什么是人脸识别？其组成部分、应用及不足有哪些？

人脸识别受算法及检测影响较大。

1.概念介绍

人脸识别是基于人面部特征数据进行身份识别的一项生物特征技术，用于手机解锁、身份验证、上班打卡、刷脸进社区、刷脸考勤、刷脸乘车、刷脸购物等，在金融、医疗、安检、支付、文娱等诸多领域得到普及，为数字经济社会发展和人们日常生活带来了新机遇。

人脸与指纹、虹膜等生物特征均具有唯一性、难以复制性，采集和使用上具有非接触性、非强制性、多并发性、隐藏性和简单易用性等特点。通过影像设备或模块，捕捉或采集含有人脸的图像或视频，并能够自动进行跟踪、分析、检测、识别的一系列技术。人脸识别是一个集人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，是生物特征识别的最新应用。

2.人脸识别系统的组成

人脸识别系统主要由人脸采集、人脸检测、人脸图像预处理、人脸特征提取、人脸图像匹配、人脸图像识别等六部分组成。

人像采集 ：主要是通过设备或模块，自动搜索、跟踪并拍摄人脸图像、视频流等。

人像检测： 主要在采集到的图像、视频流中，准确标定出人脸的位置、大小、五官形象，并将有用的信息挑出来，用于人脸识别的预处理。

人像预处理 ：基于人脸检测结果，对人脸图像进行处理并预特征提取。包含，对图像灰度校正、噪声过滤、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。

人像特征提取： 人脸器官包含眼睛、鼻子、嘴巴、下巴、眉毛、耳朵、头发等，基于人脸器官的形状、描述以及之间的距离、特性勾勒出人脸分类的特征数据。人脸识别系统基于人脸的视觉、像素统计、图像变换系数以及图像代数等特征，对人脸器官特征数据进行提取，然后对人脸进行特征建模。

人像匹配： 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。 数据库的人脸图像并非是人像图像的原图或视频，经过特征处理、运算后，存储为一个个数字模型、数字编码。

人像识别 ：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。人脸识别包括两个技术环节：人脸检测和人脸识别。

3.人脸识别的应用

人脸识别已经应用在社区住宅的门禁，地铁、公交、高铁的闸机，疫情防控的电子哨兵，公司的考勤打卡，零售消费中的售货机，银行开户、支付、转账、消费，保险理赔，账户注册以及公共安全等，生产、生活、工作、学习的各个方面。

《2021 人脸识别行业白皮书》显示，2021 年中国人脸识别市场规模为56 亿元，预计2022年达到 68 亿元，到 2024 年突破 100 亿元；年均保持 23%增速。其中，人脸识别应用最多是安防占 54%，其次是金融占 16%。此后分别是娱乐 10%、医疗 7%、电商零售6%、出行3%、政务 2%、其他 2%。

4.人脸识别的不足

人脸识别的过程就是在采集或提取的人脸图像特征与数据库中预先的模板进行照、匹配，根据相似度与提前设定的阈值结果比较。如果满足阈值，则系统判别相符，业务执行确认、通过、安全等操作；如果未满足设定的阈值，则系统判别不相符，业务则拒绝、退出等操作。

人脸识别受算法及检测影响较大。首先，很多人脸识别算法采用手工提取特征方式，受人为经验、获取的图像数量、质量、种类影响较大，这就导致不同人脸识别算法人脸特征选取差异大，直接影响人脸识别准确率。因此，人脸识别模型泛化性、准确率等参差不齐。

其次，活体检测利用硬件设备或软件算法判断图像采集设备捕捉到的人脸图像是否来源于活体。人脸活体检测主要包含基于人的嘴部、眼部、头部的行为动作，以及摄像头、3D 结构等硬件设备辅助进行检测，基于皮肤和其他材质光谱反射率差异判定真假人脸，并利用多光谱信息，判别人脸与图像、头模、平面、视频的差异。