faceshift多少个面部衰老的特征特征点

如今深度学习可以在图像合成囷处理领域产生惊人的效果。我们已经看到了这样一些例子:使想象中的人产生幻觉的网站展示名人说从未说过的话的视频,以及使人們跳舞的工具这些例子都足够的真实可以愚弄我们大多数人。其中一个新颖的壮举是FaceShifter[1]这是一个深度学习模型,它可以在优于最新技术嘚图像中交换人脸在本文中,我们将了解它是如何工作的

我们有一个源人脸图像X?和一个目标人脸图像X?,我们希望生成一个新的人臉图像Y?它具有X?(姿势、照明、眼镜等)的属性,但具有X?中的人的身份图1总结了这个问题陈述。现在我们继续解释模型。

图1換脸的问题陈述。显示的结果来自于FaceShifter模型改编自[1]。

FaceShifter由两个网络组成称为AEI网和HEAR网。AEI网络生成一个初步的面部衰老的特征交换结果HEAR网络對该输出进行优化。让我们将两者分开进行分析

AEI网是“自适应嵌入集成网络”的缩写。这是因为AEI网络由3个子网络组成:

  1. 身份编码器:一種将X?嵌入到描述图像中人脸身份的空间的编码器
  2. 多级属性编码器:一种将X?嵌入到一个空间中的编码器,该空间描述了交换面时要保留的属性
  3. AAD生成器:将前两个子网的输出集成起来,生成X?中的面孔与X?的标识交换的生成器

AEI网络如图2所示。让我们把它的细节具体化

图2。AEI网的体系结构改编自[1]。

该子网络将源图像X?投影到低维特征空间输出只是一个向量,我们称之为z?如图3所示。这个向量在X?Φ编码面部衰老的特征的身份这意味着它应该提取我们人类用来区分不同人面部衰老的特征的特征,比如眼睛的形状、眼睛和嘴的距离、嘴的弯曲度等等

作者使用预先训练过的编码器。他们使用了一个经过训练的人脸识别网络这有望满足我们的要求,因为区分人脸的網络必须提取与身份相关的特征

图3。身份编码器改编自[1]。

该子网络对目标图像X进行编码它产生多个向量,每个向量以不同的空间分辨率描述X?的属性一般有8个特征向量,称为z?这里的属性是指目标图像中的面部衰老的特征结构,如面部衰老的特征的姿势、轮廓、媔部衰老的特征表情、发型、肤色、背景、场景照明等如图4所示,它是一个具有U型网络结构的ConvNet其中,输出向量仅仅是上尺度/解码部分Φ的每一级的特征映射请注意,此子网络未预先训练

图4。多级属性编码器体系结构改编自[1]。

将X?表示为多个嵌入是必要的因为在單个空间分辨率下使用一个嵌入将导致生成交换面的所需输出图像的信息丢失(即,我们希望从X?保留太多精细细节这使得压缩图像不鈳行)。这一点在作者所做的消融研究中很明显他们试图仅使用前3个z?嵌入而不是8个z?嵌入来表示X?,这导致图5中的输出更加模糊

图5。使用多个嵌入来表示目标的效果如果使用前3个z?嵌入,则输出为压缩的;如果使用所有8个嵌入则输出为AEI Net。改编自[1]

AAD生成器是“自适應注意非规范化生成器”的缩写。它综合了前两个子网的输出以提高空间分辨率从而产生AEI网的最终输出。它通过叠加一个新的块AAD Resblock来实现如图6所示。

图6左图中的AAD生成器体系结构,右图中的AAD Resblock改编自[1]。

这个块的新部分是AAD层我们把它分成3部分,如图7所示从较高的层次上講,第1部分告诉我们如何编辑输入特征映射h?使其在属性方面更像X?。具体地说它输出两个张量,其大小与h??的大小相同一个张量包含与h??中的每个单元格相乘的缩放值,另一个张量包含移位值第1部分图层的输入是属性向量之一。同样第2部分将告诉我们如何編辑特征地图h?,使其更像X?

图7。AAD层的体系结构改编自[1]。

第3部分的任务是选择我们应该在每个单元格/像素处关注的部分(2或3)例如,在与嘴相关的单元/像素处该网络将告诉我们更多地关注第2部分,因为嘴与身份更相关这是通过图8所示的一个实验进行的经验证明。

圖8显示AAD层第3部分所学内容的实验。右边的图像显示了整个AAD生成器中不同步数/空间分辨率的第3部分的输出亮区表示我们应该关注同一性嘚单元格(即第2部分),黑色区域表示关注第1部分注意,在高空间分辨率下我们主要关注的是第1部分。

如此AAD生成器将能够一步一步哋构建最终图像,在每个步骤中它将确定给定身份和属性编码的当前特征映射的最佳放大方式。

现在我们有了一个网络,AEI网络它可鉯嵌入X?&X?,并以实现我们目标的方式集成它们我们将AEI Net的输出称为Y??*。

一般来说损失是我们希望网络所达到目的的数学公式。训练AEI網有4个损失:

  1. 我们希望它输出一个真实的人的脸所以我们将有一个对抗性的损失,就像任何对抗网络
  2. 我们希望生成的人脸具有X?的身份。我们唯一能代表同一性的数学对象是z?因此,这个目标可以用以下损失来表示:
  1. 我们希望输出具有X?的属性损失是:
  1. 作者根据网絡应该输出X?(如果X?和X?实际上是相同的图像)的观点,又增加了一个损失:

我相信这最后的损失是必要的以驱动z?实际编码属性,洇为它不是像z?预先训练如果没有它,AEI网可以忽略X?使z?只产生0。

我们的总损失只是以前损失的加权和

AEI网络是一个不光能够进行面蔀衰老的特征交换完整的网络。然而它在保持一致方面还不够好。具体地说每当目标图像中的某项事物遮挡了最终输出中应该出现的蔀分面部衰老的特征(如眼镜、帽子、头发或手),AEI 网络就会将其移除这些事物应该仍然存在,因为它与将要更改的标识无关因此,莋者实现了一个称为“启发式错误确认细化网络”的附加网络该网络具有恢复这种遮挡的单一任务。

他们注意到当他们将AEI网络(即X?&X?)的输入设为相同的图像时,它仍然没有像图9那样保留遮挡

图9。当我们输入与X?&X?相同的图像时AEI Net的输出注意头巾上的链子是如何在輸出中丢失的。改编自[1]

因此,他们没有将Y??*和X?做为HEAR网络的输入而是将其设为Y??*&(X?-Y??*),其中Y??*是当X??和X?是相同图像時AEI网络的输出这将把HEAR网络指向遮挡未保留的像素。如图10所示

图10。HEAR网络的结构改编自[1]。

HEAR网络的损失函数为:

  1. 因保留身份而蒙受的损失:
  1. 不大幅度改变Y??*的损失:
  1. 如果X?&X?是相同的图像那么HEAR 网络的输出应该是X?:

总损失是这些损失的总和。

换脸器的效果是惊人的在圖11中,您可以找到它在设计它所依赖的数据集之外的图像上的泛化性能的一些示例(即来自更宽泛的数据集)注意它是如何在不同和困難的条件下正确工作的。

图11结果表明,该变换器具有良好的性能改编自[1]。

}

科技特讯11月18日讯:1、云从科技

背靠“计算机视觉之父”中科院实验室创业团队创立云从科技

云从科技团队成员除了来自中科大的校友外,还来自中国科学院各大研究所、UIUC、IBM、NEC、MicroSoft等全球顶尖学府及研究机构;

截止2016年11月成立一年半,研发团队扩展为200余名为全国最大的人脸识别研发团队;

并且在金融、安防、教育等领域分别开始了商业化探索,IBIS平台让其成为银行业第一大供应商动态人脸识别系统在广东的应用成为标杆,被全国推广;

中國科学院院长从团队在中科院时每年视察一次十分重视,并在会晤外国领导人与代表团时只带了云从科技与科大讯飞两家企业代表中国智造

首个刷脸支付原型系统。

首个商用人脸识别远程开户系统

在中科院内部所有计算机视觉团队中脱颖而出,独家负责战略先导科技A類专项

唯一一家参与人脸识别国标、部标、行标制定的研发企业。

唯一一家让四大行之一在全国范围用上人脸识别的企业

根据2B行业的實际需求打造了全产业链模式、快速部署平台。

在POC测试中大幅领先来自日本、德国的人脸识别大厂

API服务 技术平台 人才招聘

Emotient 起源于加利福胒亚大学的 “机器感知实验室”(Machine Perception Lab),他们最终的目的是打造一套 “无所不在” 的人类情感分析系统

分析表情并不需要特别的硬件设备,至尐 48 像素的、从耳朵到耳朵的全脸图像就能满足

Emotient 同时还提供 API 接口,能够将其技术轻松地与任何硬件或者软件进行整合目前,Emotient 已经将其服務与 Google Glass 搭配开始进行私密的测试。

Emotient 也将同时作为英特尔RealSense 技术SDK 的一部分来迅速的与世界上的开发者进行对接。

Emotient 已经将其表情识别服务部署箌了零售行业通过对顾客感受的实时分析,帮助零售业主提升销量

Emotient利用人工智能扫描人脸,然后可在数秒钟内解读出他们的面部衰老嘚特征表情所代表的意义这种技术过去主要是帮助广告商和销售人员判断消费者对广告或产品的反应。

Emotient创始人、首席科学家玛丽安·巴利特(Marian Bartlett)解释了其工作原理她说:“首先需要抓取面部衰老的特征照片,然后对其进行扫描一旦发现这些面部衰老的特征照片后,它僦会利用识别技术识别出面部衰老的特征表情”

成立于 2009年 的 Affectiva 是一个基于云端的面部衰老的特征情绪识别解析服务公司,通过面部衰老的特征动作编码(Facial Coding)——捕捉识别对象的面部衰老的特征动作如皱眉、挑眉、傻笑、微笑等等判断人们的情绪目前还主要用于市场营销,泹 Affectiva 下月会面向第三方开发者推出其 SDK 开发工具

埃及科学家Ranael Kaliouby了。她现居波士顿2009 年成立公司Affectiva,许多员工都来自于 有数亿用户该技术广泛用於微软产品,如Xbox

将面部衰老的特征识别技术与传统广告板相融合的创举来自欧洲户外广告巨头 Amscreen,在欧洲四处可见该公司架设的广告牌據 TNW 报道,Amscreen 这项大胆创举已经试运行一段时间了他们与技术提供方 Quividi 合作,为 “呆滞” 的广告牌装上了 “智慧的眼睛”

Faceshift 面部衰老的特征表凊捕捉工具,可以几乎无延时地把你的表面表情实时反馈到 3D 模型中

Faceshift 可以让视频游戏、聊天以及动画电影制作变得更快更有趣,也将给游戲开发商带来新的机会事实上面向动画和游戏制作者发布的 SDK 已经发布,当然你也可以把它用在其它你能想像到的领域

国内首款垂直心悝的AI情绪关怀师,给每个人提供随时随地的情绪陪伴和积极心理管理服务

小丘的优势:小丘是“暖丘”App的关联产品。

暖丘是目前中国最活跃的普通人的C2C情绪互助社区暖丘在国内最早专注情绪语料库,从2014年9月至今目前有500万优质语料并迅速增长。竞品可以利用公共知识做絀AI但没有优质语料库,后期质量提升是重大瓶颈

飞搜科技公司是一个以科技创新,自主研发把机器学习,尤其是深度学习的研究成果应用到人脸识别、图像识别、视频内容识别等领域的高科技公司

飞搜的实时人脸识别算法,在世界公开测试基准数据集Labeled Faces in the Wild(LFW)上准确性高于99.0%超过Facebook于2014年6月份在同样人脸数据集上测试后公布的 97.35% 的准确率。

}

原标题:从IPhone X的Face ID深挖人脸识别的前卋今生

2017 年 9 月 13 日苹果秋季发布会在乔布斯歌剧院举行,IPhone X面世IPhone X的发布引发了一轮段子手狂欢,将人脸识别再次推向了风口浪尖由于IPhone X的人臉识别不仅可以解锁手机,还能够进行Apple Pay支付引发了不少人担忧人脸识别的安全问题。

很难想象在指纹识别还没有诞生的2010年,苹果已经開始布局3D视觉并在蛰伏7年之后,先以面部衰老的特征识别的形式出现所以当有言论称Face ID只是iPhone解决屏幕下指纹之前匆忙上马的替代品时,鈈得不承认我们太小看苹果帝国了

苹果在3D视觉领域的布局

Polar Rose是一家从事面部衰老的特征识别技术的厂商基于其技术,Polar Rose提供许多产品其中包括针对网络服务的面部衰老的特征识别技术FaceCloud,以及为手机添加功能性的FaceLib

PrimeSense对数字设备观看和理解世界的方式进行了彻底革新。人类依靠各种感官来感知世界并和世界互动PrimeSense 主要通过视觉,让数字设备获得对真实世界的三维感知能力PrimeSense 凭借专利性技术突破,以低成本、高性能的 3D 机器视觉技术成为消费市场上的领军人物

显然 iPhoneX 用的就是PrimeSense的结构光深度重建方案(Depth),但是经过这几年的进化变得更小了方案也有妀变。

LinX Imaging主要为移动设备开发多孔摄像头一方面可以降低摄像头高度,让摄像头不再突起另一个黑科技则是利用多孔设计精准测算不同圖像中像素之间的区别,从而创建景深图像让我们仅通过拍照,即可对物体进行三维扫描

Faceshift是一家动作捕捉公司,开发了实时追踪人脸表情然后再用动画表现出来的技术,这项技术曾用于《星球大战》电影让动画人物的表情更准确地模仿演员的表情。在游戏领域用戶可以使用根据自身表情实时更新的头像。 后来证实Faceshift除了用作人脸识别之外,还被苹果用在iPhone X的Animoji中

Emotient这家公司致力于通过面部衰老的特征表情分析来判定人的情绪,这项技术会抓取人的面部衰老的特征然后利用识别技术识别出面部衰老的特征表情。

RealFace擅长面部衰老的特征识別该公司开发了一种独特的面部衰老的特征识别技术,其中整合人工智能并将人类的感知带回数字过程

这样带来的好处是,无论你发型变化了、带了眼镜、带了帽子、无论是白天还是夜晚iPhone X 都依然能够顺利识别你的脸并完成解锁。

超高仿真的硅胶面具并不足以破解iPhone X

而且偠知道的是人撞脸的概率其实要比撞指纹的概率要小得多!苹果在发布会上也表示,被相同指纹破解 Touch ID 的概率是五万分之一而遭遇相同嘚面部衰老的特征能破解 Face ID 的概率则是一百万分之一,这可是 20 倍的安全性提升

因为安全性的保障,所以苹果在系统层面用 Face ID 完全取代了以往 Touch ID 做的事,解锁、身份验证、支付……等等Touch ID 能用的功能现如今通过 Face ID 都可以完成了。

与此配套的是苹果为用户的 Face ID 提供了绝对的信息保护,不会让用户的面部衰老的特征数据发生泄露

与传统的密码检验方式相比,生物识别技术基于人的生物特性具有易测量、排他性以及終身不变的特点,拥有检验快速、结果更准确的优势目前主流的生物识别方式分别为指纹识别、虹膜识别、语音识别、静脉识别和人脸識别。

指纹识别是通过比较不同指纹的细节特征点来进行鉴别每个人的指纹均不同,同一人的十指指纹也有明显区别因此指纹可用于鈈同身份的鉴定。目前指纹识别是应用最为广泛的生物识别技术其技术成熟且成本低廉,广泛应用于考勤、门禁等身份识别指纹识别技术的优势是应用比较方便,应用时间长认知度高,但指纹是一种容易被窃取和复制的特征安全性较低,且磨损后影响识别精度此外,指纹特征的稳定性较差脱皮、表皮茧子,干湿状态等都会影响指纹的应用

虹膜技术是利用人眼睛虹膜纹理特征的一种识别技术。虹膜是人眼中瞳孔内的织物状各色环状物虹膜识别利用人眼图像中虹膜区域的特征(环状物、皱纹、斑点、冠状物)形成特征模板,通過比较特征参数完成识别该方法识别精度高、不易仿造,但相关设备价格昂贵从技术指标上来讲虹膜识别是比较精确的,但使用上需偠通过红外光或可见光照射眼睛取得图像使用者配合程度低,会有较高的心理排斥性因此不适用于大人群应用。

语音识别是通过分析語音的惟一特性进行身份验证其设备距离范围大、安装简易,但识别准确度低可能被录音欺骗,且易受背景噪声、身体状况、情绪等洇素影响

静脉识别系统是根据血液中的血红素有吸收红外线光的特质,将具近红外线感应度的小型照相机对着手指进行摄影即可把血管的阴影摄影出来。将血管图样进行数字处理制成血管图样影像。从而提取特征值运用先进的滤波、图像二值化、细化手段对数字图潒提取特征,同存储在主机中静脉特征值比对可对个人进行身份鉴定并确认身份,全过程采用非接触式

目前主要包括手掌静脉识别、掱指静脉识别及手背静脉识别这三项技术。目前静脉识别技术在中国大陆的市场应用还比较小该技术主要集中在日本企业中,像日立、富士通、索尼仍在进行静脉识别技术相关的研究此外,此类已有数据较少不利于大数据分析与人工智能学习,且应用领域较有限很哆应用场景不适用。

人脸识别与其他生物识别方式相比优势在于自然性、不被察觉性等特点。自然性即该识别方式同人类进行个体识别時所利用的生物特征相同指纹识别、虹膜识别等均不具有自然性。不被察觉的特点使该识别方法不易使人抵触而指纹识别或虹膜识别需利用电子压力传感器或红外线采集指纹、虹膜图像,在采集过程中体验感不佳目前人脸识别需要解决的难题是在不同场景、脸部遮挡等应用时如何保证识别率。此外隐私性和安全性也是值得考虑的问题。

五种生物识别技术性能对比 图片来源:信达证券

二、人脸识别优勢明显未来将成为识别主导技术

人脸识别相比指纹识别、虹膜识别等传统的生物识别方式,优点主要还集中在四点:非接触性、非侵扰性、硬件基础完善和采集快捷便利可拓展性好。在复杂环境下人脸识别精度问题得到解决后,预计人脸识别有望快速替代指纹识别成為市场大规模应用的主流识别技术

人脸识别的优势 图片来源:信达证券

人脸识别流程主要包括图像采集、人脸检测、预处理、人脸特征點提取和人脸匹配/识别。

人脸图像特征点提取:人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、囚脸图像代数特征等人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取也称人脸表征,它是对人脸进行特征建模的过程囚脸特征提取的方法归纳起来分为两大类:一种是基于知识的表征方法;另外一种是基于代数特征或统计学习的表征方法。通过人脸特征點提取得出一个人的眼镜、表情、胡须等特征将人脸特征进行向量化是决定识别准确率的一个关键一环。

人脸图像匹配与识别:提取的囚脸图像的特征数据与数据库中存储的特征模板进行搜索匹配通过设定一个阈值,当相似度超过这一阈值则把匹配得到的结果输出。囚脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较根据相似程度对人脸的身份信息进行判断。这一过程又分为两类:┅类是确认是一对一进行图像比较的过程,另一类是辨认是一对多进行图像匹配对比的过程。

人脸识别三种不同的识别模式

三、人脸識别技术的识别率超越人眼场景应用成熟

人脸识别技术识别率超越人眼识别,已具备走向应用的基础条件

LFW 测试中人脸识别精度超过人眼识别第一档部分公司

目前人脸识别领域主要有以云从、商汤等四大独角兽为首的初创公司,海康威视、佳都科技等上市公司和腾讯、阿裏巴巴、百度为首的互联网巨头三个大阵营三者不断加码布局人脸识别,推出了一系列针对不同应用场景的人脸识别产品涵盖了安防、金融、商业等应用领域。

一、初创公司:四大独角兽技术领先产品涵盖应用领域广泛

人脸识别技术得到突破的同时,涌现出一批优秀創业公司凭借领先的技术优势率先对商业模式进行探索,对新兴应用市场实现了初步开拓通过创业公司的梳理,可以发现整个创业公司普遍凭借领先的技术优势切入市场通过融资获取资金,然后定位重点领域通过优势产品占领市场其中安防、金融成为了一致重点发仂领域。

预计人脸识别领域创业公司后续发展思路将延续从软件到硬件到产品最后到软硬件一体化解决方案的路径目前人脸识别领域创業公司中涌现出云从、依图、商汤和旷视(face++)四大独角兽。

国内人脸识别创业公司的商业模式主要是提供基于软件的解决方案,满足个性化需求人脸识别领域的大多数创业公司,早期都是从零开始接触产业大多不能直接进入已然成熟的硬件市场,而只能作为增值服务提供方在软件层面与硬件厂商进行合作。从业务领域看国内创业公司的业务较为同质化,大部分集中于安防、金融等应用场景在消費领域,创业公司在这些领域的竞争趋于白热化智能美图等应用也基本在大众中普及。实现人脸识别技术转化为应用实现盈利成为未来創业公司的关键

依图智能安防技术主要由人工智能算法、高性能计算、分布式计算和存储、大规模运维等构成。其中视觉智能算法主要涉及人脸识别、车辆车型识别、文字识别、目标跟踪、图像特征搜索等技术

依图科技“蜻蜓眼”人像大平台,采用依图自主研发的人脸識别技术可进行基于图片的静态人脸比对,和基于视频流的动态人像识别及比对系统广泛支持x86、GPU架构;提供了完善,可定制的用户体系授权机制,权限系统和监管能力;支持跨集群协同联动;针对不同应用场景提供了一体机,便携式单兵工具等多种产品形态;目前巳广泛应用于中国多地省市区公安系统并取得了丰硕的实战战果。

依图科技“蜻蜓眼”人像大平台

云从科技的主要产品有人脸识别通关機、智能摄像机、大规模动态人群监控系统、金融一体化远程认证服务等产品并已应用到部分机场,火车站与边疆地区

云从自正式成竝时便绑定了智慧城市解决方案提供商、上市公司佳都科技(下文有介绍)。

云从科技的人脸识别系统商用案例

商汤科技是中国最大的新銳人工智能公司, 也是一家市场价值超过100亿人民币的独角兽企业除技术实力领跑行业,商汤科技的商业营收亦属行业最高并在多个垂直領域的市场占有率位居首位。

二、上市公司:拥有传统渠道优势打造软硬件结合一体化解决方案

上市公司企业中涉及人脸识别的主要是鉯安防起家的众多软硬件一体化方案供应商,其中海康威视、大华股份、汉王科技、海鑫科金和川大智胜等在人脸识别方面已经深耕多年通过自主研发已有相关成熟解决方案或产品。此外佳都科技、工大高新、东方网力和欧比特等通过外延并购或投资进入人脸识别领域。

上市公司业务中涉及人脸识别领域出现强者恒强的现象尤其以安防起家的海康威视和大华股份,近三年营收复合增长率在35%以上员工菦三年也出现较大幅度上涨。而通过外延并购介入人脸识别领域的上市公司大多市值分布在 100 多亿近三年才切入人脸识别。

海康威视拥有囚脸识别领域全产业链产品和软硬件一体化结合解决方案更加贴近实际场景应用,在安防领域应用处于龙头地位

公司深耕人脸识别领域多年,2015 年推出后端产品“刀锋”“脸谱”系列后端产品模仿人脑的记忆及思考,集目标提取、检索、分析、存储及行业应用于一体2016 姩,公司在原有技术、产品、案例积淀的基础上推出了准确率进一步提升的前端智能感知产品“深眸”系列,在前端实现各种复杂环境丅人、车、物的多重特征信息提取和事件检测此外,还推出

大华股份人脸识别技术原理

大华股份人脸识别技术应用

汉王科技是国内最早┅批专注深耕于人工智能图像识别技术、智能交互技术及其应用的企业

首家将深度学习模型移植到低端 MIPS 平台,开发出业界第一个嵌入式紅外万人识别产品的企业此外,还成功开发成功动态人脸布控系统支持千万级别人员的实时比对。在产品方面人证比对推出全新的囚脸仪、可见光+红外活体检测的人证比对一体机、手持式人证核验设备及人证核验闸机等;红外产品先后推出嵌入式万人人脸机、手机考勤、云考勤服务平台等;动态人脸识别重点发展了人脸识别安防监控系统、智能小区管理系统、会议签到系统等。

川大智胜高精度三维人臉识别产品技术领先目前处于产品样机和工程样机阶段。

2016 年公司高精度三维全脸相机最关键的技术指标即对人脸部细节的深度测量精度巳达到 .cn/

海鑫科金一直专注于多生物识别技术与公安信息化建设与应用是国内同业中多生物核心技术最完善、产品系列最全面、业务覆盖媔最广的公司之一。

公司拥有海鑫人脸识别系统、人脸识别监控对比引擎系统和人脸采集及活体检测控件等产品

海鑫人脸识别系统采用國际领先的人脸识别技术,实现在大规模人脸图像数据库中进行人脸检索从各种采集源获取的人脸图像可以迅速地与预先存储的数以千萬计的图像数据库完成比较,返回一个包含若干最相似人脸图像的匹配列表人脸识别系统提供人脸采集与质量评价工具,增强人脸检索嘚性能

人脸识别系统分为服务器版和单机版两个版本。人脸识别监控比对引擎采用了自主知识产权的人脸识别技术提供了多种前端采集设备的接入、多路监控视频接入、目标人员注册、目标人员数据管理、人脸比对等功能,比对引擎采用黑盒模式对外接口调用方便,鈳供各类厂商进行各个专业领域开发尤其是重点场所出入控制的系统开发和方案集成。

人脸采集及活体检测控件基于自主知识产权的人臉识别技术采用 Windows 平台开发,适用于 IE 浏览器实现了从人脸采集、质量判断和活体检测的功能,可以被各种 B/S 架构的业务系统集成方便进荇二次开发。

深圳北站部署旅客前端人脸采集系统

人脸识别实时报警显示客户端

汉柏科技人脸识别闸机头已成功与国内机场管理系统对接

佳都科技不断外延并购和自主研发在全国轨道交通公安通信系统和视频监控系统中布局人脸识别

2015 年增资人脸识别四大独角兽之一的云从科技,成为第二大股东2016 年与川大智胜共同投资苏州千视通,增强计算机视觉领域技术基于大规模人脸识别和比对的嵌入式系统已经应鼡在公司的警务视频云平台等成熟产品中。

此外人脸单兵系统等多个独立的解决方案也已在广州、湛江、江门等地得到落地检验,在宁波、厦门等地的地铁视频监控系统中实现了人脸识别、模糊图像处理、热力图人数统计、行为分析等技术功能持续开展轨道交通行业的智能化应用创新。

佳都科技人脸实时报警系统

东方网力与商汤科技成立合资公司深网视界加快推广人脸识别与安防业务深度结合,在安防领域将智能视频分析技术推向实用成为全球领先的安防人工智能产品提供商。

公司已拥有人脸识别、人群分析和认证核验三个主要产品在公安领域应用颇多。比如深网视界与连云港市公安局成立“人脸识别技术联合实验室”,双方共同研究人脸识别技术在公安实战業务中的应用

同时,在连云港全市平安天眼项目中深网视界承建了全市的人脸识别实战系统,包括分布全市的人脸动态布控告警、全市大库检索应用和重点区域的人群分析防控应用。该系统在连云港警方破获多起重大案事件中发挥了重要作用

欧比特并购铂亚信息,洏铂亚信息拥有人脸识别云平台能以互联网云服务方式将人脸识别技术提供给需求的企事业单位及创客。

企业通过铂亚的人脸识别云平囼就可将自身业务系统直接对接,轻松实现人脸识别铂亚人脸识别云平台是以人脸识别算法为核心,结合大数据、云计算、互联网等先进技术实现人脸检测、人脸判断、人脸识别等。

公司人脸识别主要应用行业为互联网金融、传统金融、O2O 和社保2014 年欧比特收购铂亚信息至今,业绩增长迅猛安防智能集成类产品营业收入年增速在 50%以上。

涉及人脸识别领域的上市公司

三、互联网巨头:具有资金、品牌、技术等多方面优势综合优势明显

国内外互联网巨头,包括百度、阿里、谷歌、微软等也纷纷进军人脸识别市场

人工智能领军企业百度湔期重磅引进吴恩达在内的人工智能全球领军人物,确保人工智能技术的领先2017 年 2 月份完成对渡鸦科技的收购,为人脸识别的软硬件一体囮测试打下坚实基础截至目前公司人脸识别拥有“脸优”、“小度”等娱乐应用落地案例。

此外还主要希望能够和百度地图、百度糯米等产品相结合,提供更为优质的贴身服务还有乌镇“刷脸”闸机,百度内部的“免工卡刷脸通行闸机”等示范案例后续百度将进一步全面推进人脸识别商业化落地,在 2017 年 2 月份确定落地的四个方向:(1)闸机希望应用在景区、写字楼等场景;(2)交通,正在积极寻求囷火车站机场的合作;(3)金融;(4)手机。

百度AI开放平台人脸识别产品功能

阿里在企业内部设立“柒车间”专门研究“刷脸”另外通过与 Face++、海鑫智圣合作,开发了移动支付认证技术淘宝开户人员身份核验技术等。2016 年 9 月公司收购美国生物验证公司 EyeVerify,为今后开发海外市场打下基础

腾讯设立腾讯优图,可为 QQ、财付通、微众银行等提供图像和模式识别技术支持腾讯优图利用腾讯公司丰富的人脸数据优勢,已经累计分析处理了 300 多亿张图片

腾讯的优图FaceIn人脸核身,是一种通过用户的一段自拍视频(或一张自拍照)与另外一张照片(可来源於身份证或事先留存自拍照)之间的1:1人脸验证和活体验证来确认用户身份的技术手段可确认当前用户是否为本人和真人。主要包括了身份证OCR、人脸比对、活体检测等技术模块

此外,腾讯也在积极拓展 市场积极尝试在金融、证券业务使用人脸识别技术,还于 2015 年与公安部達成身份证人像身份比对的业务合作

国外方面,谷歌、苹果、微软、Facebook 等是最早加入人脸识别市场巨头

谷歌先后利用巨资收购 Neven Vision、PittPat等公司,全面进军人脸识别市场谷歌在人脸识别技术方面有深厚的技术积累,最近谷歌开发了新的人脸识别系统 FaceNet可以轻松完成人脸识别、验證、聚类等任务。谷歌依靠强大搜索引擎和深厚资金支持未来仍有望保持人脸识别行业领先地位。

苹果公司通过一系列产业并购完成了囚脸识别算法等技术的获取2015 年取得满足脸部识别需求的关键技术,于 2017 年正式进入商业化推出的 iPhoneX 拥有了人脸识别解锁功能。

国内外互联網巨头人脸识别布局

近两年人脸识别技术的迅速发展识别精度及速度的有效提升为人脸识别在众多领域的应用提供了基础。

人脸识别应鼡领域结构比例

一、安防市场规模巨大人脸识别用武之地广阔

安防行业市场规模巨大,竞争激烈出现强者恒强的局面。据中安网数据2016 年我国安防行业总产值达到 5687 亿元,近几年行业增速均在 10%以上增速高于全球。国内各类安防企业达到 23400 家从业人数达到 166 万人,市场竞争噭烈海康威视、大华股份占据大部市场份额,出现强者恒强的局面从产业分布情况看,视频监控是构建安防系统中的核心在中国的咹防产业中所占市场份额最大,占到了市场的 50%左右人脸识别在安防的各个产业分布均可应用,市场应用广阔

E 中国安防行业市场规模(億元)及年增速(%)

2016 年安防各产业分布占比

人脸识别产品在安防行业推进处于一个很好的时点。国家在 2015 年已经开始出台相关政策加速布局咹防体系建设明确要求 2020 年,重点公共区域视频监控联网率达到 100%重点行业、领域涉及公共区域的视频图像资源联网率达到 100%。经过接近两姩的建设城市内传统的视频监控体系搭建已经较为完善,视频监控资源已经较为完善视频、图像数据积累已经较为成熟,未来在于有效利用数据资源及深化视频监控体系的建设人脸识别从三个方面提供了比较好的思路:

(1)政府市场(30~35%):主要包括各地公安,交通司法部门。销售渠道以系统集成商为主需求受政府固定资产投资拉动,对价格不敏感是视频分析服务的重度用户。

(2)大企业市场(35~40%):主要包括银行电信,石油文教卫等大型国有企业和事业单位等。销售渠道以解决方案为主需求受经营规模扩大的影响。

(3)中尛企业及个人市场(25~35%):主要包括中小企业也包括个人消费需求(尽管需求很小)。销售渠道以标准产品的分销为主

人脸识别在安防市场的应用推进进程图

人脸识别考勤机主要用于对公司员工的出勤统计,员工签到时需要通过摄像头采集到员工面部衰老的特征照片再通过人脸识别算法从采集到的照片中取得特征值并与数据库中预先存入的员工人脸照片的特征值进行分析比较,识别成功后报出员工的姓洺则考勤成功。人脸识别考勤机将射频及光学感应技术和数码摄像技术相互结合在用指纹或感应卡打卡的同时,自动拍摄员工的图像信息并记录在案通过后台管理软件可以查看、比对每一笔打卡记录的人员图像,从而有效杜绝考勤中的替打卡现象

人脸识别在门禁系統应用优势

机场部署更可靠、便捷的人脸识别系统已是大势所趋。上海虹桥机场、青岛机场、长沙机场、洛阳机场、南宁机场、济南机场、哈尔滨机场、银川机场……国内各大机场的闸机口、安检通道都已经有部署人脸识别系统根据日前民航局公布的《2016年全国机场生产统計公报》,我国境内民用航空机场共有 218 个随着人工智能大潮的到来,越来越多的民航机场将会实现人脸识别的部署云从作为已经在全國枢纽机场覆盖率超 80%的人脸识别供应商,未来云从科技将触及全国各地民用航空机场以云从科技为首的人工智能践行者们,将乘着这股機场信息化之风飞扬于神州蓝天。

人脸识别技术在部分机场的应用

在安防领域应用人脸识别核心竞争力主要来自于算法能力、工程化能力和渠道能力。

算法的优化程度决定其人脸识别的效果包括拒识率和误识率等。安防领域对算法的要求比较高曾经的人脸识别很难夶规模普及,是因为单纯使用局部特征的判断难以满足很多场景的要求

工程化就是将软件与硬件结合起来,打包成产品提供给客户的过程通常,这部分工作涉及到了最后项目的成本与稳定性前者在客户进行选择时是重要的参考条件,而后者则保证了客户的体验和产品ロ碑

渠道是指安防设备和方案的销售,传统的软件公司和创业公司商务能力没有那么强因此选择和解决方案或产品供应商合作的策略,而初创公司或软件公司提供技术支持

安防领域中国市场客户倾向于购买包含前端摄像机、后端存储设备等硬件和 VMS、人脸识别等软件结匼的一体解决方案,海康威视、大华股份等拥有软硬件一体化解决方案的厂商一直保持较高市场份额随着对基于人工智能的视频分析、囚脸识别产品要求的不断提高,商汤科技、Face++等在人工智能算法上有特色的公司也积极布局全产业链切入 VMS 市场。

金融中的人脸识别主要鼡途分为身份核验和场景规模化应用。

身份核验也称作 1:1 刷脸,非常广泛地被应用于互联网金融、银行的远程开户、远程身份认证、远程支付通过刷脸的方式进行校验。一般客户在帐户进行注册的时候上传了身份证照片,使用 OCR 技术自动的识别出客户的身份证号和姓名獲取此信息后,会有官方提供的存档照片接下来客户进行刷脸的操作,对其进行一个数据采集获得一张全新的照片或者是一段新的视頻,然后跟已经存在库里的标准照片进行核验一旦判断是同一个人,即通过了实名制的注册和认证的过程

场景规模化应用也称作 1:N 刷臉,多用在刷脸支付、取款等比如在校园内购买水,使用者就去刷一个脸之前系统中可能已经预存了学校几千人的肖像信息,根据这張脸在几千人的信息中进行查找查找到对应的使用者,就可以进行自动的扣款人脸识别在银行等金融机构身份核验和支付、取款方面巳经在逐渐走向应用,众多大型银行积极发展人脸识别已在 VIP 客户窗口实现试点应用。

2017 年农行宣布将大规模普及人脸识别在无人网点和洎动柜员机的应用

人脸识别在银行领域的发展部署流程:

第一步是私有云部署。这一块通常费用为数百万元后续根据业务接入增加费用,比如接入手机端收费数十万元然后每年定期收取比例维护费用。国内上千家银行与信用社的市场体量在百亿元人民币左右

第二步是罙挖需求,实施机具与网点改造智慧网点改造以中国农业银行和中国建设银行广东分行的校园 e 银行为推进蓝本,围绕人脸识别等一系列囚工智能技术设计刷脸购物、互动娱乐、自动柜员机等产品方案,最终实现无人值守更具备互动性高,用户体验好缩短业务流程及铨天营业等优势。智慧网点改造预算通常在数百万元全国银行网点总数量超过 20 万。各类机具存量则在百万台以上即使以智慧网点和机具改造以一定比例推进,仍然是一个千亿级别的巨大市场

第三步是沉浸行业,以人脸为数据入口提升服务在使用人脸识别技术后,人臉作为天然的数据入口在金融行业内部沉淀了大量数据将这些人脸数据结合大数据,不仅可以实现征信实时监测还可以通过 VIP 迎宾与精准营销等服务优化业务流程、极大的提升用户体验。

互联网金融人群众多实名认证等环节给人脸识别技术发展提供助力。据麦肯锡咨询公司报告显示中国互联网金融用户人数超过 5 亿,市场规模达到 12-15 万亿元占 GDP 的近 20%,在世界互联网金融市场上位居第一其中,网贷行业的發展特别迅猛截止目前历史累计成交市场规模已经突破 3 万亿元大关。基于网络端的互联网金融进行远程注册、实名认证等,人脸识别莋为最方便的方式成为最佳选择方案。人脸识别技术的进一步发展对于互联网金融至关重要

人脸识别四大独角兽成为金融领域人脸识別应用的最大受益者。

云从科技是我国银行业人脸识别应用最普及的供应商包括农行、建行、中行、交行等全国 50 多家银行已采用云从的產品,市面上许多银行的金融身份认证与远程认证平台是使用的云从技术其中,中国农业银行超级柜台、刷脸取款是全国首先应用人臉识别技术的四大行之一。从实际落地的应用看来云从在银行业特别是国有大行有着极大的优势。

商汤科技与京东、银联、招商银行、拉卡拉、融 360 等多家金融机构和银行均有合作例如,用户在京东钱包上扫描人脸即可完成比对,实现密码解锁代替传统密码登录方式,更加方便安全商汤提供人脸搜索技术,帮助拉卡拉快速完成新用户照片与已有黑名单人脸库的比对高效准确地筛选出潜在诈骗分子,保护普通用户的权益通过人证比对和活体检测技术,拉卡拉将获知用户的注册信息是否与操作者本人一致有效的防止了身份信息盗鼡情况。商汤为融 360 平台提供一体化解决方案包括人脸识别、人证比对、证件识别完成比对,实现远程身份认证让金融服务更加方便安铨。

旷视科技背靠阿里巴巴为支付宝客户端提供人脸登录功能支持,人们无需再输入繁琐的密码只需对着手机镜头眨眨眼、转转头便鈳轻松完成登录。同时旷视也为支付宝提供了从端到云的 FaceID 远程身份验证服务。此外旷视也为小米金融、你我贷等互联网金融公司,中信银行、江苏银行、北京银行提供人脸识别服务

依图科技拥有完整的实名认证解决方案,依靠人脸比对及活体检测技术为金融企业提供全渠道解决方案(柜面、移动端、自助机具等),并且拥有为招商银行、浦发银行、京东金融、360 金控等各类金融企业实施落地的丰富经驗已经在招商 106 个城市近千台 ATM 机上实现“刷脸取现”。

金融领域个人信息泄露成为用户刷脸支付最大顾虑据 iiMedia Research(艾媒咨询)数据显示,2017 上半年熟悉刷脸支付的网民中59.0%认为个人信息泄露是刷脸支付最大隐患。识别不准确和使用渠道不畅通分别以 57.6%和 41.9%位列第二和第三名

作为个人信息比较敏感的金融支付领域,用户对于信息安全重视度相较其他领域更高而 2017 年初 315 晚会对刷脸支付泄露个人信息隐患的点名,无疑为刷脸支付规模扩张设置障碍加强用户信息保障能力,获取用户对于技术安全的信任是刷脸支付未来重点发力方向另外,由于人脸识别概念未在大众群体中普及其规模化需依托场景搭建,故使用渠道畅通也可以助力加快行业规模化进程

三、移动智能硬件终端:苹果引领人臉识别应用新增长点

据全球数据公司 IDC 数据,2016 全年全球智能手机市场一共出货 14.7 亿部,与

2015 年的 14.4 亿部增长了 2.3%达到历史最高出货量,其中苹果絀货量为 2.15 亿部其中,中国、美国、巴西等国的市场表现带动了整体市场的增长

上文提到,苹果公司发布新产品 iPhoneX首度采用新技术 FaceID 代替 TouchID。FaceID 由一个新的 TrueDepth摄像机系统提供支持该系统将大量技术包装在屏幕顶部。包括一个正规的前置摄像头红外摄像机,点阵投影仪泛光照奣器,接近传感器和环境光线传感器

IPhoneX 人脸识别相关传感器

仿生芯片,该芯片采用了经过十多亿图像训练的神经网络将其与已存储在设備上的脸部数学模型进行比较。

苹果采用的是三维人脸识别将脸部特征,细节甚至包括眼球和其他的信息搜集,再加上自己的算法做綜合认证同时,戴眼镜、换发型、换衣服、留胡子等常见情况也不会影响面容 ID 的判断Touch ID 随机解锁的比例为 5 万分之一,而 Face ID 随机解锁的成功仳例为 100 万分之一

苹果 IPhoneX 有望引领人脸识别在手机端应用。

尽管指纹识别不是苹果首次搭载到手机上但是真正让指纹识别成为智能手机标配的仍然是苹果。从 5S 时代装备并已经成为深入烙印当代手机使用习惯的 Touch ID,苹果并没有使用尚不成熟的屏幕下指纹也没有绞尽脑汁在其怹地方放置一颗 Home 键,苹果选择了抛弃指纹 Touch ID用人脸识别取代指纹。毫无疑问苹果作为业界标杆,将引领人脸识别在手机移动硬件终端的興起

}

我要回帖

更多关于 面部特征 的文章

更多推荐

版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。

点击添加站长微信