卖门票换来一副手铐
就在近日张学友的演唱会上，又有两名嫌疑犯被抓。如果不看日期，还以为是旧闻呢。
然而的确是事实，如果再加上前几次，一共5杀！
以致网友调侃说：“唱歌可能就是歌神的副业”，“不要叫我歌神，叫我阿Sir”。
当然这只是一个笑话，真正的幕后功臣而是“另有其人”，那就是人脸识别。
人脸识别是什么？
提到人脸识别，很多人第一反应就是“刷脸”。
其实，人脸识别的含义远非如此。
从根本上讲，人脸识别就是利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。
说白了就是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。
这就不仅仅是通过人脸进行身份确认或者身份查找的技术或系统，也就是我们常说的“刷脸”了。
事实上是一种更为广义的构建人像识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人像识别预处理等。
也就是说通过人脸识别不仅知道“这人是不是某人”，更能清楚“这人是谁”。
“这是不是某人”
↓↓
“这人是谁”
↓↓
人脸识别是怎么识别的？
人脸识别主要分为人脸检测、特征提取和人脸识别三个过程，而人脸识别是其中最关键的一步。
具体过程是这样的：
首先通过摄像头或摄像机给你照个相，传递到下一模块。
这时候，识别技术就应该对你的图像进行处理了，就像我们对自己的照片修图一样，例如瘦脸，美白等。
识别技术也要也同样需要对你的脸进行校正，用它自己的方式给你的头像打打光（光线补偿），避免暗色过多。顺便做一下灰度变换，滤波、锐化等等。
就下来就是重头戏，提取你的脸部特征了。就像我们说一个的长相是圆脸还是瓜子脸，头大还是头小，脸上有没有胎记，如果有，长在哪里，什么颜色，面积有多大等等。
当然提取的方式也有多种，例如视觉特征、像素统计特征、人脸图像变换系数特征等等，方式不同得到的结果也不尽相同，到底用哪种，那就要根据具体的情况定了。
最后就应该做出判断了。
根据提取的特征，从数据库开始搜索，看看有哪些人符合这些特征。这其中有一个标准就是阀值的符合率，也就是说阀值越大，说明符合程度越高。
如果遇到阀值差不多的怎么办呢？
这个时候就要采集更多的头像，或者更多与之相关的照片，把模型变得更加优化，这样也就更能判定“这到底是不是某人”或者“这人到底是谁”。
比如要识别的人左脸上有颗胎记，结果数据库有十个这样的人，这时候就要看看这个人脸上其他的特征，或者这个人经常出入的地方等，然后与数据库中的十个人做对比，看看哪个最符合。
当然这只是核心流程，具体情况要复杂或简化些。
人脸识别应用场景
早在上世纪中期，人们就是对人脸识别就开始了研究。经过几十年的努力，如今人脸识别技术在商店、支付、机场火车站、住宅、公司、安检，尤其是在捕捉罪犯中，得到了应用。
商店
↓↓
住宅
↓↓
安检
↓↓
抓捕罪犯
↓↓
人脸识别的局限
或许有人会问了，既然人脸识别这么厉害，那为何不大力推广应用呢？
除了场景、成本等因素外，还有一个重要原因就是人脸识别技术目前还不是太成熟。
它会受到人的姿态、光照、遮挡等因素的影响。
以遮挡来讲，这是一个非常重要的问题，如果在监控环境下，被监控对象戴着帽子后者墨镜等饰物，脸部暴露的面积较少，取得的脸部特征很少，就很难以辨别。
除了以上这些，图片的清晰度、年龄变化等问题也都是影响人脸识别的因素。
不管怎么说，人脸识别技术虽有不足，相信在不久将来会更加完善，让我们的生活更加便捷。
- END -
近期热点文章回顾（点击即可阅读）
iOS12 beta版的八个bug我们体验完了 你还要升级吗？
……
联系客服
