人脸识别系统究竟是如何识别人呢？

首先感谢新农商网的邀请，人脸识别系统到底是如何找到人的？

人脸识别系统是基于人的脸部特征信息进行身份识别的一种生物识别技术。使用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别和对比的一系列相关技术，通常也叫做人像识别、面部识别。

当我们需要找某一个人的时候，我们需要将一张符合要求的需要找的那一个人的图片/照片上传到系统中，然后人脸识别系统会在当前系统的录像内进行检索，“类似”的人脸照片和上传的照片，进行对比，会对比出相似度比较高的人脸的照片，然后我们就可以根据相似度最高的照片去检索那一段出现这张人脸的录像。

还有一种先在监控系统中上传人脸图像，输入姓名、性别、名称等等属性，在系统中设置VIP名单、白名单、黑名单等，然后根据需求设置名单报警，当某一个在名单中的人某一天出现在这个人脸识别监控系统的监控摄像机画面中，人脸被抓拍到，监控系统会立即弹出告警信息提示和将这段告警录像区别储存下来，监控人员就可以根据告警信息找到相关录像查看当前人员的运动轨迹等等。

现在很多人脸识别系统应用在店铺中，可以设置VIP会员提醒可以更好的提供优质的服务，也可以为员工打卡考勤，甚至将盗窃的惯犯等设置进黑名单中防范，提高店铺的安全。

还有现在的人脸识别监控系统可以判别监控系统画面中的人的年龄、性别、眼镜、帽子、口罩、胡须、衣服类别、发型、情绪等特征。

现在的人脸识别系统应用很广泛不仅限于手机上的人脸识别解锁、人脸识别付款还有应用于我们安防行业的道闸、门禁、监控摄像机等等。未来的监控会越来越智能，效果会越来越高清，储存时间会更久。为我们建设平安中国增添一份助力！

很高兴能够看到和回答这个问题！

什么是人脸识别？

生物识别认证是指通过计算机与光学、声学、生物传感器、生物识别技术的连接等高科技手段，利用人固有的身体特征，如指纹、声纹、人像、虹膜等进行身份认证。

在生物特征识别领域中，一种没有物理特征的人脸识别方法。它是通过人脸识别算法，对终端设备上的摄像头所拍摄的行为进行识别的方法。面部区域由原始行为方法获得，识别算法 在中提取人脸属性，并根据这些特征进行识别的方法。

人脸识别的第一步是从原始图像中提取感兴趣的区域。现在，我们主要通过原始图像导入通道或视频流来获取原始图像。

基于统计的人脸检测方法

（1）举例说明。目前，国际上广泛采用人工神经网络，可以区分非人员样本和非人员样本。

（2）子空间法：人脸识别采用主子空间(特征人脸)，人脸识别采用子空间(人脸轮廓识别的附加空间)。根据控制区域子空间的投影能量，即与待检测区域的距离来确定数值。距离越小，人脸越漂亮、越明亮。同时，由于没有利用反采样提取的信息，所以对与人脸相似的物体识别能力不足。

（3）空间匹配滤波法，包括各种模式匹配法、人工特征分离法等。

任何人脸图像（减去平均人脸）都可以在子空间中进行投影，得到权重向量。计算该向量与每个人的权重向量之间的欧氏距离，得到人脸图像轮廓对应的最小距离，作为轮廓测试。下图是人脸识别建模、比对流程。

人脸识别系统是如何找到人的？

一般为三个步骤。

(1) 建立人员、人员和档案。即用相机收集小组成员的人像档案或照片，并生成图片

码进行存储。

(2)获取当前人像

即通过使用摄像头采集当前输入输出图像，或接收输入照片，生成当前档案的图片代码。

(3)将当前代码与档案盘点进行对比。

对当前配置文件进行编码，以便与存档中的配置文件编码进行比较。图片编码法是根据人脸的本质和开始。这种编码可以抵抗光线、肤色、面部毛发、发型、眼镜、表情和姿势的变化。它具有更高的可靠性，可以准确识别百万分之一的人。

人脸识别技术特点？

目前，常用的生物识别方法，如高功能、快速、简单、准确的人脸识别，与其他人体生物识别技术相比，具有明显的技术优势。

1. 快速、无干扰

人脸识别方法具有快速、简单、不美观、被动协调的特点，不需要人为干预。

其余的人体生物识别方法都是干扰，需要人体被动的进行交互。而人脸识别不需要对人的行为进行干扰，你要从摄像头前快速通过，你的外貌就会被快速组装和检查，所以很简单。

2. 准确性和直观性

人脸识别具有良好的防伪、防骗、准确、直观、方便等特点。

与其他人体生物特征相比，人脸识别是最明显、最可靠、最准确的，所以是一种很好的防伪防骗方法。下图是人脸识别技术与其他生物识别技术的比较：

拓展：人脸识别技术的发展

人脸识别的最新发展是，摄像头可以搜索人们进行识别活动的图像，而不仅仅是识别静态照片。例如，美国新泽西州维斯威克公司最近开发的一种轮廓识别系统，可以通过摄像头和微型计算机识别人群中的个人。

此外，德国ZN Phantomas公司还可以处理一系列由受害者描绘的可疑图像。这种产品也适合在英国使用。下图是人脸识别行业发展趋势，我们可以看到人脸识别正处于大面积推广和使用当中。

Tech Identification Systems和Volensic Security Services Inc.都倾向于隐形，即他的优点是不受光线影响，在黑暗中工作，就像白天一样。

除了标准的视频采集人体图像外，最近还有一种趋势是使用热成像技术。这种技术可以通过分析面部毛细血管血液产生的热线，形成面部图像。热成像技术即使在黑暗的环境中也不需要较好的照明。而且能更好的消除由胡须、头发和化妆品造成的面部干扰。

以上便是我的一些见解和回答，可能不能如您所愿，但我真心希望能够对您有所帮助！不清楚的地方您还可以关注我的头条号“每日精彩科技”我将竭尽所知帮助您！

码字不易，感觉写的还行的话，还请点个赞哦！

监视器上，熙熙攘攘的人群中，屏幕上的锁定框在行人的脸上快速跳跃、搜索。一旦与数据库中的照片相匹配，系统会自动发出警报。具体如下：如今，大片中这种“天眼”已经在沈阳成为现实。根据央视新闻报道，不久前，沈阳的地铁站安装了人脸识别系统，这个系统每秒钟可以扫描30张行人的照片，并且对他们进行面部分析。这个系统安装运行仅仅27小时，就成功识别出两名被列为网上逃犯的犯罪嫌疑人。每经小编了解到，目前人脸识别系统最高的正确率可以达到99%以上，而人眼在同等条件下识别的正确率仅为97.52%，人脸识别精度已经超越人眼。近年来，人脸识别技术得到了越来越多的运用，甚至被用来抓行人闯红灯、发厕所纸，但随着运用场景的扩大，对于人脸识别技术的争议也逐渐增多。沈阳人脸识别系统已抓获3名逃犯据辽沈晚报报道，在沈阳人脸识别系统试运行的地铁站内，6组高清摄像头被分别架设在“乘客的必经之路”等重要位置，只要有人在设置好的摄像头下经过，将被连续拍摄20至30张不同角度的照片，与数据库进行比对，一旦相似度评分超过83分，系统会自动报警。同时，一旦发现被抓拍者与数据库中网上逃犯照片相似，系统还会同时对目标拍摄10秒钟的即时视频，以便留存证据。据技术人员介绍，目前为止，准确率可以达到90%以上，但偶尔系统的确存在误报的情况，试运行10天，目前误报发生过两三次。据介绍，自从5月22日试运行以来，警方依靠该系统已经成功抓获3名网上逃犯。沈阳警方表示，如果试运行期效果明显，将考虑将其进一步普及，其或将成为沈阳警方打击犯罪，抓捕逃犯的又一个高科技利器。刷脸支付、抓行人闯红灯、发厕纸每经小编注意到，正如上述沈阳地铁通过人脸识别技术抓获逃犯，从十几年前运用人脸识别构建门禁系统开始，安防就是人脸识别最重要的应用领域。近些年，随着人脸识别精度的提高，交通、金融、教育等领域也开始越来越多地运用人脸识别技术。2015年3月在德国举行的汉诺威IT博览会（CeBIT）上，马云演示了蚂蚁金服的Smile to Pay扫脸技术，亲自用人脸识别技术在淘宝网上购得一枚1948年的汉诺威纪念邮票，作为嘉宾礼物。据北京晚报报道，由于存在部分游客在北京天坛公园内过度取用厕纸的不文明行为，今年3月天坛公园开始使用“人脸识别厕纸机”，利用技术手段控制厕纸使用量。游客只要站在厕纸机对应的特定识别区，面朝厕纸机上的人脸识别屏幕，全程十几秒就会有厕纸从出纸口滑出，同一个人只能每隔九分钟取一次纸。据生活日报报道，今年5月，为了治理行人和非机动车闯红灯，济南放大招，交警部门研发了行人和非机动车闯红灯自动抓拍设备，通过人脸识别技术，自动确认违法人身份信息。违法行为人的违法信息将被录入公安交通管理诚信信息平台，公安交警部门还会将当事人交通违法信息函告填工作单位或社区居委会，并通过电视媒体和网络平台进行同步曝光。正是应用场景的增多，人脸识别的前景被普遍看好。国海证券的研究报告称，《2015全球安防设备市场报告》显示，我国人脸识别市场规模从2012年的16.7亿元，上升至2015年的75亿元。云从科技创始人周曦预测，“未来五年之内，国内人脸识别的市场规模可能将达到1000亿元。”同时根据国海证券测算，人脸识别主要应用领域市场规模，公安领域16亿以上、交通领域50亿以上、金融领域百亿级别、教育领域百亿级别。图片来源：国海证券安全性仍有待提升不过，在人脸识别技术不断扩大应用的同时，其安全性也受到质疑，尤其是在关乎个人财产安全的金融支付领域。今年3・15晚会对刷脸漏洞的曝光，更是将这一焦虑刺激到了顶点。晚会上，主持人通过网络上随便找来的一张人物自拍，通过简单的图像处理和动态合成技术，将网络人脸合成到事先准备好的视频上，覆盖原视频的人脸，就能简单骗过一些通过面部识别作为认证信息的软件。晚会还提示，目前市面上很多的软件都可以通过面部识别替代传统的密码，而通过这种方式原则上是可以绕过人脸识别的。在人脸识别的安全漏洞被曝光后，百度、支付宝、商汤科技等互联网企业纷纷在第一时间发表声明，表示已经预见到了这种风险，并提醒群众注意保护账户安全。专家表示，现阶段人脸认证技术还不能在所有场合做到非常成熟，在涉及个人隐私、财产等重要信息的场景，建议启用多重认证方式。

人脸识别系统就是用来通过前端摄像机抓拍人脸、后端比对分析来找人的。但派出所不会为了任意人的任意事就去比对人脸的，公职人员也是不能随意比对人脸的，要想使用人脸识别系统功能是有一套流程程序要走的。

是不是通过人脸识别系统肯定能找到人呢？

不是的。能否通过人脸识别系统找到人取决于以下几个因素：

1，要找的人必须从摄像机底下经过并被拍到。

2，摄像机抓拍到人脸并识别出。

3，后端要有大数据分析比对服务。

4，人脸抓拍受环境、抓拍率、识别率等因素影响，一般准确率不能100%。

关于人脸识别系统的几点知识普及：

1，人脸识别有两种模式：一种是前端摄像机进行人脸分析。前端安装的人脸识别专用摄像机，抓拍识别人脸后直接传输照片到后端平台进行比对分析；一种是后端平台进行人脸分析。前端安装的普通监控摄像机，摄像机将视频码流传输到后端，后端的视频结构化处理服务器对视频进行分析，将其中出现的人脸进行分析出，分析出后进行比对应用。

2，一般如何应用人脸识别系统查找人嗯？将要查找的人脸图片在系统后端进行布控，人脸识别系统通过前端找到相应人脸后后端实时告警提示，一般各厂家产品准确率各异，人脸识别系统查找到后需要后端人员进行二次比对。

人脸识别API接口是基于人的脸部特征数据进而对其展开身份识别的一种最新前端生物技术，根据摄像拍摄收集包括人脸的图片或视频流，由此自动在图片或视频中识别和跟踪人脸，进一步对捕捉到的人脸进行脸部识别的一系列相关技术。

那么，常见的人脸识别API接口都有哪些呢？

人脸对比API

人证比对

活体检测

防Hack

人脸识别API

人脸识别API-活体检测-运营商三要素-云极

https://api.yunjimarket.cn/

这个技术最主要就是肌肉组织辨别，人的肌肉组织都是有区别的，所以才会说即使双胞胎都无法匹配。

人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。

解释起来就是：每个人的面孔都由额头、眉毛、眼睛、鼻子、嘴巴、双颊等部位组合而成，它们之间的大致位置关系也是固定的。人脸具有唯一性，这个世界上找不出两张完全相同的人脸，人们通常能够根据不同面孔之间的细微差异将不同人区分开来。

人脸识别是采用AI技术，通过活体检测同时在脸部投射3万个点（也就是面部结构）后与系统数据进行比对，失误率是百万分之一！即使四胞胎都可以完美识别，所以安全性较高

大概04年左右，工作原因接触过人像识别系统，那时候主要是给技侦和交警部门提供技术支持，首先要有一个庞大的数据库支持才行的，所有普通人就不要考虑了，当时的技术能够达到90%的准确率就相当不错了，当时交警用于识别一些面目全非的交通事故，烧烫伤等等甚至一些五官都缺失了，不完整脸同样能够识别身份，而且准确率都在70%以上，技侦用于识别无名尸，碎尸和被毁容的，还有只能够分辨出大概的五官位置的，或者只要能够通过技术手段，将散落的拼凑出部分五官都能够识别，那些希望通过什么口罩，墨镜的，就更别想逃过法眼了，所以，一定要遵守法律。

作者：小时，公众号：时耕科技（SG-TIMEWORK）：深耕商业地产14年，现已形成以大商圈、智慧园区及IT服务为三大核心业务的软件企业。服务过华润、万达、华侨城、碧桂园文旅、大悦城等中国知名商业地产50强客户。

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。通常采用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸。

系统由前端人脸抓拍采集子系统、网络传输子系统和后端解析管理子系统组成，实现对通行人脸信息的采集、传输、处理、分析与集中管理。系统中，前端人脸采集设备负责人脸图像的采集，接入服务器主要实现图片及信息的接收和转发功能，可为多种型号、多个厂家的抓拍机提供统一接入服务，接收到的抓拍图片存入云存储单元，并由人脸结构化分析服务器对抓拍的视频及图像进行建模以及黑名单实时比对报警，建模得到的人脸信息以及模型数据存入大数据单元。后端解析应用平台则根据用户的应用需要，支持实时人脸抓拍、检索等功能，可向用户提供黑名单库与抓拍图片的实时比对信息，为快速高效查到可疑目标提供服务。

人脸识别系统以“人员轨迹查询、身份确认、人员布控”三大业务需求为主线，结合“事前预警、事中布控、事后侦查”应用模式，从“搜人、判人、控人”三个维度规划人像大数据应用系统功能，形成“人员踪迹查询、人员身份研判、人员布控预警”三大业务功能；同时辅以系统管理、移动应用需求，建立对应的“系统安全管理、人像“APP”两大增值功能，将业务应用与人性化管理机制进行有机结合，创新基于人像大数据的综合实战化应用模式。

不过，值得注意的是，人脸识别系统极易受到各类蓄意的仿冒攻击，常见手段包括盗用合法用户人脸照片、盗用合法用户人脸视频及盗用三维人脸面具等。为应对人脸照片冒用，很多人脸识别系统加入了生物活性检测(眨眼、张嘴、摇头等)手段，但攻击者仍可以利用视频播放和自动化人脸动效等技术比较容易地逃过检测。攻击者借助人脸关键点定位和自动化人脸动效技术，通过将自拍照由静态改为动态，可以完成刷脸登录需要的眨眼、张嘴等动作。

欢迎关注时耕科技（SG-TIMEWORK），获取更多商业数智化服务

人脸识别系统主要包括四个组成部分，分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。

人脸图像采集及检测

人脸图像采集：不同的人脸图像都能通过摄像镜头采集下来，比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时，采集设备会自动搜索并拍摄用户的人脸图像。人脸检测：人脸检测在实际中主要用于人脸识别的预处理，即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富，如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。人脸检测就是把这其中有用的信息挑出来，并利用这些特征实现人脸检测。主流的人脸检测方法基于以上特征采用Adaboost学习算法，Adaboost算法是一种用来分类的方法，它把一些比较弱的分类方法合在一起，组合出新的很强的分类方法。人脸检测过程中使用Adaboost算法挑选出一些最能代表人脸的矩形特征(弱分类器)，按照加权投票的方式将弱分类器构造为一个强分类器，再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，有效地提高分类器的检测速度。

人脸图像预处理人脸图像预处理：对于人脸的图像预处理是基于人脸检测结果，对图像进行处理并最终服务于特征提取的过程。系统获取的原始图像由于受到各种条件的限制和随机干扰，往往不能直接使用，必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言，其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。

人脸图像特征提取人脸图像特征提取：人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取，也称人脸表征，它是对人脸进行特征建模的过程。人脸特征提取的方法归纳起来分为两大类：一种是基于知识的表征方法；另外一种是基于代数特征或统计学习的表征方法。基于知识的表征方法主要是根据人脸器官的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据，其特征分量通常包括特征点间的欧氏距离、曲率和角度等。人脸由眼睛、鼻子、嘴、下巴等局部构成，对这些局部和它们之间结构关系的几何描述，可作为识别人脸的重要特征，这些特征被称为几何特征。基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法。

人脸图像匹配与识别人脸图像匹配与识别：提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断。这一过程又分为两类：一类是确认，是一对一进行图像比较的过程，另一类是辨认，是一对多进行图像匹配对比的过程。

类似现在的手机人脸识别，通过摄像头，采集面部细节。还有就是大数据。

经常被网友问到“人脸识别系统是如何找到人的？”，本文将通过实际案例具体分析人脸识别系统的组成、人脸识别系统的架构、人脸布控流程、以及人脸识别系统的具体功能来详细解答网友疑惑。

记得上大学的时候，图像识别是一门选修课。当时有几个比较优秀的学生跟着导师做课题就是人脸识别。因为那个时候计算机的计算能力十分低下，所以做两个图像的人脸识别，需要很长时间。随着科技的发展，人脸识别的算法都可以采用硬件来实现了，也更加经常的出现在我们日常生活当中。

人脸识别的过程大致分为这样几个步骤：

首先，要进行人脸特征的采样

采样就是采用取特征点的算法，将一个人脸从各个角度，按照特征点的位置进行数据的提取。用过支付宝刷脸支付的朋友们都会有印象，在人脸识别验证的时候会让你摇摇头眨眨眼。这样做就是为了保证采样的精度。采样得到的人脸特征数据库，被记录到系统里，准备用于未来进行比对。

然后，在需要识别人脸时，要先对包含人脸的图像进行处理

因为一张由摄像头拍摄的图像里，可能不只有人脸，还包括周边的环境和其他的人员。所以第1步要做的就是把需要识别的人脸从这些环境中分选出来。

将需要的人脸图像筛选出来之后。按照同样的方式将照片中的特征点提取出来，就得到了对比数据。

最后，与系统中的数据进行比对

这里的比对通常有两种方式：一种是按数据库数据比对，通常用于公安系统的追逃或者找人。前不久就有使用人脸识别技术帮助找到了4名被拐卖儿童的例子

另一种是按采集数据比对，是用采集来的数据与数据库中的数据去匹配，多用于身份认证，这个就很常见了。我们坐高铁进站时刷脸，支付宝刷脸支付，住酒店登记刷脸……等等。

当然了，这些计算的过程实际上是十分复杂的，并且大量应用了人工智能的技术。其中的具体过程还涉及到非常多的专利算法与硬件设备，光是特征值的提取就可以做出一大堆博士课题了。

如果觉得我的回答有帮助，请不吝点赞

可以基于 谷歌的 facenet 算法，使用kersa 进行深度学习开发。 目前 经facenet训练出的准确度可达98%

人脸识别一般都是用摄像头，或者物体轮廓感应器，或者点阵器，雷达，来侦测物体，然后在跟数据库的数据进行对比，假如对比一样就会识别成功。

1、人脸识别1:1比对 深圳奥朗德科技人脸识别系统通过人脸识别算法实现上送两张图像进行比对，根据不同渠道的识别率返回比对结果，并将比对通过的图像按照设定规则入库保存。

（1) 图片支持联网核查图片、证件身份芯片、现场抓拍图片。

（2) 能够最大限度的提高识别率，智能的解决像素较低(如芯片图)、逆光、侧光、昏暗、带眼镜、一定角度侧脸等不利条件。

2、人脸识别1:N比对 深圳奥朗德科技人脸识别系统通过上送客户图像，在客户特征库中识别出该将客户身份，并返回该客户的相关信息，如客户信息号、姓名等。系统具有人脸识别 1：N功能，对外提供 1：N比对接口，可根据各系统传送的照片提取特征值，并跟库中模板比对，返回相似度最高的N个人(返回人数可自定义)。

（1)支持现场拍摄客户影响或短视频，并从中提取人脸影响功能。

（2)支持根据影像从人脸数据库中检索出客户信息。

（3)根据检索出的信息，发送到相应操作终端进行后续操作。

人脸匹配与识别的方式，具体有以下两种

1、人脸识别1:1比对 深圳奥朗德科技人脸识别系统通过人脸识别算法实现上送两张图像进行比对，根据不同渠道的识别率返回比对结果，并将比对通过的图像按照设定规则入库保存。

（1) 图片支持联网核查图片、证件身份芯片、现场抓拍图片。

（2) 能够最大限度的提高识别率，智能的解决像素较低(如芯片图)、逆光、侧光、昏暗、带眼镜、一定角度侧脸等不利条件。

2、人脸识别1:N比对 深圳奥朗德科技人脸识别系统通过上送客户图像，在客户特征库中识别出该将客户身份，并返回该客户的相关信息，如客户信息号、姓名等。系统具有人脸识别 1：N功能，对外提供 1：N比对接口，可根据各系统传送的照片提取特征值，并跟库中模板比对，返回相似度最高的N个人(返回人数可自定义)。

（1)支持现场拍摄客户影响或短视频，并从中提取人脸影响功能。

（2)支持根据影像从人脸数据库中检索出客户信息。

（3)根据检索出的信息，发送到相应操作终端进行后续操作。

以上就是人脸识别系统是如何进行人脸匹配与识别的，希望对你有所帮助

人脸识别是采用AI技术，通过活体检测同时在脸部投射3万个点（也就是面部结构）后与系统数据进行比对，失误率是百万分之一！即使四胞胎都可以完美识别，所以安全性较高

人脸识别系统主要包括四个组成部分，分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。

人脸图像采集及检测

人脸图像采集：不同的人脸图像都能通过摄像镜头采集下来，比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时，采集设备会自动搜索并拍摄用户的人脸图像。

人脸检测：人脸检测在实际中主要用于人脸识别的预处理，即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富，如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。人脸检测就是把这其中有用的信息挑出来，并利用这些特征实现人脸检测。

主流的人脸检测方法基于以上特征采用Adaboost学习算法，Adaboost算法是一种用来分类的方法，它把一些比较弱的分类方法合在一起，组合出新的很强的分类方法。

人脸检测过程中使用Adaboost算法挑选出一些最能代表人脸的矩形特征(弱分类器)，按照加权投票的方式将弱分类器构造为一个强分类器，再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，有效地提高分类器的检测速度。

人脸图像预处理

对于人脸的图像预处理是基于人脸检测结果，对图像进行处理并最终服务于特征提取的过程。系统获取的原始图像由于受到各种条件的限制和随机干扰，往往不能直接使用，必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言，其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。

人脸图像特征提取

人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取，也称人脸表征，它是对人脸进行特征建模的过程。人脸特征提取的方法归纳起来分为两大类：一种是基于知识的表征方法；另外一种是基于代数特征或统计学习的表征方法。基于知识的表征方法主要是根据人脸器官的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据，其特征分量通常包括特征点间的欧氏距离、曲率和角度等。人脸由眼睛、鼻子、嘴、下巴等局部构成，对这些局部和它们之间结构关系的几何描述，可作为识别人脸的重要特征，这些特征被称为几何特征。基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法。

人脸图像匹配与识别

提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断。这一过程又分为两类：一类是确认，是一对一进行图像比较的过程，另一类是辨认，是一对多进行图像匹配对比的过程。

人脸识别系统以人脸识别技术为核心，是一项新兴的生物识别技术，是当今国际科技领域攻关的高精尖技术。它广泛采用区域特征分析算法，融合了计算机图像处理技术与生物统计学原理于一体，利用计算机图像处理技术从视频中提取人像特征点，利用生物统计学的原理进行分析建立数学模型，具有广阔的发展前景。2006年，美国已经要求和它有出入免签证协议的国家在10月26日之前必须使用结合了人脸识别的电子护照系统，到 2006年底已经有50多个国家实现了这样的系统。2012年4月，铁路部门宣布车站安检区域将安装用于身份识别的高科技安检系统人脸识别系统；可以对人脸明暗侦测，自动调整动态曝光补偿， 人脸追踪侦测，自动调整影像放大。

中文名

人脸识别系统

核心

人脸识别技术

特点

新兴的生物识别技术

性质

高精尖技术

系统简介

人脸识别系统具有广泛的应用：人脸识别出入管理系统、人脸识别门禁考勤系统、人脸识别监控管理、人脸识别电脑安全防范、人脸识别照片搜索、人脸识别来访登记、人脸识别ATM机智能视频报警系统、人脸识别监狱智能报警系统、人脸识别RFID智能通关系统、人脸识别公安罪犯追逃智能报警系统等等。

人脸识别系统

适用范围： 公园、工厂、超市、小区广场、会议中心、体育场馆、学校、医院、住宅区、商业街、大型农贸市场等公众活动和聚集场所的重要部位，酒店（宾馆）、餐饮、娱乐场所、办公楼的大堂出入口、电梯和其他主要通道等室内外范围的监控录像用途。

功能模块

人脸捕获与跟踪

人脸捕获是指在一幅图像或视频流的一帧中检测出人像并将人像从背景中分离出来，并自动地将其保存。人像跟踪是指利用人像捕获技术，当指定的人像在摄像头拍摄的范围内移动时自动地对其进行跟踪。

人脸识别系统

人脸识别比对

人脸识别分核实式和搜索式二种比对模式。核实式是对指将捕获得到的人像或是指定的人像与数据库中已登记的某一对像作比对核实确定其是否为同一人。搜索式的比对是指，从数据库中已登记的所有人像中搜索查找是否有指定的人像存在。[1]

共3张

人脸识别

人脸建模与检索

系统可以将登记入库的人像数据进行建模提取人脸的特征，并将其生成人脸模板（人脸特征文件）保存到数据库中。在进行人脸搜索时（搜索式），将指定的人像进行建模，再将其与数据库中的所有人的模板相比对识别，最终将根据所比对的相似值列出最相似的人员列表。

真人鉴别

系统可以识别得出摄像头前的人是一个真正的人还是一张照片。以此杜绝使用者用照片作假。此项技术需要使用者作脸部表情的配合动作。

图像质量检测

图像质量的好坏直接影响到识别的效果，图像质量的检测功能能对即将进行比对的照片进行图像质量评估，并给出相应的建议值来辅助识别。

人脸识别系统

系统应用

普遍应用

人脸识别系统其实是台特殊的摄像机，判断速度相当快，只需要0.01秒左右，由于利用的是人体骨骼的识别技术，所以即使易容改装，也难以蒙过它的眼睛。而且“人脸识别系统”具有存储功能，只要把一些具有潜在危险性的“重点人物”的“脸部特写”输入存储系统，重点人物如擅自闯关，就会在0.01秒之内被揪出来，同时向其他安保中心“报警”。另外，某些重要区域如控制中心只允许特定身份的工作人员进出，这时候面部档案信息未被系统存储的所有人全都会被拒之门外。

人脸识别系统

与此前的指纹识别系统相比，人脸识别系统有很多的改进。指纹技术的使用寿命不如人脸识别系统，使用成本也高于人脸识别系统。由于沾水、沾汗、沾灰，还有传感器只能在室内使用等原因，指纹识别系统在露天户外使用的可能性很小。而用于人脸识别的摄像机一天24小时都可工作，第一它不侵犯人权，第二它是很安全的，无论室内还是户外均可使用。人脸识别系统意味着每个人的脸上都贴着名字，外人看不见，但监控系统能看得见。包括外国人，从踏入中国的一瞬间，他的图像和个人资料就会进入电脑的控制中心，不管在什么地方出现，都可认出此人。而且被观察的人不知道有设备在监视他，起到了科技奥运、文明奥运的功能。

系统运作

2012年4月，铁路部门公布招标公告，对京沪高铁安检区域人脸识别系统工程进行公开招标，上海虹桥站、天津西站和济南西站三个车站安检区域将安装用于身份识别的高科技安检系统人脸识别系统。

业内人士透露，现在有的人脸识别技术在抓取出人脸后，会把焦点对准眉骨到下颚这一倒三角区域，找出该区域的数千个点位，这些点位组成一套数学模型，通过复杂的数学方式计算人脸的相似度，因此准确度很高。[2]

2012年11月，武汉公安正构建一套高精准人脸识别系统，建成后能在1秒钟内比对1亿次图像，瞬间可辨认嫌疑人。这套系统主要通过安装在城市道路路口、两侧以及公交车上的25万个视频探头进行图像采集。视频监控将捕捉到的人像，与后台数据中犯罪嫌疑人面部特征进行精确比对，可在几秒内锁定犯罪嫌疑人。这套系统将在明年3月投入实战应用。

目前，武汉警方已建成以信息采集、分析研判、信息指导行动三项机制以及视频监控系统和警用地理信息系统为支撑的动态信息化警务系统。

三峡秭归县于2011年8月启动“人脸识别系统”，建立了退休人员动态信息库。每年9月至次年3月进行退休人员资格认证。截止到2012年12月10日完成离退休人员认证8135人，其中，网上视频认证194人。

2012年11月底，全市所有机关事业经办机构都启用人脸识别系统进行领取养老金资格建模认证工作，2013年5月底完成初次建模工作。若超过期限没有进行身份验证的离退休人员，社保管理系统将会自动停发其养老金。首次建模成功后，退休人员可以就近通过互联网和摄像头自行完成身份认证。

科研进展

人脸识别支付系统

2013年，中国科学院重庆绿色智能技术研究院智能多媒体技术研究中心启动了以人脸识别为核心技术的人脸识别支付方式的研究。[3]

截止2014年8月，该中心已经完成了人脸识别支付系统的关键性技术研究。该中心全球首创的人脸数据采集阵列，能够从91个角度对人脸同步采集，能对人脸识别影响最大的多变光照、多角度、遮挡等状态进行最优的识别效果。智能多媒体技术研究中心的人脸识别系统已应用在边检站自动通关系统、动态人脸识别考勤机、多属性动态人脸识别系统等。在此基础上，中心研发出了人脸识别移动支付系统，已能够实现支付只需“刷脸卡”。[4]

行业应用

教育机构

电信局、广播、传媒

政府机构

国际会议

航空服务业

高档小区

医疗行业

系统难点

人脸识别被认为是生物特征识别领域甚至人工智能领域最困难的研究课题之一。人脸识别系统的困难主要是人脸作为生物特征的特点所带来的。

相似性

不同个体之间的区别不大，所有的人脸的结构都相似，甚至人脸器官的结构外形都很相似。这样的特点对于利用人脸进行定位是有利的，但是对于利用人脸区分人类个体是不利的。

易变性

人脸的外形很不稳定，人可以通过脸部的变化产生很多表情，而在不同观察角度，人脸的视觉图像也相差很大，另外，人脸识别还受光照条件（例如白天和夜晚，室内和室外等）、人脸的很多遮盖物（例如口罩、墨镜、头发、胡须等）、年龄等多方面因素的影响。

在人脸识别中，第一类的变化是应该放大而作为区分个体的标准的，而第二类的变化应该消除，因为它们可以代表同一个个体。通常称第一类变化为类间变化（inter-class difference），而称第二类变化为类内变化（intra-class difference）。对于人脸，类内变化往往大于类间变化，从而使在受类内变化干扰的情况下利用类间变化区分个体变得异常困难。

用户配合度

现有的人脸识别系统在用户配合、采集条件比较理想的情况下可以取得令人满意的结果。但是，在用户不配合、采集条件不理想的情况下，现有系统的识别率将陡然下降。比如，人脸比对时，与系统中存储的人脸有出入，例如剃了胡子、换了发型、多了眼镜、变了表情都有可能引起比对失败。也就是说，人如果发生较大变化，系统可能就会认证失败。光照、姿态、装饰等，对机器识别人脸都有影响。

系统方案

“平安城市”布防追逃系统方案

近年来，我国整体经济实力显著增强，但社会治安状况也日趋复杂，公共安全问题不断凸显，城市犯罪突出，手段不断更新、升级。这些都迫切要求加快发展以主动预防为主的视频监控系统。而且自美国“9·11事件”和伦敦地铁爆炸案之后，应对突发事件的城市应急防范系统成为新的安防建设热点。

2005年9月中国公安部正式启动城市联网报警与监控系统建设（3111工程），将在全国范围内，在省、市、县三级开展报警与监控系统建设试点工程，推动了“平安城市”的建设步伐。2006年中治委确定社会治安综合治理“八大要点”，更是将“广泛深入地开展平安建设”列在了第一位。

随着中国各级政府构建“和谐社会”及“数字城市”战略的实施，目前城市监控和报警系统正在全国范围内得到有效推动。

城市报警与监控系统建设既是“数字城市”的核心系统，也是社会治安防控体系的重要组成部分。从最初第一批由北京、杭州、苏州、济南等四个城市开始做试点，到第二批包括中西部地区15城市在内的数十个示范城市加入，据统计，到2008年，示范城市总量已达到180多个。

“数字城市”的建设直接推动了视频监控的迅速发展，随着示范城市新增报警监控设施规模不断扩大，其当前需求增量已超过了前十多年的总和。数据显示，近年来，国内视频监控市场的需求总量年复合增长率均达20%以上。以北京为例，现已安装摄像机26万多个；在中国信息技术的前沿——深圳市，将部署以30万部摄像机构成的安全监控网络，中国最大的城市广州，监控规模将为深圳的两倍。而随着示范工程的整体推进、北京奥运会、上海世博会的举办以及国民经济水平的持续提升，安防监控技术也将迎来一个个新的高峰成长期。

数字城市项目是一个综合性的超大型管理系统，不仅需要满足治安管理、城市管理、交通管理、应急指挥等需求，而且还要兼顾灾难事故预警、安全生产监控等多方面对图像监控的需求，同时还要考虑报警、门禁等配套系统的集成以及与广播系统的联动，而在监控系统中，摄像机的覆盖面主要包括：主要街道、主要办公场所、展览场所、网吧、酒店、娱乐场所、公园、火车站、汽车站乃至长途及所有公交车辆。城市监控网络建成后，再将原有的银行、海关、乃至各小区的自由监控网络纳进来，此时，监控网络将成为由数十万甚至百万的摄像机组成的大型监控与报警系统。

但在城市治安管理中，由于城市地方扩大、人口增加等原因，公安警力的增加远远不能满足实际需求的速度，因而需要利用城市安防监控系统，将科技手段转化为直接战斗力。由此，需将城市重点区域监控、交通干道监控、卡口监控、娱乐场所监控、监狱监控、审问室与法院远程监控等系统与城市中各派出所及上级公安分局到市局进行多级联网。从而至少保证事件发生时，公安机关相应部门能第一时间把握现场画面情况，并协助上级指挥现场，以提高管理者的管理效率。

在一些大型的安防视频监控系统中，监控系统几乎沦为一种提供事后取证录像的工具。如城市监控，一般有上千甚至上万个监控点，仅依靠工作人员，根本无力管理和监视。显然，这样的安防监控系统，也丧失了原来拥有的预防能力。

现在，各地正在酝酿的城市治安监控系统，多是以视频监控与报警联动为代表的城市治安防控体系。在这种安防监控系统中，一般采用传统的系统配置模式：即集中式地建设监控中心，将视频数据上传至集中式设置的视频服务器，并在该集中节点进行数据存储；在视频采集点上，一般采用视频采集器，控制多路视频摄像头。该视频采集器采用宽带线路，或是采用无线网卡，在带宽不足的情况下，可能会采用多路无线线路捆绑的方式连接公众互联网，与同样连接在互联网上的视频监控中心进行数据传输。

技术原理

人脸识别内容

人脸识别技术包含三个部分：

(1)人脸检测

面貌检测是指在动态的场景与复杂的背景中判断是否存在面像，并分离出这种面像。一般有下列几种方法：

①参考模板法

首先设计一个或数个标准人脸的模板，然后计算测试采集的样品与标准模板之间的匹配程度，并通过阈值来判断是否存在人脸；

②人脸规则法

由于人脸具有一定的结构分布特征，所谓人脸规则的方法即提取这些特征生成相应的规则以判断测试样品是否包含人脸；

③样品学习法

这种方法即采用模式识别中人工神经网络的方法，即通过对面像样品集和非面像样品集的学习产生分类器；

④肤色模型法

这种方法是依据面貌肤色在色彩空间中分布相对集中的规律来进行检测。

⑤特征子脸法

这种方法是将所有面像集合视为一个面像子空间，并基于检测样品与其在子孔间的投影之间的距离判断是否存在面像。

值得提出的是，上述5种方法在实际检测系统中也可综合采用。

(2)人脸跟踪

面貌跟踪是指对被检测到的面貌进行动态目标跟踪。具体采用基于模型的方法或基于运动与模型相结合的方法。此外，利用肤色模型跟踪也不失为一种简单而有效的手段。

(3)人脸比对

面貌比对是对被检测到的面貌像进行身份确认或在面像库中进行目标搜索。这实际上就是说，将采样到的面像与库存的面像依次进行比对，并找出最佳的匹配对象。所以，面像的描述决定了面像识别的具体方法与性能。目前主要采用特征向量与面纹模板两种描述方法：

①特征向量法

该方法是先确定眼虹膜、鼻翼、嘴角等面像五官轮廓的大小、位置、距离等属性，然后再计算出它们的几何特征量，而这些特征量形成一描述该面像的特征向量。

②面纹模板法

该方法是在库中存贮若干标准面像模板或面像器官模板，在进行比对时，将采样面像所有象素与库中所有模板采用归一化相关量度量进行匹配。此外，还有采用模式识别的自相关网络或特征与模板相结合的方法。

人脸识别技术的核心实际为“局部人体特征分析”和“图形/神经识别算法。”这种算法是利用人体面部各器官及特征部位的方法。如对应几何关系多数据形成识别参数与数据库中所有的原始参数进行比较、判断与确认。一般要求判断时间低于1秒。

人脸的识别过程

一般分三步：

(1)首先建立人脸的面像档案。即用摄像机采集单位人员的人脸的面像文件或取他们的照片形成面像文件，并将这些面像文件生成面纹(Faceprint)编码贮存起来。

(2)获取当前的人体面像。即用摄像机捕捉的当前出入人员的面像，或取照片输入，并将当前的面像文件生成面纹编码。

(3)用当前的面纹编码与档案库存的比对。即将当前的面像的面纹编码与档案库存中的面纹编码进行检索比对。上述的“面纹编码”方式是根据人脸脸部的本质特征和开头来工作的。这种面纹编码可以抵抗光线、皮肤色调、面部毛发、发型、眼镜、表情和姿态的变化，具有强大的可靠性，从而使它可以从百万人中精确地辨认出某个人。人脸的识别过程，利用普通的图像处理设备就能自动、连续、实时地完成。[1]

标题是如何找到人的，结果一看，没有解释这个如何问题。

先输入人脸画面数据，然后就能识别