FaceRecognition.docx

Face Recognition 定义 人脸识别 特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。 人脸识别是一项热门的计算机技术研究领域，它属于生物特征识别技术，是对生物体（一般特指人）本身的生物特征来区分生物体个体。 LFW Labeled Faces in the Wild （户外脸部监测数据库）是人脸识别研究领域比较有名的人脸图像集合，其图像采集自Yahoo! News，共13233幅图像，其中5749个人，其中1680人有两幅及以上的图像，4069人只有一幅图像；大多数图像都是由Viola-Jones人脸检测器得到之后，被裁剪为固定大小，有少量的人为地从false positive中得到。所有图像均产生于现实场景（有别于实验室场景），具备自然的光线，表情，姿势和遮挡，且涉及人物多为公物人物，这将带来化妆，聚光灯等更加复杂的干扰因素。因此，在该数据集上验证的人脸识别算法，理论上更贴近现实应用，这也给研究人员带来巨大的挑战。 FDDB ? FDDB全称Face Detection Data Set and Benchmark，是由马萨诸塞大学计算机系维护的一套公开数据库，为来自全世界的研究者提供一个标准的人脸检测评测平台，其中涵盖在自然环境下的各种姿态的人脸，作为全世界最具权威的人脸检测评测平台之一，FDDB使用Faces in the Wild数据库中的包含5171张人脸的2845张图片作为测试集，而其公布的评测集也代表了人脸检测的世界最高水平。? 300-w 人脸关键点定位 FRVT Face Recognition Vendor Test 人脸识别供应商测试，由美国国家标准技术研究所定制。更趋近于现实应用的人脸识别测试。 FRVT与LFW的比较 两种人脸识别测试源自美国不同机构。 识别的面相对象及目的也不近相同。 二者使用的数据样本，在数量级上差别很大。 前者更注重于现实应用的效果测试， 后者更注重于实验室范围内算法准确率测试。 国内很多做面部识别的企业和研究机构基本上以LFW的测试数据为准。 由于LFW 是一个开放性的人脸数据库， 测试方可下载测试数据进行训练和测试， 经过调整的算法和通过对数据的强化学习手段， 测试机构普遍能拿到一个非常高的分数。但是有针对性的优化并不能体现真实应用中的效果 国内人脸识别 现状及产业 国内人脸识别技术应用刚刚进入起步阶段。市场上尚未出现一款具备大规模推广的应用技术或者产品。更多的是偶尔出现的对人脸识别的学术性报道及未来应用市场前景的展望。归根到底的原因是Face Recognition 技术发展还不成熟， 无法满足人们对日常生活场景的识别需要。虽然有些人脸识别技术的应用在实验室已经达到很高的识别率， 但是实验室追求高识别率的代价是牺牲了计算性能和计算时间为代价的。 BAT 布局 Face Recognition 技术在未来的金融领域， 安全领域，日常生活领域所具备的潜在市场价值已经无需置疑。 国内众多企业及机构早已涉猎其中，进行技术研发及产业布局。 中国互联网行业BAT三巨头： 阿里巴巴公司使用FACE++公司技术（阿里入股face++） 腾讯建立了优图人脸识别研究团队 百度2012年成立了“百度研究院深度学习实验室” BAT三巨头业务发展现状 阿里巴巴 2015年德国汉诺威CeBit展上，支付宝将会亮相它的新功能人脸支付。该技术由Face++公司提供。 Face++ 公司是国内BAT巨头中唯一一家已经技术商用化的公司， 公司网站上已经向开发者提供人脸识别在API 和离线SDK工具。 目前使用Face ++技术的 国内知名公司和软件有 美图秀秀，美颜相机，陌陌，世界佳缘婚恋，联想，支付宝等。 Face++ 2015年完成与平安银行、江苏银行、中信银行的人脸识别项目的签约。 腾讯优图 优图有自己的强项。 第一，依托腾讯平台，算法模型落地到产品形成很好的闭环，所以优图的技术最贴合实际用户。 第二，优图人脸识别技术在微众银行、财付通等产品中即将外发，是最快大规模实用的，这也说明我们的技术水平已经达到可实用水平。 第三，活体检测是人脸识别实际应用很关键的一步，这方面腾讯优图有自主创新方案，有效结合语音、唇语、面部表情等各种手段，可以立体化的防范照片、视频和人头模型的攻击，使用的产品体验也更好 百度研究院深度学习研究院 百度深度学习研究院（Institute of Deep Learning，IDL）是百度历史上首个正式成立的前瞻性研究机构，致力于成为百度的 “Artific