本文摘要：近日，由美国国家标准与技术研究院NIST（NationalInstituteofStandardsandTechnology）的组织的人脸识别算法测试FRVT2018结果发布，三家中国公司会师前五。其中冠军被中国公司依图科技再次勇夺，中国科学院深圳先进设备技术研究院取得第二名，名列前五的另一家企业是旷视科技。NIST测试以其评测标准的严谨性、一致性和全面性，沦为了全球规模仅次于、标准最严、竞争最白热化、最权威的人脸识别算法比赛。

近日，由美国国家标准与技术研究院NIST（NationalInstituteofStandardsandTechnology）的组织的人脸识别算法测试FRVT2018结果发布，三家中国公司会师前五。其中冠军被中国公司依图科技再次勇夺，中国科学院深圳先进设备技术研究院取得第二名，名列前五的另一家企业是旷视科技。NIST测试以其评测标准的严谨性、一致性和全面性，沦为了全球规模仅次于、标准最严、竞争最白热化、最权威的人脸识别算法比赛。依图科技只不过是第二次取得NIST比赛人脸识别冠军，去年6月NIST官方发布的测试结果中，依图在千万分之一误报下超过辨识准确率95.5％，是当时全球工业界在此项指标下的最差水平。

今年依图将这一指标提高到了相似无限大的水平，即在千万分之一误报下的辨识准确率早已相似99％。根据NIST官方4月公布的竞赛结果，旷视科技也曾登顶榜首，在百万分之一误报下的准确率为97.5％。中国公司获得如此战绩，一定程度上代表在人工智能领域，我国的人脸识别技术早已回头在世界前茅，可喜可贺！为此，小编尤其想要探究一下人脸识别背后的算法原理。

1．基于几何特征的方法基本思想：使用几何特征展开正面人脸识别一般是通过萃取人眼、口、鼻等最重要特征点的方位和眼睛等最重要器官的几何形状作为分类特征。因为人脸由眼睛、鼻子、嘴巴、下巴等部件包含，于是以因为这些部件的形状、大小和结构上的各种差异才使得世界上每个人脸千差万别，所以对这些部件的形状和结构关系的几何叙述，可以当作人脸识别的最重要特征。局限性：基于几何特征的方法是最先、最传统的方法，一般来说必须和其他算法融合才能有较为好的效果。基于参数的人脸回应可以构建对人脸明显特征的一个高效叙述，但它必须大量的前处置和细致的参数自由选择。

同时，使用一般几何特征只叙述了部件的基本形状与结构关系，忽视了局部微小特征，导致部分信息的遗失，更加适合于做到细分类，而且目前有数的特征点检测技术在准确亲率上还近无法满足要求，计算出来量也较小。2.特征脸方法（PCA）特征脸方法是90年代初期由Turk和Pentland明确提出的目前最风行的算法之一，具备非常简单有效地的特点，也称作基于主成分分析（principalcomponentanalysis，全称PCA）的人脸识别方法。基本思想：该方法是再行确认眼虹膜、鼻翼、嘴角等面像五官轮廓的大小、方位、距离等属性，然后再行计算出来出有它们的几何特征量，而这些特征量构成一叙述该面像的特征向量。

其技术的核心实际为“局部人体特征分析”和“图形／神经辨识算法。”这种算法是利用人体面部各器官及特征部位的方法。

如对应几何关系多数据构成辨识参数与数据库中所有的完整参数展开较为、辨别与证实。局限性：特征脸方法是一种非常简单、较慢、简单的基于转换系数特征的算法，但由于它在本质上依赖训练集和测试集图像的灰度相关性，而且拒绝测试图像与训练集较为像，所以它具有相当大的局限性。3.神经网络方法基本思想：人工神经网络是一种非线性动力学系统，具备较好的自的组织、自适应能力。

目前神经网络方法在人脸识别中的研究方兴未艾，但在人脸识别上的应用于相比前两类方法来有一定的优势，因为对人脸识别的许多规律或规则展开显性的叙述是非常艰难的，而神经网络方法则可以通过自学的过程取得对这些规律和规则的隐性传达，它的适应性更加强劲，一般也较为更容易构建。因此人工神经网络辨识速度快，但识别率较低。

局限性：神经网络方法一般来说必须将人脸作为一个一维向量输出，因此输出节点可观，其辨识最重要的一个目标就是降维处置。影响人脸识别的关键因素光照变化光照变化是影响人脸识别性能的最关键因素，对该问题的解决问题程度关系着人脸识别实用化进程的胜败。目前有两种解决问题思路：第一是利用光照模式参数空间估算光照模式，然后展开针对性的光照补偿，以便避免非均匀分布正面光照导致的阴影、高光等影响；第二是基于光照子空间模型的给定光照图像分解算法，用作分解多个有所不同光照条件的训练样本，然后利用具备较好的自学能力的人脸识别算法，如子空间法。姿态问题姿态问题牵涉到头部在三维横向坐标系中绕行三个轴的转动导致的面部变化，其中垂直图像平面的两个方向的深度转动不会导致面部信息的部分缺陷，因此姿态问题沦为人脸识别的一个技术难题。

解决问题姿态问题有三种思路：第一种思路是自学并记忆多种姿态特征，这对于多姿态人脸数据可以更容易提供的情况较为简单；第二种思路是基于单张视图分解多角度视图，可以在不能提供用户单张照片的情况下制备该用户的多个自学样本，可以解决问题训练样本较较少的情况下的多姿态人脸识别问题，从而提高辨识性能；第三种思路是基于姿态恒定特征的方法，即谋求那些不随姿态的变化而变化的特征。

本文来源：ku游官网-www.tjysygb.com