第6章 人臉識別實戰

圖像和視頻處理、深度學習及智能感知設備在當今的智能社會中扮演著核心角色。在智能識別、商品自動分類、無人駕駛汽車、語音識別、刷臉支付、行為識別等應用/研究課題中，圖像和視頻處理、深度學習技術是需要解決的關鍵問題。最近幾年，很多公司都在預研發以人為中心的視頻分析系統。例如，一些公司正在研發針對大型商場的顧客識別與行為分析系統，通過識別、關聯某個顧客的購買記錄，並通過視頻分析識別顧客光臨商場的頻度、其本次關注商品的種類（如上衣、褲子或皮鞋、運動鞋），可以幫助各專賣店及時識別、抓住重點客戶，以增加銷售額。人臉識別的另一個重要應用是刷臉支付。上述的兩種應用中，都需要高準確度地識別人臉。近年來，人臉識別（主要是正臉識別）技術越來越成熟，已經從學術界應用到工業界，與人們的日常生活也越來越緊密。但由於人群、場景、姿態、光照等各種條件的影響，人臉識別仍然需要更多、更全面、更深入的研究。目前的人臉識別產品，如刷臉考勤機、刷臉驗票，都要求採集正臉照片。事實上，基本上所有人臉識別的商業應用，都要求輸入正臉照片。而對於側臉、多角度人臉的識別，學術上也有了一定的研究，但商業化的產品還很少。總之，人臉識別仍然是一個尚未解決的、有挑戰的，需要全面、深入研究的課題。本章將詳細介紹5種人臉識別相關技術。其中6.1節和6.2節講述最新的、基於深度學習的人臉識別技術，6.3節介紹OpenCV中實現的3種傳統的人臉識別技術，6.4節對5種人臉識別技術進行實驗對比分析。