚至包括车险等业务上面去。
人脸识别只有体验好才能进入更多的应用场景，在对于金融属性更强的平安来说，安全是重中之重。体验好、安全性高看似简单的要求，其实是最大的考验。而欺诈技术与安全技术在互相博弈中迭代，对于人脸识别提升体验和安全性上，依然有新的攻击技术诞生。刘飞介绍，他们正在研究防攻击识别技术，希望能让通过率更高，误识率更低，但安全丝毫没有折扣。
人脸识别的核心技术范文2
近几年，在云计算和大数据的支持下，深度学习的研究愈发深入，人工智能取得了跨越式的进步。然而，作樯缁岬闹魈澹人的身份的数字化是智能社会的前提，而人脸识别正是实现这一目标的关键技术。不易伪造、可被动采集的人脸识别技术能够基于人脸这一非侵犯性的生物信息，进行毫秒级大数据计算，使人脸成为智能社会的“接入口”，从而展开人与系统间更加便捷、安全的信息交互。“刷脸”将为传统的生活习惯、工作方式等带来颠覆式的改变。
早在几年前，汉柏科技即在自身发展的路途中前瞻性地发现了人工智能的产业机遇，开始部署自己的人工智能蓝图。2012年8月，汉柏科技与天津大学成立“应用数学联合实验室”，由中国科学院院士、著名数学家陈永川担任主任，拥有9位数学领域的院士顾问团队、18位博士、100多人的研发团队，主攻人脸识别核心算法的研究。在强大的研发阵容和大量的研发经费投入下，汉柏科技基于深度学习的卷积神经网络算法的优势，转化成人脸识别相关产品的优异性能，目前已拥有完全的人工智能产业化能力。
在人脸检测技术上，汉柏科技利用多任务级联深度学习网络，实现了在视频中实时人脸检测的功能，并同时可以检测出人脸性别、年龄、发型等多种属性。汉柏科技还将大数据技术与深度学习结合，通过互联网获取海量人脸数据，利用深度学习算法自动挖掘人脸图片之间的相关性，建立具有强区分能力的深度学习模型，用于人脸识别，取得了较高的精度。同时，如何减少深度学习的计算量、资源需求，以适应小型化设备的运算能力是深度学习领域近年来的研究热点。汉柏科技通过软硬件结合等多种手段，将现有的深度学习模型进行充分压缩，可以更好地适用于嵌入式设备。
人脸识别的市场应用范围广阔，覆盖了智能城市的各个方面。汉柏科技为不同行业定制了集技术、产品和应用为一体的整合解决方案，具备适用性和易用性。例如，在公共安全领域，人脸识别技术具有丰富的应用场景。汉柏科技的人脸识别技术能够打造警务大数据，进行实时的数据采集和快速的身份核查对比，实现智能的治安巡查、出入境边检，并为刑侦、反恐及时提供可靠的信息，打造立体化社会治安防控网，有效保障公共安全。
人脸识别的核心技术范文3
关键词：人脸；图像处理；算法；专利
1 人脸信息技术
所谓的人脸信息技术主要包括人脸检测和人脸识别两大部分。
1.1 人脸检测
人脸检测是指在图像上检测人脸是否存在，若有则应判断出人脸的位置及大小。在各种应用的推动下，进入上个世纪九十年代后，人脸检测技术逐渐得到了各国研究人员的重视，各种更加有效的算法不断提出。这十几年的发展历程大致可分为两个阶段：1999 年以前，基于各类知识特征的方法是主导，这类方法直观易懂、实现简单，但最大的问题是鲁棒性不强；1999年以后，基于统计学习的算法占据了主流地位，随着神经网络、SVM、概率模型等算法的提出，基于统计学习的算法在鲁棒性上得到了很大提高，效率上也可基本满足实时应用的需要。随着相关研究的深入，人脸检测技术在可控环境下（光照均匀、姿态端正、背景简单），已能获得可供实用的检测率。
1.2 人脸识别
计算机人脸识别技术是一门应用技术， 它涵盖信号处理、数字图像处理、计算机视觉、模式识别等多门学科的理论知识。由于计算机人脸识别技术的核心内容是由已知人脸来确定未知人脸的归属问题， 因此， 它更应该认为是模式识别的范畴。
它基本上可分为两个方面：
一是回答“是不是某人？ ”的问题， 它是给定一幅待识别人脸图像， 判别它是否是某人的问题， 也就是通常所说的身份验证（A uthentication）， 它是个“ 一对一” 的两类分类问题；
另一个是回答“ 是谁？ ” 的问题， 它是给定一幅待识别人脸图像， 判断它是谁的问题， 通常所说的人脸识别就是个“ 一对多”的分类问题。
对计算机人脸识别方法的研究主要有两大方向：
一是基于人脸图像部件特征的识别方法；
二是基于人脸图像整体特征的识别方法。主要包括基于特征脸的识别，基于最佳鉴别矢量集的人脸识别，基于Bayesian脸的人脸识别，基于傅里叶不变特征的人脸识别，基于弹性图匹配的人脸识别以及基于神经网络的人脸识别等。
近年来，随着互联网技术的飞速发展，移动终端设备、交互式家庭影音设备的不断升级换代，人脸信息技术有了更为广阔的应用平台和创新空间。
2 人脸信息技术专利的整体分析
全球专利申请量趋势：
经过检索，截止到2014年12月31日，在德温特专利数据库（DWPI）中共检索到7176项基于人脸信息技术的专利申请。
早期阶段，从1995年至2004年，每年的专利申请量都不大，笔者认为，主要是由于早期计算机硬件，特别是摄像头技术还不发达，尽管研究人员在算法支持方面已经做出了很多的努力，但人脸信息技术还没有得到较好的应用平台。从2005年开始，该领域申请量出现持续快速地增长，并在2008年达到最高峰。这个过程正是中国专利申请量迅速上升的阶段，后面的统计分析也将证明，中国是该领域的非常重要的专利产出国。到了2010年，该领域的专利申请量又有了小幅的回落，但尽管如此，该领域的申请量近年来还是保持着较高的，稳定的数量。并且由于专利申请公开的时延性，导致近几年的统计数据并不完整。
根据分析发现，随着以移动互联网技术为代表的计算机技术的发展，出现了大量的，各种形式的人机交互技术，而许多的人机交互技术正是基于人脸信息技术实现的，因此人脸信息技术的应用必将越来越广，对该技术的研发将保持持续的热度，该领域的专利申请量也将继续保持稳步增长的状态。
3 人脸信息技术专利应用新热点
随着硬件设备的不断升级，移动互联网技术的迅猛发展，人脸信息技术有着更广阔的应用平台与创新空间，近年来该领域的专利申请也呈现出许多新的创新热点。鉴于在人脸信息技术领域，日韩企业的申请量占主导地位，优势明显，我们接下来将以索尼和三星电子三两大公司为例，分析这三家公司申请日在2010年至2014年间该技术领域的专利申请，结合各公司的整体发展战略，浅析人脸信息技术中的新热点。
3.1 表情识别
在算法层面，主要是在检测到的人脸基础上，对人脸进行特征提取，得到反映表情特征的关键信息，对得到的表情特征向量进行分类，从而得到所属表情类别。在应用层面，典型的表情识别技术应用如下：
以申请CN201310059339为例（发明名称：图像处理设备和方法以及程序，申请人：索尼公司），该图像处理设备包括脸部检测单元，所述脸部检测单元根据输入图像检测脸部；评估值计算单元，所述评估值计算单元针对由脸部检测单元检测到的脸部的每一种脸部表情计算表示脸部表情的程度的评估值；和控制单元，所述控制单元基于由脸部检测单元检测到的脸部的每一种脸部表情的人的数量和由评估值计算单元计算出的脸部的每一种脸部表情的评估值，改变用于提取图像的基准，从而容易地提取包括少数人具有的脸部表情的图像。本申请主要解决的问题为，即使当多个被图像捕捉的人的脸部表情不同时也获得具有高满意程度的图像。
以申请CN201310393418为例（发明名称：将音频和/或图像与脸部特征和表情相关的系统和方法，申请人：索尼公司），系统先识别出至少一个观看者的表情，指令使处理器将标识内容的元数据与观看者的至少一个表情关联。该申请可为内容提供商提供更有效的手段以确定他们提供的内容是否使观看者满意和/或确定观看者对他们的内容的反应的种类。由于照相机与诸如计算机和电视机（TV）的整合已经为内容提供商提供了利用此整合实现诸如此类目的的机会，此类目的包括有针对性的广告投放、提高观看者对节目的满意度等等。
3.2 身份分组
身份分组是通过提取到的人脸特征信息，根据特征信息得到到对应的身份分组，在此基础上再提供进一步的应用服务。
以申请CN 201210318981为例（发明名称：以言语方式进行交流的面部响应电视设备，申请人：索尼公司），本发明所教导的电视设备以个性化的会话方式与用户进行言语交流。该交流是响应于摄像机收集的图像信息进行的，其中，该摄像机与电视中执行图像处理（例如，包括面部辨认）以识别靠近电视的个人观看者和观看者群组的计算机相连接。该系统不仅确定人是否位于电视装置附近，而且实际上对这些人的身份进行确定，并且交互地利用此信息来生成个性化的言语输出。
3.3 基于人脸位置进行图像裁剪
以申请CN201410003848为例（发明名称：用于在具有相机的装置中处理图像的设备和方法，申请人：三星电子株式会社），本申请提供一种当使用具有相机的便携式终端或相机装置进行拍摄时通过识别人的脸部区域并以识别的脸部区域为中心设置裁剪区域来裁剪人物照片的设备和方法。本申请还提供了一种在照片中包括多于一人的情况下，通过设置裁剪区域来裁剪照片，从而每个人的脸包括在裁剪区域中的设备和方法。
3.4 根据人脸位置确定人体其他部分的位置及姿势
由于人脸特性相对于身体其他部位更为突出，更易于检测，因此在图像中检测到人脸后，可以根据人脸与身体其他部位的位置关系，确定人体其他部位的位置及姿势。
具体应用示例如下：
以申请CN 201210318981为例（发明名称：以言语方式进行交流的面部响应电视设备，申请人：索尼公司），通过检测图像的面部区域、根据面部区域的位置设置至少一个动作区域、将与至少一个动作区域相对应的图像数据与检测信息进行比较以便确定是否已经执行预定动作、以及当确定已经执行预定动作以及接收合作控制信息时基于合作控制信息而实行预定处理，实施设备以及方法。本申请提供的方法，先对人脸进行检测，在检测到人脸位置的基础上，再确定如人手之类的其他身体部位的位置，从而降低目标识别的计算量。
4 结语
人脸识别的核心技术范文4
针对人脸识别技术在考场考生身份鉴别应用中的重要作用，在Android平台下开发一套人脸识别系统，通过使用face++视觉服务平台提供的信息云端处理和存储功能，处理由Android手机摄像头采集到的人脸图像数据，从而实现了人脸识别和考生身份鉴别的功能。
【关键词】face++ 人脸识别 身份鉴别
1 引言
考生的身份识别，一直以来都是考试中的一个重要环节。而目前，基本所有的考试中，仍然使用的是人工比对照片、身份证、准考证等传统方式。这种人工肉眼识别的方式往往效率低，出错率高。在一定程度上也是考场替考，作弊等现象屡禁不止的一个原因。随着人脸识别技术的发展，人脸识别在日常生活和众多领域中得到了广泛的应用。为了解决上述问题，许多专家已经对考场人脸认证技术做了深入的研究。例如韩琨就提出了一种在PC上使用C++语言实现的考场人脸识别技术，还有王雪立等人提出的基于数字信号处理（DSP）的人脸检测追踪技术。考试人脸认证具有准确、快速、无侵犯性、身份信息难以伪造等特点，比起传统的人工认证方式更有利于考场秩序的维护和考试公平性的保证。虽然人脸认证系统在研究上有了许多进展，但还有很多不足。例如，其一是认证设备：目前大多是采用PC外加数码照相机的方式采集和认证，但毕竟在考场外设置一台PC设备比较麻烦，受考场条件影响太大，并且资金投入高；其二是数据保存：在进行人脸采集的时候，需要保存大量的考生信息，这些信息大多保存在硬盘上，这不仅会增加购买存储介质的资金开销，在数据安全性上也存在隐患；其三，算法研发上也存在问题。人脸识别算法比较复杂，如果要想将理论上的算法转化为实际可应用的系统，还需要大量研发时间和经费上的支出。不过，现在有许多研究机构推出了一系列的计算机视觉库，可以很好地解决算法研究上的问题，比较著名的有Intel公司推出的OpenCV（开源计算机视觉库）和北京旷视科技有限公司推出的新型视觉服务平台face++。因此，鉴于以上三点问题，本文结合目前最新的face++人脸识别平台，提出一种在移动设备上可以良好运行的考场人脸认证系统。
2 系统框架
2.1 系统硬件
要实现嵌入式考场人脸认证系统，则需要一种便携、价廉、功能强大的嵌入式设备。而目前市场上流行的智能手机无疑是最好的选择。目前一台500元左右的智能手机，就已经完全符合此系统的开发要求。
2.2 系统软件
目前智能手机使用的操作系统大概分为ios，android，win8三种，android是目前市场份额最大，使用最广泛，并且配置的手机价格低廉等特点，因此本系统的运行平台采用android 4.0系统。
2.3 开发环境
android手机应用程序的开发环境很简单，本系统的开发环境使用的是window7操作系统，开发工具是eclipse，开发语言采用java，API采用android sdk和在线face++ API。
2.4 系统框架
如图1所示，整个系统分为三大模块：人脸采集模块，人脸认证模块和人脸数据处理模块。
3 系统实现
3.1 人脸采集模块
在此模块中，主要完成的工作是从手机摄像头拍摄人脸照片，然后对照片数据做格式上等适当的处理，然后将处理后的照片数据传入人脸数据处理模块，最后将人脸数据处理模块返回的结果呈现给用户。
此模块的部分核心代码如下：
public class FaceCollection //这个类就是人脸采集的核心类。
{
String result； //定义一个字符串，用来保存处理模块的返回信息。
Camera camera； //定义一个照相机对象，以此来控制设备上的摄像头。
byte[] PictureData； //定义一个用来保存照片数据的数组。
PictureManager PM； //定义一个照片数据处理对象，用来发送照片数据到处理模块
//此处还需要定义一些其他必要变量
camera.takePicture（ //调用照相机对象的takePicture（）方法进行拍照。
MyShutterCallback， MyPictureCallback， MyResultCallback）；
// MyShutterCallback和MyPictureCallback在本系统中基本用不到，可为空。
// MyResultCallback回调函数是个重点，当获取了拍照数据后，这个回调
//函数会被调用，因此对于照片数据的获取及其发送就在此函数中。
PictureCallback MyPictureCallback=new PictureCallback（）
{
public void onPictureTaken（byte[] data， Camera c）
{
PictureData=data；//保存相关照片数据
//此位置的可以编写与照片数据处理相关代码。
result=PM.collection（PictureData）；//把照片数据发送到处理模块。并返回//处理结果，保
//存在字符串变量result中。
//最后将result内容返回到程序UI上，以便让用户判断
//此次人脸数据录//入是否成功。
}
} }
3.2 人脸认证模块
在此模块中，主要完成的功能就是对考生正面人脸的拍摄，然后对拍到人脸照片进行一些格式等方面的预处理，之后，调用数据处理模块的相关函数，并将需要验证的人脸数据传入数据处理模块。
此模块的部分核心代码如下：
public class FaceIdentification //此模块核心类，用来拍摄和处理需要认证的人脸
{
//此类的部分内容与FaceCollection有相同之处。而两个类最大的不同除了
//UI设计，就是在于对PictureManager不同功能的调用以及数据的传输上。
//为了节约篇幅此处仅给出部分代码。
public void onPictureTaken（byte[] data， Camera c）
{
PictureData=data；//保存相关照片数据
//此位置的可以编写与照片数据处理相关代码。
result=PM. Identification （PictureData）； //把照片数据发送到认证处理模
//块。并返回处理结果，保存在字符串变量result中。
//最后将result内容返回到程序UI上，以便让用户
//本识别次认证的对象//是否合法
}
}
3.3 人脸数据处理模块
此模块是本系统的最核心模块。在前面介绍的内容里，还未涉及face++。主要是图像的采集，处理以及用户的UI。而在此模块，系统将使用face++的在线API来处理从前两个模块传入的数据。
face++是近几年逐渐兴起的，其在FDDB，300-W，LFW世界权威比赛中获得桂冠。其在人脸识别，表情识别，人脸关键点定位，多人脸识别，表情识别等诸多方面都有优秀的表现。face++的在线API是免费的，可以为本系统的开发节约大量资金。简单易用可以快速的实现识别功能。并且人脸数据在云端存储，节省了本地存储的硬件和资金开销。
face++的在线API主要由四大类组成：HttpRequests，PostParameters，FaceppResult以及FaceppParseException。其中HttpRequests，PostParameters，FaceppResult这三个类是最重要的，分别用来处理用户请求，传入请求参数以及保存返回结果。
此部分的代码比较复杂，因此只给出关键部分和解释。
public class PictureManager
{
public String collection（byte[] data） //此方法用于实现人脸录入。
{
PostParameters parameter； //定义一个请求属性的对象。
//在此处，需要根据当前的人脸功能来配置属性类内的成员变量，包括传入data数据。
HttpRequests request； //定义功能请求的对象。
FaceppResult result； //定义用于保存结果的对象。
//此处还需要对request对象做一些属性的配置。
result =request.detectionDetect（parameter）； //向云端服务器传送照片并进行相关的分析处理
//在云端虽然已经保存了人脸数据，但是这不能用来识别人脸，必须要对
//云端数据进行训练，其核心代码如下。
result= request. train（parameter）； //对传送到云端的人脸进行训练，但在此要//注意，//parameter需要进行许多改变，才能符合train函数的要求。
//取出result中的相关内容，组成字符串，最后为本函数的返回值。
}
public String Identification（byte[] data） //此方法用于实现人脸认证
{
//此处有部分代码和collection函数相同或类似，因此只给出最核心并且不同的。
result =request. recognitionRecognize （parameter）； //配置好相关的参数parameter，并//调用recognitionRecognize函数，最终的识别结果会保存在result函数中。
//最后取出result中的相关数据，组成字符串并返回给认证模块。
}
}
4 实验与分析
当配置好实验平台并正确安装系统后，启动系统，系统即与云端建立连接；当连接建立成功时，系统显示如图2所示的登录界面。本系统的用户分为两类，一类为管理员（如教务管理员），该类用户可同时使用人脸采集功能和人脸认证功能；另一类为普通用户（如监考教师），该类用户只可以使用人脸认证功能。系统将根据用户输入的登录信息判断当前用户的类别。若是管理员，则系统会让其选择使用哪个功能模块，若是普通用户，系统将直接弹出人脸认证界面。
如果用户选择了人脸采集模块，系统将显示如图3所示界面（由于涉及肖像权等问题，本文对插图中的人脸做了马赛克处理），这时只需将手机摄像头对准待采集的人脸并点击右下角的“采集”按钮，系统就会对该人脸进行拍照并将拍摄结果传送至云端，由云端进行训练、分组等一系列操作，同时系统将弹出如图4所示界面，用户只需在该界面中输入考生的相关信息并点击“提交”按钮，就可以完成一幅人脸图像的采集工作。人脸识别界面如图5所示，用户将手机摄像头对准待识别人脸点击识别按钮，若该人脸就是由管理员用户先前采集过的人脸，则该人的信息将出现在界面下方，用户可以滚动查看，以便确定该人的身份，否则系统会给出相应的提示信息。
实验场所选取在学校教室（即考场），以白色墙面作为背景，经测试，系统运行稳定，性能良好，在普通光照条件下即可达到较高的识别率和较快的识别速度，完全能够满足学校考试时对考生身份鉴别高效、准确、快速的要求。
5 结束语
face++是当前相当好的人脸识别平台之一。由于其免费，易用等特性，很适合开发一些有关人脸图像的应用。再结合目前最广泛流行的智能手机，就可以构建出一整套解决考场考生身份认证的系统。此系统具有便携，设备投入低，识别效率高等特点，基本可以作为考场考生身份识别的有利工具。
参考文献
[1]姜荣，董军宇.人脸识别系统及其在现实生活中的应用[J].长春师范学院学报，2006，25（1）：52-54.
[2]韩增锟. 基于人脸识别技术的考生身份验证系统的设计与实现[J].计算机与数字工程，2012，40（1）：148-150.
[3]王雪立，关永，韩相军.基于DM642的嵌入式人脸检测与追踪系统研究[J]. 微计算机信息，2006，22（1）：54-56.
[4]聂鹏鹏，王二伟，刘敏丰等.基于OpenCV在Android平台下实现人脸识别[J].电子元器件应用，2012，14（12）：83-88.
[5]陶颖军.基于OpenCV的人脸识别应用[J].计算机系统应用，2012，21（3）：220-223.
[6]刘子源，蒋承志.基于OpenCV和Haar特征分类器的图像人数检测[J].辽宁科技大学学报，2011，34（4）：384-388.
人脸识别的核心技术范文5
“双核”、短句行识别 打造“不间断”的精彩
“无论是楷书还是行草，只要符合国人的写字习惯，我们就要努力提升识别率，做到尽善尽美。”在与记者的沟通中，汉王科技技术研发部总经理钮兴昱表示，目前业内的手写技术提供商主要支持工整汉字的识别功能，而对自由书写体(即用户自然书写的、字形具有不同程度变形的笔迹)的识别率并不理想，汉王针对这种现状，利用电磁屏笔迹采集设备。历时8个月，共采集了10余万套中文短句样本，并基于这些自由书写体样本进行算法训练、优化。最终整合了新旧2套算法的优势，实现了对自由书写体的准确识别。
汉王手写双核心技术，是一种最新的手写识别核心以及分割技术，为用户提供更加高效、自然的录入手段，具有适应能力强、识别率更高的特点，尤其对行、草书和倒插笔识别效果极佳，避免用户在进行手写输入时反复切换输入法带来的不便，也避免了每书写一个字都要等待识别结果，然后再进行后续书写的麻烦。而短句行识别技术，是一种可自动识别中文、英文、数字以及标点混合的整行句子新技术手段，具有识别率高、识别速度快以及使用方便等特点。目前，汉王的这两项技术已成功应用于诺基亚S60系列手机。
人脸识别进手机让阳光照进现实
“在国内，人脸识别技术被认为是‘早上八九点钟的太阳’。那么，我们现在做的，就是要让人脸识别的阳光照进现实。”汉王科技副总裁徐冬坚在接受记者采访时表示，近年来，由于反恐、国土安全和社会安全的需要，世界各国都对安防领域加大了投入。而身份识别正是安防的一个核心问题。在这种大环境下，生物特征识别迎来了一个快速发展的时期。人脸识别技术在这样的环境下异军突起。截至2007年，人脸识别的市场份额由原来的微不足道，迅速上升到12.9％。市场份额仅仅小于指纹识别，并且还在不断增加。彻底打破了国际生物识别市场上“指纹”一统天下的局面。
“当然，在技术研发的过程中，我们还是遇到了不少困难。”相比于徐冬坚的坚定与信心，技术工程师出身的钮兴昱则显得更为谨慎。据他介绍，与在大型门禁系统中的应用相比，将人脸识别技术嵌入到手机中。具有更大的难度。特别是由于应用了目前世界上最为先进的算法，使得汉王的人脸识别技术对于手机的硬件有一定的要求，这对于该软件在3G手机中的普及提出了挑战。“我们正在努力优化软件，降低对于硬件的要求，以便让更多的手机用户都能体验到人脸开机的乐趣。”
与巨人携手的幕后巨人
说起汉王，它的名字可能不及诺基亚、微软、三星、LG、索尼爱立信等厂商如雷贯耳，但是这些品牌都是汉王的客户，汉王也是为这些品牌提供汉字手写输入的幕后英雄。早在1998年就授权微软的WinCE和Windows Mobile智能手机试用其手写识别技术。目前80％知名手机品牌均已选择汉王手写技术，在手写识别领域汉王占有90％以上市场份额。
有人说，汉王科技之所以能够取得成功，是因为他们站在了巨人的肩膀上。但在徐冬坚看来，汉王一直在与这些巨人携手开辟一片属于自己的天地。
“其实，我们也是巨人，是站在巨人背后的‘幕后巨人’。”徐冬坚的自信不无道理。有专家预测，未来的3G手机将会大量采用人脸开机技术，以取代目前使用的所有手机加密软件。而且，作为中国人最为熟悉也最受欢迎的输入技术，手写识别一定会伴随3G手机的发展而不断前行。作为行业规则制定者，汉王科技借助识别系统，在手机领域开辟蓝海，前景广阔。对此，徐冬坚信心满怀。
三大行组联手打造下一代网络融合与发展中国峰会
8月23-24日，由中国广电协会、中国通信学会、中国互联网协会三大行业组织联合北京邮电大学、BIRTV组委会共同主办，由北京邮电大学人文学院、中国电信传播研究中心及中广互联承办的“下一代网络融合与发展中国峰会”将隆重开幕。据了解。这一论坛也是中国广播影视博览会BIRTV2009的主体活动之一。
“三网融合”成必然趋势
随着全球数字化、网络化、信息化的高速发展，我国的信息产业及广播电视业迎来了全新的发展机遇。互联网、通信、广播电视产业的技术在不断地进步、衍化、融合，涌现出移动互联网、网络视频、IPTV、移动多媒体广播、手机电视等越来越多的新媒体形态。“三网融合”为人们展示了美好的数字生活前景。
国家《“十一五”规划纲要》中指出：“积极推进‘三网融合’，建设和完善宽带通信网，加快发展宽带用户接入网。稳步推进新一代移动通信网络建设，建设集有线、地面、卫星传输于一体的数字电视网络。构建下一代互联网，加快商业化应用，制定和完善网络标准，促进互联互通和资源共享。”
去年的[2008]1号文件及今年的《电子信息产业调整振兴规划》中，都对“三网融合”提出了明确的要求。3月22日，中广移动卫星广播有限公司与中国移动签署了关于移动多媒体广播与TD-SCDMA合作的协议，共同推动TD及CMMB两个自主知识产权标准的应用，为“三网融合”在手机电视领域的突破奠定了良好的基础。
5月25日，中央政府网了《国务院批转发展改革委关于2009年深化经济体制改革工作意见的通知》(国发[2009]26号)，文件中进一步提出：“落实国家相关规定，实现广电和电信企业的双向进入，推动“三网融合”取得实质性进展。”
三大行业组织首次联手
“三网融合”已经成为行业发展的必然趋势，然而“三网融合”也是一个巨大的系统工程，它不仅仅是技术或业务的融合，还涉及到国家信息化的整体战略、信息基础网络建设及下一代网络规划，涉及到国家对于媒体与渠道的监管政策等等一系列的问题。
为了推进“三网融合”的进程，剖析现存问题及下一步发展的路径，“三网”相关的三大行业组织――中国广播电视协会、中国通信学会、中国互联网协会首次联手，共同主办首届“下一代网络融合与发展中国峰会”。本次会议将是我国第一个完全针对“三网融合”话题进行全方位研讨的专业论坛，对推动行业融合与发展将具有深远的意义。
直面金融危机振兴产业经济
“直面金融危机振兴产业经济”――这是本次论坛的主题词。
在全球金融危机大潮之下，如何推进“三网融 合”。并使之为振兴信息产业、文化产业发挥一定的作用，是本届论坛期望深入探讨的话题。会议将邀请相关政府主管部门、研究机构、业界专家及企业共同研讨，同时还将专门出版《“三网融合”论文集》，特邀相关领域的院士、专家撰文并广泛向社会各界征集优秀论文，探讨“三网融合”的政策、管理、技术及业务的融合方向。为振兴产业经济建言献策。
论坛的主题将包括下一代网络、CMMB与3G、网络视频与IPTV、数字终端与数字家庭、数字内容与版权管理等。论坛组委会秘书长、中国电视购物研究与发展中心主任曾静平介绍说，本次论坛将把电视购物纳入到主题之中，一方面电视购物将有一个巨大的产业空间，对于拉动经济发展将起到重要作用，同时，电视购物还将与数字电视、互动电视、网络视频及IPTV进行很好地结合。
面向中小企业应用 联想服务器火热促销
目前，联想推出面向广大中小企业的服务器专为促销活动，从即日起至9月30日，凡购买指定型号及配置的联想服务器，就可以优惠1300～2000元价格获得联想手机、上网本等数码产品。
针对中小企业在金融危机背景下，既要注重对成本的考量，又要通过加快信息化建设来促进企业发展这一根本性需求，对其T100 G7、T168 G5、T260 G2三款专为中小企业而量身打造的服务器展开促销，这三款服务器不仅采用独特的五重硬盘防震保护、智能控温散热设计、防雷击设计等多项联想创新技术，全面解决中小企业在数据安全、噪音和服务器安全等诸多方面问题，并且可以提供与部门级服务器相媲美的高可靠性、高可管理性和高可扩展性的运算能力。
T100 G7：联想万全T100 G7作为一款极具性价比的入门级服务器，自上市以来就备受关注，其采用了5U塔式结构设计，为用户提供了更高的单机性能和扩展空间，此次促销的机型标配1颗英特尔奔腾E5300处理器，核心频率达2.6GHz，内存方面，T100 G7配备1条DDR2-800内存，最大可扩展为4GB内存容量。
T168 G5：作为单路服务器标准的引领者，万全T168 G5是一款专为成长型企业而设计的单路塔式工作组级服务器，主要关注成长型企业的中小规模网络应用，在业界率先采用英特尔新一代45nm四核处理器，加之联想自身创新平台技术的应用，其性能提升高达25％，性能功耗比提升高达38％，大幅提升了产品的数据处理能力。
人脸识别的核心技术范文6
第二天各大媒体纷纷予以报道，国内涉足人脸识别概念的上市公司股票也纷纷上涨，各路资本对此也充满兴趣，相关技术创新公司先后成立，人脸识别成为了各类论坛展会关注的焦点，呈现出一片欣欣向荣景象。
巨头和资本的共同选择
近两年，阿里巴巴对人脸识别越来越重视，在2014年就控股了一家人脸识别企业，推动人脸识别的发展。2016年9月再次投资7，000万美元收购美国生物验证公司EyeVerify，进一步加深其在生物识别领域的布局。在内容方面，阿里巴巴已全面将该技术应用到自己的支付宝、淘宝等平台，并将协同旗下的其它业务板块等，培养人脸识别的应用场景。
除了阿里巴巴，BAT三巨头中其他两位也在此方面落下棋子。腾讯为此成立了专注于人脸识别的优图团队，意在将腾讯征信、财付通、微众银行与人脸识别紧密相连。与公安部所属的全国公民身份证号码查询服务中心达成的人像比对服务的战略合作，让腾讯的人脸识别技术可以7×24小时接入公安部查询服务中心的数据库。
百度更早在2012年在开始在人脸识别技术上发力，推出了当时国内第一款全网人脸搜索引擎以及百度魔图PK大咖等明星产品，备受网民关注。近年来百度力图将人脸识别技术应用于更多方面。如为了帮助丢失儿童的家人寻找孩子，百度利用人脸识别的人工智能技术开发了“百度寻人”公益平台；“Dulight百度小明”可以通过语音识别、人脸识别等技术帮助盲人打理日常生活；最近被关注的乌镇景区的人脸闸机，此技术也是由百度提供的。游客不用门票，只需“刷脸”就能在一秒内自由进出景区，极大减少了排队检票的时间。
资本是市场的风向标，资本投向哪里，哪里就发光发热。各路资本近几年对人脸识别充满热情。2014年欧比特以5.25亿元收购铂亚信息100%股权，由此涉足人脸识别业务和智能安防领域；2015年4月佳都科技5，000万元战略投资专注于人脸识别智能分析算法及产品研发的云从信息科技；2015年10月佳都科技以2亿元收购华之源51%股权，为公司的人脸识别技术在轨交领域的应用铺设渠道；2016年2月远方光电拟以10.2亿元收购维尔科技 100%股权，切入生物识别领域。
此外，在人脸识别领域掌握一定核心技术的公司也纷纷成为资本的追逐对象，如旷视科技、依图科技、商汤科技、飞搜科技等均获得资本支持。在股市方面，主打人脸识别的上市公司也表现出了非常大的潜力，受到了股民的青睐。海康威视、佳都科技、科大讯飞、海能达、赛为智能、汉王科技、高鸿股份等上市公司都呈现着不错的表现。
为何受青睐
为什么如此多的资本和公司竟逐人脸识别呢？因为其广泛的应用范围和极大的发展潜力，人脸识别几乎可以在任何行业都得以应用。如金融行业可以进行刷脸登录、远程人脸开户、自助人脸开卡；教育行业可以借助人脸识别技术确认考生身份；公安系统可以通过人脸比对筛查出犯罪嫌疑人；广告行业可把人脸识别技术应用在户外广告上进行人流量统计；商业领域通过人脸技术可实现对用户的年龄、性别、表情等识别和检测，从而为商家对顾客进行精准营销提供基础的技术支持；社保系统可启用人脸识别技术，规范领取人资格；机场利用人脸识别技术进行安检。此外还可以进行刷脸开车、刷脸购物，刷脸取款、刷脸签到等等。随着未来人脸技术的普及，人只需“刷脸”就可真正解决现有生活中的诸多事情，带来更为便利安全的生活。
与常用的密码方式相比，人脸识别具有更高的安全性，任何账号和密码只要通过验证都可以进行更改，而人脸识别则完全不同，人脸数据具有唯一性，几乎是不可改变或改变成本非常高。与同样具有唯一特性的生物指纹和虹膜识别技术相比，人脸识别无需用户和设备直接接触，无需用户配合就可主动获取人脸图像信息，且可以进行多个目标的分拣、判断及识别，因此操作起来更为方便快捷简单。在推广方面，当前普通摄像头可以作为传感器，人脸识别主要依靠人脸识别软件和算法进行处理，普通摄像头就可以作为采集人脸信息的传感器，推广起来成本比较低，客户也较容易接受。
如今人脸识别发展最快的领域是安防。随着城镇化的进程加快，流动人口比例大大增加，面临的突发事件和异常事件越来越复杂，给城市的安保工作以及视频监控带来了更大的压力。传统依靠人工来盯的方式难免会因疲劳或精神不集中等原因影响监视效果，难以胜任对庞大数据库的分析，从而影响事后查找证据。
于是在国家政策支持下，近些年大力建设平安城市，具有智能分析的视频监控得以广泛应用，大规模动态人脸识别、黑名单监控、人流统计已分布在边疆安防布控、机场、车站、景区、公共场所等。在部分地区的部分领域，人脸识别已经开始被列为使用过程中的强制标准。
这种情况的出现，对于人脸识别的推广无疑是一种非常有力的推动。互联网金融可能会是下一个发展较快的领域。中国由于人口基数大，互联网普及程度高，人脸识别技术全球领先，互联网金融业务通过远程人脸识别身份证件核实的方式进行身份验证，可有效解决面签难题，人脸识别技术有望成为互联网金融行业的标配。
技术在发展 市场超千亿
人脸识别技术并不是近些年才有的，它的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的发展得到提高，进入初级应用是在90年后期，但并没有规模推广开，这是由于当时采用的是基于可见光图像的人脸识别技术。
这种方式有着难以克服的缺陷，在环境光照发生变化时，识别效果会急剧下降，无法满足实际系统的需要。后来出现的三维图像人脸识别和热成像人脸识别等解决光照问题方案，识别效果也不尽人意。直到基于主动近红外图像的多光源人脸识别技术的出现，它可以克服光线变化的影响，在识别性能，在精度、稳定性和速度方面的整体系统性能超过三维图像人脸识别。这项技术在近年发展迅速，使人脸识别技术逐渐走向实用化。
人脸识别是基于人的面部特征信息进行身份识别的一种生物识别技术。首先使用摄像头或者摄像机采集含有人脸的图像或视频，之后根据所提取的人脸图像特征采用相P识别算法进行人脸确认或辨别。随后将已检测到的待识别人脸与数据库中已知人脸进行比较匹配，得出相关信息。该过程的关键是选择适当的人脸表征方式与匹配策略，系统的构造与人脸的表征方式密切相关。一般根据所提特征而选择不同识别算法进行度量，常用的包括距离度量、支持向量机、神经网络、k均值聚类等。
