人脸识别的关键技术你get了吗？

当人脸识别技术走进我们的生活，我们对人脸识别的关键技术似乎却并不了解.

人脸检测(Face Detection)

“人脸检测(Face Detection)”的作用就是出图像中人脸所在的位置。

人脸检测算法的原理简单来说是一个“扫描”加“识别”的过程。以一张照片为例，它会首先扫描一下整个照片，再识别这张照片一个个区域里面有没有人脸。因此人脸检测算法的计算速度会跟图像尺寸大小以及图像内容相关。在实际计算时，可以通过设置“输入图像尺寸”、或“最小脸尺寸限制”、“人脸数量上限”的方式来加速算法。

人脸配准(Face Alignment)

“人脸配准(Face Alignment)”所实现的目的是定位出人脸上五官关键点坐标。也就是找到眉毛、眼睛、鼻子、耳朵、嘴巴的位置。

再基于人脸检测的坐标框，按某种事先设定规则将人脸区域抠取出来，缩放到固定尺寸，然后进行关键点位置的计算。另外，相对于人脸检测，或者是后面将提到的人脸特征提取的过程，人脸配准算法的计算耗时都要少很多。

人脸属性识别(Face Attribute)

“人脸属性识别(Face Attribute)”是识别出人脸的性别、年龄、姿态、表情等属性值的一项技术。这在有些相机APP中有所应用，可以自动识别摄像头视野中人物的性别、年龄等特征并标注出来。

人脸的属性识别包括性别识别、年龄估计、表情识别、姿态识别、发型识别等等方面。一般来说每种属性的识别算法过程是独立的，但是有一些新型的基于深度学习实现的算法可以实现同时输出年龄、性别、姿态、表情等属性识别结果。

人脸提特征(Face Feature Extraction)

“人脸提特征(Face Feature Extraction)”是将一张人脸图像转化为可以表征人脸特点的特征，具体表现形式为一串固定长度的数值。

人脸提特征过程的输入是 “一张人脸图”和“人脸五官关键点坐标”，输出是人脸相应的一个数值串(特征)。人脸提特征算法实现的过程为：首先将五官关键点坐标进行旋转、缩放等等操作来实现人脸对齐，然后在提取特征并计算出数值串。

人脸比对(Face Compare)

“人脸比对(Face Compare)”算法实现的目的是衡量两个人脸的相似度。

人脸比对算法的输入是两个人脸特征人脸特征由前面的人脸提特征算法获得，输出是两个特征之间的相似度。

人脸检索(Face Retrieval)

“人脸检索”是查找和输入人脸相似的人脸序列的算法。

人脸检索通过将输入的人脸和一个集合中的说有人脸进行比对，根据比对后的相似度对集合中的人脸进行排序。

人脸活体(FaceLiveness)

“人脸活体(Face Liveness)”是判断人脸图像是来自真人还是来自攻击假体(照片、视频等)的方法。

在我们生活环境中，人脸认证系统中主要容易受到这种手段欺骗：

(1)用偷拍的照片假冒真实人；

(2)在公开场合录的视频或网上公开的视频片段行骗；

(3)用计算机辅助软件设计的三维模型欺骗；

(4)用蜡或塑料等材质构造的三维雕像欺骗。

现在人脸活体检测技术的研究显得异常重要。对于照片欺骗，主要是根据分辨率、三位三维信息、眼动等来进行区分；对于视频欺骗，根据三维信息、光线等来区分。

实际上，人脸识别的技术远不止于此，这只不过是其中七种，随着人脸识别技术的不断研发完善，人脸识别已经具备了防盗刷、误刷的能力，这也是为什么支付宝能够首推刷脸支付，并选择用五年的时间来布局刷脸支付市场，而微信也紧随其后，同时力推刷脸支付，而且人脸识别技术只是作为刷脸支付支付安全保障程序的一项，在刷脸支付的真实应用中，还加持了其它验证的手段，所以目前刷脸支付的安全性能已经有了足够的保障。