科葩：人脸识别产品鱼龙混杂 选购需谨慎

　　这是一个概念满天飞的时代，是一个英雄辈出的时代，同时也是一个鱼龙混杂的时代。纵观当前国内人脸识别应用市场，号称拥有此技术的不下千家，可谓是名目繁多，鱼龙混杂。面对众多商家，用户常常是丈二和尚摸不着头脑，不但要为选哪家技术哪种人脸识别产品而犯愁，还得担心是否会受欺骗花了冤枉钱。从这个角度来说，这不仅损害到用户的利益，也影响了整个人脸识别行业的良性发展。

　　
　　人脸识别产品好不好，它的核心技术在哪里，目前都有哪些类型的产品？都有哪些类型的应用？在此，小编将会从人脸识别产品角度为您带来详尽解读。
　　
　　原理很简单，做好不容易
　　
　　总体来说，人脸识别技术原理很简单，主要是通过视频采集设备获取识别对象的面部图像，再利用人脸算法对其脸部的五官位置、脸型和角度进行计算分析，进而和自身数据库里已有的范本进行比对，zui后判断出用户的真实身份。然而真正在实际应用过程中，因为算法达不到要求导致误报太多，不仅无法帮助到使用者，更会给使用者带着不必要的困扰和工作量。
　　
　　虽然人脸识别有很多其他生物识别*的优点，但是它本身也存在许多困难。人脸识别被认为是生物特征识别领域甚至人工智能领域zui困难的研究课题之一。
　　
　　人脸识别的困难主要是人脸作为生物特征的特点所带来的。人脸在视觉上的特点是：
　　
　　1、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。
　　
　　2、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，*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*类变化为类间变化，而称第二类变化为类内变化。对于人脸，类内变化往往大于类间变化，从而使再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。
　　
　　技术细节
　　
　　一般来说，人脸识别系统包括图像摄取、人脸定位、图像预处理、以及人脸识别（身份确认或者身份查找）。系统输入一般是一张或者一系列含有未确定身份的人脸图像，以及人脸数据库中的若干已知身份的人脸图象或者相应的编码，而其输出则是一系列相似度得分，表明待识别的人脸的身份。
　　
　　目前人脸识别的算法可以分类为：基于人脸特征点的识别算法；基于整幅人脸图像的识别算法；基于模板的识别算法；基于神经网络深度学习的人脸识别算法；
　　
　　这些算法在应用领域上各有不同，如以汉王为首的人脸考勤机产品就是基于人脸特征点的识别算法；也有以科葩为首的应用于*人脸布控、人证身份识别产品的就是基于神经网络深度学习的人脸识别算法。
　　
　　随着计算机深度学习技术的发展，尤其是图像识别领域进入卷积神经网络时代后，很多传统方法很快被颠覆。今天小编在这里会以重点介绍以科葩为代表的基于神经网络深度学习的人脸识别算法，它为什么能迅速颠覆传统算法？为什么在它出现后，以发改委、财政部、*部、住房城乡建设部等核心部门牵头推广此技术的应用？
　　
　　基于神经网络深度学习的人脸识别算法
　　
　　面对人脸的角度、光照、表情、年龄、化妆、遮挡、图片质量等众多变化，同一个人的不同人脸图片具有很大差异。同时，随着待识别的人数的增加、出现长得比较像的人的概率增加等情况逐渐增多，原有的人脸识别算法已不能满足市场实际应用需求。科葩通过计算机深度学习模仿人脑的神经网络，构建一个包含数百万相互连接的神经元网络结构，通过庞大数据训练自己学习如何识别人脸图像。

　　
　　对于很多训练任务来说，特征具有天然的层次结构。以图像为例，层次结构大概如上所示。

　　
　　上文小编有提到采用庞大的数据做训练，在数据选取上，也会影响人脸识别在不同的应用场景下的效果。
　　
　　算法模型训练
　　
　　针对多角度、多光照、部分遮挡等条件下的人脸识别，科葩通过对各种情况下的庞大人脸数据源进行深度训练。数据来源及训练主要有以下几种方式：
　　
　　1、通过各种途径获得大量的监控视频人脸数据，对于原有算法模型进行重新训练；
　　
　　2、原有的大量数据模拟处理：通过对原有自拍照片的模拟处理，从而保证了以上的模糊人脸成对数据的训练；
　　
　　3、通过对庞大人脸图像先做人脸对齐，然后再深度特征提取，再采用极联分类器进行识别训练；

　　
　　人脸识别技术涉及到的子项
　　
　　人脸检测
　　
　　无论场景中是单人或多人，还是侧脸、半遮挡、模糊等情景中，均能进行检测。目前科葩检出率达99.95%，速度达5ms/帧，确保人过留图。
　　
　　人脸关键点对准
　　
　　可对各种表情、姿态、角度丰富多变的人脸进行关键点定位；科葩采用的基于3D规整算法，结合了深度学习的五官标定初始化，结合多个不同的标准的多点数据集知识，使得同一个模型可以应用于不同数量的关键点检测，以保障zui低的误差和的适应性。目前科葩在关键点检测速度可达10ms/帧，高于其它业内同行。
　　
　　人脸质量判断技术
　　
　　在跟踪的人脸序列中选择质量*的几帧图像用于后续的识别，可有效提率和降低误识率。
　　
　　人脸验证技术
　　
　　可实现1：1和1：N的人脸相似度比对。科葩采用深度学习方法对大量数据进行特征提取，利用征征匹配程度来区分不同的人脸。

　　
　　鱼龙混杂 价格差别大
　　
　　以上可以得知，在当今众多的人体生物特征识别技术中，人脸识别技术以其实用性强、速度快、使用简单和识别精度高等特点，与其他人体生物特征识别技术相比较时占有明显的技术优势。面对市场对人脸识别的需求越来越多，让不少商家以次充好，随便弄一两个人从网络下载破译的一个简单算法而夸大宣传并大打旗号自己拥有人脸识别核心算法，还有另一部分商家通过获取拥有人脸算法的公司*，在某一些应用领域应用。后者比前者的技术要相对好一些，但不排除为了寻求低价，所获得的*往往是初级版本而非现在所需求的深度学习的算法版本。有了这些商家的介入，导致人脸识别市场出现越来越多的低价产品。小编通过百度搜索，随机抽取了一些在网络做推广宣传的商家询价，价格参差不齐，如人证识别设备，有高达几万的，但也有小几百的；还有些甚至直接在淘宝挂价销售。小编通过淘宝购买了一套人证识别系统，回来闹的不少笑话，男同事识别成女同事，张三识别成李四，也难怪了，淘宝大家都懂的，山寨假货不奇怪。
　　
　　选购需谨慎 主要考虑以下几点
　　
　　个人需求：根据自己的实际需求选择对应的人脸识别产品。在商家的时候，尽可能的阐述清楚自己的需求，让商家做产品的推介，是能根据自己的需求提供相应的方案。
　　
　　性能如何：因为人脸识别的性能是需要在实际应用中才能判断，所以在选择的时候，一定要商家能提供人脸识别相关和获取的相关证书。同时是能提供较多的落地应用案例。
　　
　　研发能力：因为人脸识别在应用中往往更多是定制化需求，这个需要考量商家的研发能力，是否有能力支撑项目的二次开发和系统升级等。
　　
　　价格方面：不要一味的追求低价，人脸识别技术所需的研发成本是非常高的，同时我们也知道，如今人才是zui贵的。真正做人脸识别的公司在研发人员组建这块，不少于四十人，有的甚至高达数百人。
　　
　　以上部分数据感谢深圳市科葩信息技术有限公司！科葩潜心于人脸识别技术研究长达10余年之久，十年磨一剑，始终坚持走“深度研发，自主创新”的发展之路。公司主要技术团队来自于武汉华中科技大学，公司在技术、人才、知识产权历经十余年的积累，已拥有深厚的技术底蕴。截止目前，前科葩的人脸识别技术和产品已在*、海关、金融、地产、学校、边检口岸等多个重要领域得到广泛应用。同时还推动在智能手机、平板电脑、PC等民用产品领域的应用。