基于深度学习的世纪晟3D动态人脸识别技术大总结由刀豆文库小编整理，希望给你工作、学习、生活带来方便，猜你可能喜欢“深度学习技术总结”。
基于深度学习的世纪晟3D动态人脸识别技术大总结
1、前言：
如今，在人与人相连的时代，围绕人提供的服务首先要解决的是辨识人的身份，人脸识别便是从这个需求中产生。
简单来说，人脸识别技术指的是通过比较人脸的视觉特征信息从而进行身份鉴别的技术，既属于图像识别，也属于生物特征识别，是人工智能领域一项典型的细分技术应用。顺应时代的潮流，人脸识别通过过去十年的发展，逐渐从静态的人脸识别走向动态的人脸识别，逐渐在2D到3D之间转换。
在深入了解最新的3D动态人脸识别技术前，需要明确明白几个概念——静态/动态人脸识别；2D/3D面部识别技术，我们将结合案例讲解。
2、概念解说
静态人脸识别——
静态人脸识别指的是在特定的区域或范围之内进行识别。这项技术有个很明显的缺点，就是用户容量会比较小，只能适合小型公司的考勤
动态人脸识别——
动态人脸识别与静态人脸识别不同，它实现了在一定识别范围内，人以自然的形态走过去，摄像头会进行信息的抓拍和采集，发出相应的指令，进行动态人脸识别，实现相关功能。这个的优点就相当明确，识别过程不需要停驻等待，而且识别率也蛮高。
2D面部识别技术——
说到2D面部识别技术，要求就相对简单，它只需要你在检测时露出脸部的眼睛就可以基本完成解锁，即使挡住鼻子、戴上口罩也不会受到影响。
3D面部识别技术——
而3D面部识别技术，针对识别到的图像会比较苛刻，先感知判断物体的靠近，接着扫描并传输给深度神经网络系统进行初步判断，进行活体检测之后再进一步获取空间深度信息，这才完成整个识别过程。
而如今，随着iPhone 8将人脸的应用提升到更高的层次，人脸识别技术已经成为未来短时间内最炙手可热的技术之一。3、3D动态人脸识别方法
人脸图像处理在诸如人脸表情识别、人动作识别、头部跟踪等已经广泛应用，世纪晟科技在它的技术核心——3D动态人脸识别中有比较详细的运用，接下来分别对应基于深度学习的世纪晟科技动态3D人脸识别技术结构，对人脸检测、活体检测、3D人脸建模、特征点提取、特征点比对做详细的技术分析。
（一）动态3D人脸识别大体流程 人脸检测→活体检测→3D人脸建模→特征点提取→特征点比对→识别输出结果
（二）基于深度学习的动态3D人脸识别技术步骤
A、人脸检测
人脸检测的目的就是在一张图中找到所有的人脸，这里采用了MTCNN（多任务级联卷积神经网络）人脸检测算法。
MTCNN主要分为三步：
最初先对图像进行多尺度变换，获取图像金字塔，获取图像多尺度信息。（这部分内容，世纪晟科技人脸识别已经对人脸检测效果不错的MTCNN算法做一个梳理，本文便直接借鉴。）
主要使用一个全卷机网络，获取候选框和这些候选框的bounding box regreion向量组。然后评估这些候选向量，并进行校准。最后使用非极大化抑制来去除大量重复的候选区域。
B、活体检测
考虑到一旦虚假人脸攻击成功，极有可能对用户造成重大损失，所以还有一项必不可少的活体检测，为现有的人脸识别系统保障可靠且高效。这一方面，行业内也研发了不少属于自己的活体检测sdk，本文案例中世纪晟科技人脸识别也对此有所研发。
活体检测技术可以有效阻挡PS换脸、视频、三维人脸模型、高清人像照片等各种不同类型的攻击。
C、3D人脸建模
人脸是塑性变形体，对于人脸的特征抽取和识别，更适合用弹性模型来描述。人脸建模任务即根据输入的人脸图像，自动定位出面部关键特征点，如眼睛、鼻尖、嘴角点、眉毛以及人脸各部件轮廓点等。D、特征点提取
DeepID网特征提取
DeepID的目标是人脸验证，也就是判断两张图片是否是一个人，同时衍生出人脸识别、多次人脸验证。
softmax分类
为了逼近最佳，Softmax将多个神经元的输出，映射到（0,1）区间内，可以看成概率来理解，从而来进行多分类，然后把所有相关全部拉出来评分，最后还归一化。
比较好的特征点提取就是本文举例世纪晟人脸识别技术，采用的是DeepID网特征提取+softmax分类两种相结合的方式，可以参考一下。
E、特征点比对
人脸关键点检测有很多应用，大致可以分为六类：(1)灰度信息的方法；(2)先验规则的方法；(3)几何形状的方法；(4)统计模型的方法；(5)小波的方法；(6)3D 方法
将整体特征点结合局部特征点进行三维人脸识别，能更好地使合成的模型图像最佳匹配输入图像，从而得到人脸3D形状和纹理，输出比对结果。
动态3D人脸识别技术市场趋势
广阔的市场需求，让人脸识别产业更加积极研发人脸识别相关技术。
目前，市场已经布局或正在布局的人脸识别厂商逐渐增多，主要都在于攻克3D识别技术领域。与此同时，动态3D人脸识别技术不断成熟，但市场应用还不是很多。“像人脸识别这种的，关键的不能只有算法，还要关注技术实际生活场景中的应用。”来自国内专注计算机视觉领域创业公司——世纪晟科技的谈话。在今年人工智能、人脸识别技术全面发酵的趋势下，不难预见，人脸识别还将得到更进一步的应用，而动态3D人脸识别技术也将成今年行业生物识别的新趋势。虽指纹识别仍是主流应用，但是增长空间有限，发展速度已然不及人脸识别。
