【E-Lock 藏经阁】02 人脸识别

【E-Lock 藏经阁】02 人脸识别

什么是人脸识别？

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。

电子锁 + 人脸识别技术

近几年来，人们不再仅仅局限于简单的密码解锁，指纹解锁；以人脸识别、虹膜识别为代表的生物识别技术逐渐从实验室走向大众，升级人们的“密码”，这将让我们的生活更便捷、更安全。迅速发展的人脸识别技术展现了安全及操作两大方面的优势，安全优势：特征更为丰富、可实现活体检测、不易仿制、可实现远程可视交互和确认、有极大的安全提升空间。操作优势：非接触式、不易磨灭、易于修复、设置简单。随着人脸识别技术在安防、监控、门禁、考勤、金融身份辅助认证、娱乐等多种场景中普遍应用，也逐渐进入智能家居的市场，而门锁作为家居安全的第一道保障，加入人脸识别技术必然会大大提高安全性。

人脸识别技术方案

人脸识别方案分为 2D 人脸识别和 3D 人脸识别，2D 人脸识别研究的时间相对较长，方法流程也相对成熟，在多个领域都有使用，但由于 2D 信息存在深度数据丢失的局限性，无法完整的表达出真实人脸，所以在实际应用中存在着一些不足，例如识别准确率不高、活体检测准确率不高等。

3D 人脸模型需要获取人脸深度数据，比 2D 人脸模型有更强的描述能力，能更好的表达出真实人脸，所以基于 3D 数据的人脸识别不管识别准确率还是活体检测准确率都有很大的提高。

2D 人脸识别现状

2D 人脸识别的优势是实现的算法相对比较多，有一套比较成熟的流程，图像数据获取比较简单，只需一个普通摄像头即可，所以基于 2D 图像数据的人脸识别是目前的主流，在安防、监控、门禁、考勤、金融身份辅助认证、娱乐等多种场景中都有应用。

2D 人脸识别根据其技术发展可分为两大类：传统人脸识别、基于神经网络人脸识别。

传统人脸识别

传统人脸识别主要采用数学方法，从图像矩阵中提取对应的特征，该特征一般为尺度不变特征，常用的算法有 SURF、SIFT、HARRIS、GFTT 等。

基于神经网络人脸识别

目前 2D 人脸识别算法在各个人脸识别挑战赛、在各种的开源数据集上测试的识别准确率已经达到了 99.80%（人脸识别算法 insightface 在 LFW 数据集上的测试结果），识别准确率甚至可以跟人类相媲美，但在苛刻的金融环境仅作为一种辅助手段，人脸识别之后还需要别的验证手段，如输入手机号等。

3D 人脸识别现状

为了弥补 2D 人脸识别缺少深度数据的缺陷，3D 人脸识别技术应运而生，目前3D 人脸识别方案在市场上根据使用摄像头成像原理主要分为三种：3D 结构光、ToF、双目立体视觉。

3D 结构光：

3D 结构光通过红外光发射器（点阵投影器）发射一束编码后的光斑到物体表面，再由专门的红外摄像头进行采集。光斑打在物体表面后，由于物体的形状、深度不同，光斑位置不同，通过光斑的编码信息与成像信息，进而计算出物体深度信息, 主要利用三角形相似的原理进行计算, 最终得到三维数据。

ToF（Time of Flight）：

ToF 是通过红外光发射器发射调制后的红外光脉冲，不停地打在物体表面，经反射后被接收器接收（发射和接受都由 sensor 操作），通过相位的变化来计算时间差，进而结合光速计算出物体深度信息。

双目立体视觉：

双目是基于视差原理并由多幅图像获取物体三维几何信息的方法。由双摄像机从不同角度同时获得被测物的两幅数字图像，并基于视差原理恢复出物体的三维几何信息，从而得出图像上每个点的深度信息、最终得到三维数据。由于双目立体视觉成像原理对硬件要求比较高，特别是相机的焦距、两个摄像头的平面位置，应用范围比 3D 结构光和 ToF 都少。