人臉識別系統主要包括四個組成部分

| 企服解答

人臉識別系統主要包括四個組成部分，分別為人臉圖像采集及檢測、人臉識別預處理、人臉圖像特征提取以及匹配與識別。

人臉識別系統主要包括四個組成部分

1、人臉圖像采集及檢測

圖像中準確標定出人臉的位置和大小 , 人臉圖像中包含的模式特征十分豐富，如直方圖特征、顏色特征、模板特征、結構特征及哈爾特征等，人臉檢測就是把這其中有用的信息挑出來，并利用這些特征實現人臉檢測。

2、人臉圖像預處理

基于人臉檢測的結果，對圖像進行處理，為后面的特征提取服務，系統獲取的人臉圖像可能受到各種條件的限制和隨機干擾，需要進行縮放、旋轉、拉伸、光線補償、灰度變換、直方圖均衡化、規范化、幾何校正、過濾以及銳化等圖像預處理。

3、人臉圖像特征提取

就是將人臉圖像信息數字化，將一張人臉圖像轉變為的一串數字（一般稱為特征向量）。例如，對一張臉，找到它的眼睛左邊、嘴唇右邊、鼻子、下巴等位置，利用特征點間的歐氏距離、曲率和角度等提取出特征分量，最終把相關的特征連接成一個長的特征向量。

4、人臉圖像匹配與識別

就是把提取的人臉圖像的特征數據與數據庫中存儲的人臉特征模板進行搜索匹配，根據相似程度對身份信息進行判斷，設定一個閥值，當相似度超過這一閥值，則把匹配得到的結果輸出。這一過程又分為兩類：一類是確認，是一對一進行圖像比較，換句話說就是證明”你就是你“，一般用在金融的核實身份和信息安全領域；另一類是辨認，是一對多進行圖像匹配，也就是說在N個人中找到你，一般的N可以是一個視頻流，只要人走進識別范圍就完成識別工作，一般用在安防領域。

| 拓展閱讀

目前，人臉識別有1:1模式、1:N模式、M:N模式三種模式。

1、1:1模式

主要應用于一對一的身份識別場景，例如刷臉支付、酒店入住、考試身份核驗、人證對比等。用戶站在人臉識別終端前，過程中要站著不動幾秒（靜態識別），再通過人臉識別攝像頭進行身份校驗，以此證明“你是你”。由于如刷臉支付、酒店入住登記、考試身份核驗、人證對比這些需要實名制的應用場景，搞錯一個人都可能帶來風險，一般要求識別準確度要達到99%以上，以保障身份精準對應。

2、1:N模式

主要應用于一對多的人臉識別場景，是從N張人臉中找出要找的人，以此找出“你是誰”。公司企業的刷臉考勤，同樣是通過人臉識別設備，從公司內部的人臉數據庫中自主查找，判定你是否公司員工，才能開門放行。又例如公安部門要從人流密集的地方找出記錄在數據庫的逃犯，需要通過從人臉數據庫的大量信息中篩選出匹配的人。這類模式比較考驗人像數據庫的容量大小，準確率會比1:1模式要稍低5%-10%。

3、M:N模式

這里M可以理解為一個數據庫。M:N模式多應用在一些人流量大、需要保障公共安全的地方。如火車站、演唱會、大型體育賽事中，進行這類人臉識別時，通常被識別的主體不會停留在一處，而且處于運動狀態（如火車高鐵站行色匆匆的旅客），屬于動態識別，容易受側臉、光線、距離等影響準確度，準確度是三種模式中最低。面對數據量大的人臉識別場景，可能還需要經過人臉識別終端進行邊緣計算，減輕數據庫后臺的負擔。