Iphone X的發(fā)布，革命性的取消了TouchID（指紋識別），而添加了更酷的 FaceID(人臉識別) 模塊，F(xiàn)aceID 不簡單的運(yùn)用在解鎖上，還可以在支付，表情等場景中應(yīng)用，給開發(fā)者帶來更酷更豐富的應(yīng)用，Iphone X 在多個(gè)硬件傳感器的加持下，可以采集3萬個(gè)點(diǎn)來感知用戶的面部特征。

我們知道人臉識別在這幾年應(yīng)用相當(dāng)廣泛，人臉考勤，人臉社交，人臉支付，哪里都有這黑科技的影響，特別這幾年機(jī)器學(xué)習(xí)流行，使得人臉識別在應(yīng)用和準(zhǔn)確率更是達(dá)到了一個(gè)較高的水準(zhǔn)。

下面將帶著大家揭秘下這項(xiàng)黑科技的原理。另外如果你想要系統(tǒng)地學(xué)習(xí)人工智能，那么推薦你去看床長人工智能教程。非常棒的大神之作。教程不僅通俗易懂，而且很風(fēng)趣幽默。點(diǎn)擊這里可以查看教程。

1、人臉識別流程

人臉識別是由一系列的幾個(gè)相關(guān)問題組成的：

1. 首先找到一張圖片中的所有人臉。
2. 對于每一張臉來說，無論光線明暗或面朝別處，它依舊能夠識別出是同一個(gè)人的臉。
3. 能夠在每一張臉上找出可用于他人區(qū)分的獨(dú)特之處，比如眼睛多大，臉有多長等等。
4. 最后將這張臉的特點(diǎn)與已知所有人臉進(jìn)行比較，以確定這個(gè)人是誰。

第一步：找出所有的面孔

很顯然在我們在人臉識別的流程中得首先找到圖片中的人臉。我們在使用手機(jī)或相機(jī)拍照時(shí)都會有人像模式，它能輕松的檢測出人臉的位置，幫助相機(jī)快速對焦。

我們得感謝 保羅·比奧拉（Paul Viola）和邁克爾·瓊斯（Michael Jones）在2000年發(fā)明了一種能夠快速在廉價(jià)相機(jī)上運(yùn)行的人臉檢測方法，人臉檢測在相機(jī)上的應(yīng)用才成為主流。然而現(xiàn)在我們有更可靠的解決方案HOG（Histogram of Oriented Gradients）方向梯度直方圖，一種能夠檢測物體輪廓的算法。

首先我們把圖片灰度化，因?yàn)轭伾畔τ谌四槞z測而言沒什么用。

我們分析每個(gè)像素以及其周圍的像素，根據(jù)明暗度畫一個(gè)箭頭，箭頭的指向代表了像素逐漸變暗的方向，如果我們重復(fù)操作每一個(gè)像素，最終像素會被箭頭取代。這些箭頭被稱為梯度(gradients)，它們能顯示出圖像從明亮到黑暗流動的過程。

分析每個(gè)像素對我們來說有點(diǎn)不劃算，因?yàn)樗^細(xì)節(jié)化了，我們可能會迷失在像素的海洋里，我們應(yīng)該從更高的角度觀察明暗的流動。

為此我們將圖像分割成16x16像素的小方塊。在每個(gè)小方塊中，計(jì)算出每個(gè)主方向有多少個(gè)剃度（有多少指向上，指向右上，指向右等）。然后用指向性最強(qiáng)的那個(gè)方向箭頭來代替原來那個(gè)小方塊。

最終結(jié)果，我們把原始圖像轉(zhuǎn)換成一個(gè)非常簡單的HOG表達(dá)形式，它可以很輕松的捕獲面部的基本結(jié)構(gòu)。

為了在HOG圖像中找到臉部，我們需要做的是，與已知的一些HOG圖案中，看起來最相似的部分。這些HOG圖案都是重其他面部訓(xùn)練數(shù)據(jù)中提取出來的。

第二步：臉部的不同姿勢

我們已經(jīng)找出了圖片中的人臉，那么如何鑒別面朝不同方向的人臉呢？

對于電腦來說朝向不同的人臉是不同的東西，為此我們得適當(dāng)?shù)恼{(diào)整扭曲圖片中的人臉，使得眼睛和嘴總是與被檢測者重疊。

為了達(dá)到目的我們將使用一種面部特征點(diǎn)估計(jì)（face landmark estimation）的算法。其實(shí)還有很多算法都可以做到，但我們這次使用的是由瓦希德·卡奇米（Vahid Kazemi）和約瑟菲娜·沙利文（Josephine Sullivan）在 2014 年發(fā)明的方法。

這一算法的基本思路是找到68個(gè)人臉上普遍存在的點(diǎn)（稱為特征點(diǎn)， landmark）。

• 下巴輪廓17個(gè)點(diǎn) [0-16]
• 左眉毛5個(gè)點(diǎn) [17-21]
• 右眉毛5個(gè)點(diǎn) [22-26]
• 鼻梁4個(gè)點(diǎn) [27-30]
• 鼻尖5個(gè)點(diǎn) [31-35]
• 左眼6個(gè)點(diǎn) [36-41]
• 右眼6個(gè)點(diǎn) [42-47]
• 外嘴唇12個(gè)點(diǎn) [48-59]
• 內(nèi)嘴唇8個(gè)點(diǎn) [60-67]

有了這68個(gè)點(diǎn)，我們就可以輕松的知道眼睛和嘴巴在哪兒了，后續(xù)我們將圖片進(jìn)行旋轉(zhuǎn)，縮放和錯(cuò)切，使得眼睛和嘴巴盡可能的靠近中心。

現(xiàn)在人臉基本上對齊了，這使得下一步更加準(zhǔn)確。

第三步：給臉部編碼

我們還有個(gè)核心的問題沒有解決， 那就是如何區(qū)分不同的人臉。

最簡單的方法就是把我們第二步中發(fā)現(xiàn)的未知人臉與我們已知的人臉作對比。當(dāng)我們發(fā)現(xiàn)未知的面孔與一個(gè)以前標(biāo)注過的面孔看起來相似的時(shí)候，就可以認(rèn)定他們是同一個(gè)人。

我們?nèi)祟惸芡ㄟ^眼睛大小，頭發(fā)顏色等等信息輕松的分辨不同的兩張人臉，可是電腦怎么分辨呢？沒錯(cuò)，我們得量化它們，測量出他們的不同，那要怎么做呢？

實(shí)際上，對于人臉這些信息很容易分辨，可是對于計(jì)算機(jī)，這些值沒什么價(jià)值。實(shí)際上最準(zhǔn)確的方法是讓計(jì)算機(jī)自己找出他要收集的測量值。深度學(xué)習(xí)比人類更懂得哪些面部測量值比較重要。

所以，解決方案是訓(xùn)練一個(gè)深度卷積神經(jīng)網(wǎng)絡(luò)，訓(xùn)練讓它為臉部生成128個(gè)測量值。

每次訓(xùn)練要觀察三個(gè)不同的臉部圖像：

1. 加載一張已知的人的面部訓(xùn)練圖像
2. 加載同一個(gè)人的另一張照片
3. 加載另外一個(gè)人的照片

然后，算法查看它自己為這三個(gè)圖片生成的測量值。再然后，稍微調(diào)整神經(jīng)網(wǎng)絡(luò)，以確保第一張和第二張生成的測量值接近，而第二張和第三張生成的測量值略有不同。

我們要不斷的調(diào)整樣本，重復(fù)以上步驟百萬次，這確實(shí)是個(gè)巨大的挑戰(zhàn)，但是一旦訓(xùn)練完成，它能攻輕松的找出人臉。

慶幸的是 OpenFace 上面的大神已經(jīng)做完了這些，并且他們發(fā)布了幾個(gè)訓(xùn)練過可以直接使用的網(wǎng)絡(luò)，我們可以不用部署復(fù)雜的機(jī)器學(xué)習(xí)，開箱即用，感謝開源精神。

這128個(gè)測量值是什么鬼？

其實(shí)我們不用關(guān)心，這對我們也不重要。我們關(guān)心的是，當(dāng)看到同一個(gè)人的兩張不同照片時(shí)，我們的網(wǎng)絡(luò)需要能得到幾乎相同的數(shù)值。

第四步：從編碼中找出人的名字

最后一步實(shí)際上是最簡單的一步，我們需要做的是找到數(shù)據(jù)庫中與我們的測試圖像的測量值最接近的那個(gè)人。

如何做呢，我們利用一些現(xiàn)成的數(shù)學(xué)公式，計(jì)算兩個(gè)128D數(shù)值的歐氏距離。

這樣我們得到一個(gè)歐式距離值，系統(tǒng)將給它一個(gè)認(rèn)為是同一個(gè)人歐氏距離的閥值，即超過這個(gè)閥值我們就認(rèn)定他們是 同 (失) 一 (散) 個(gè) (兄) 人 (弟)。

人臉識別就這樣達(dá)成啦，來來我們再回顧下流程：

使用HOG找出圖片中所有人臉的位置。

計(jì)算出人臉的68個(gè)特征點(diǎn)并適當(dāng)?shù)恼{(diào)整人臉位置，對齊人臉。

把上一步得到的面部圖像放入神經(jīng)網(wǎng)絡(luò)，得到128個(gè)特征測量值，并保存它們。

與我們以前保存過的測量值一并計(jì)算歐氏距離，得到歐氏距離值，比較數(shù)值大小，即可得到是否同一個(gè)人。

2、人臉識別應(yīng)用場景

人臉識別分兩大步驟，人臉檢測和人臉識別，它們應(yīng)用場景也各不相同。

人臉檢測目的是找出人臉，得到人臉的位置，我們可以在美顏，換膚，摳圖，換臉 的一些場景中使用到它。我們可以通過系統(tǒng)API調(diào)用相機(jī)完成對預(yù)覽針的實(shí)時(shí)渲染，那些看上去的黑科技我們也可以玩啦。

當(dāng)前名稱：人臉識別的原理是什么？
文章源于：http://www.js-pz168.com/news7/103607.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供品牌網(wǎng)站建設(shè)、網(wǎng)站改版、域名注冊、網(wǎng)站收錄、企業(yè)建站、網(wǎng)站策劃

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)