近年来,随着“平安城市建设”的大力推进,越来越多的高清摄像头部署在各个重要场所,如机场、地铁、火车站、汽车站等。这些场所是人口流动必经之地,也是公安重点布控区域。很多地区提出的人脸识别需求,也是针对这些重要通道出入口场景,要求系统自动侦测视频画面中的人脸,并与数据库中的人脸数据进行一一比对,得到最有可能的身份信息。
人脸识别的应用范围很广,从门禁、设备登录到机场、公共区域的监控。下表给出了一些人脸识别的应用领域。
(1)人脸捕获与跟踪功能 人脸捕获是指在一幅图像或视频流的一帧中检测出人像并将人像从背景中分离出来,并自动地将其保存。人像跟踪是指利用人像捕获技术,当指定的人像在摄像头拍摄的范围内移动时自动地对其进行跟踪。 (2)人脸识别计算 人脸识别分核实式和搜索式二种比对计算模式。核实式是对指将捕获得到的人像或是指定的人像与数据库中已登记的某一对像作比对核实确定其是否为同一人。搜索式的比对是指从数据库中已登记的所有人像中搜索查找是否有指定的人像存在。 (3)人脸的建模与检索 可以将登记入库的人像数据进行建模提取人脸的特征,并将其生成人脸模板保存到数据库中。在进行人脸搜索时,将指定的人像进行建模,再将其与数据库中的所有人的模板相比对识别,最终将根据所比对的相似值列出最相似的人员列表。
因此,数据成为提升人脸识别算法性能的关键因素,很多应用更加关注低误报条件下的识别性能,比如支人脸支付需要控制错误接受率在0.00001之内,因此以后的算法改进也将着重于提升低误报下的识别率。对于安防监控而言,可能需要控制在0.00000001之内(比如几十万人的注册库),安防领域的人脸识别技术更具有挑战性。 而随着深度学习演进,基于深度学习的人脸识别将获得突破性的进展。它需要的只是越来越多的数据和样本,数据和样本越多、反复训练的次数越多,它越容易捕捉到准确的结果和给你准确的答案。所以,当一套人脸识别系统的设备,在全面引入深度学习的算法之后,它几乎是很完美的解决了以前长期各种各样的变化问题。 |