人脸识别的基本原理 人脸检测识别( 二 )


人脸识别的基本原理 人脸检测识别

文章插图
 数字7当新输入一张图像后,程序会自动计算它的矩阵与这些矩阵的相似度 。相似度计算可使用的公式很多,比如可以使用百分比,距离等 。简单起见,就使用两个矩阵对应元素之差的绝对值之和或者平方和等,计算机进行快速运算,找到最相似的矩阵,然后将其所代表的数字进行输出 。当输入以下内容时,经过简单计算,可以知道输出结果为 7 。
人脸识别的基本原理 人脸检测识别

文章插图
 四、人脸表示既然可以用矩阵来表示图片,人脸也是照片,那么也可以用同样的方法来进行表示,下面的这张人脸可以表示为:
人脸识别的基本原理 人脸检测识别

文章插图
 人脸照片
人脸识别的基本原理 人脸检测识别

文章插图
 矩阵表示五、人脸识别虽然被叫做人脸识别,但更准确的名字应该是「人脸比对」 。人脸识别的背后,是一张待比对图片和人脸底库中的所有照片进行比对,从而判别图片中人员的身份 。一般来说,待比对照片就是我们在日常生活中被各种设备所采集的照片,比如通过人脸识别考勤机抓拍的照片 。由于环境、姿势等原因,采集的照片具有很大的差异,导致比对成功率不高 。为了提升比对的成功率和速度,很多时候会同时抓拍多张人脸进行识别,但每次比对的时候输入照片只有一张 。
人脸识别的基本原理 人脸检测识别

文章插图
 所谓的人脸底库就是我们在系统中提前录入的人脸照片,照片和我们的名字一一对应 。根据人脸底库中照片数量的不同,可以将人脸比对分为1:1和1:N,由于数量不同这两种方法的计算量和计算方法也不尽相同 。1. 1:11:1最常见的场景就是人证比对,比如我们在乘高铁时所遇到的这种设备 。前面的1代表我们从设备中采集的照片,而后面的1代表身份证中的照片,通过将现场采集的照片和身份证中存放的照片进行比对,通过判别持证人是否为本人 。这种情况下只涉及到两张图片的比对,计算量相对较小 。可能用在火车票安检等场景中,所以要求的精度较高 。身份证中的照片像素较小,通过市面上的身份证读卡器读取出来的照片仅为100*100像素左右,给精度带来了一定的挑战 。目前这个领域相对成熟,使用场景正在逐步铺开 。2. 1:N1:N是1张人脸和底库中的N张人脸进行比对 。比如在考勤机中,我们的人脸底库中包含全公司的所有人脸照片 。当上班打卡时,考勤机采集到人脸输入系统,经过比对后输出员工身份 。这种情况下计算量相对较大,时效性和识别精度太低又会影响用户体验,所以厂商一般会综合考虑权衡,在设备的参数中标注所支持的人脸数量 。这一波人工智能的发展,带动了1:N领域人脸识别技术的进步,更多的产品能够在各个场景中落地 。比如智慧城市、智慧家居等 。国内厂商也借着这一波东风,加快技术研发和产品落地,诞生了著名的AI视觉四小龙等独角兽 。今天梳理了人脸识别的基本原理,整个实现过程虽然看起来很简单,但技术却在基本原理的基础上持续完善和进步,最终达到比较好的效果 。下次我们将讨论在复杂场景下人脸识别遇到的挑战及解决方案 。作者:AIoT产品,10年B端产品设计经验;微信公众号:AIoT产品本文由@AIoT产品 原创发布于人人都是产品经理 。未经许可,禁止转载题图来自Unsplash,基于CC0协议


以上关于本文的内容,仅作参考!温馨提示:如遇健康、疾病相关的问题,请您及时就医或请专业人士给予相关指导!

「四川龙网」www.sichuanlong.com小编还为您精选了以下内容,希望对您有所帮助: