着人工智能的高速发展，基于计算机视觉技术研究及应用也逐渐进入成熟阶段。其中，人脸识别是运用较多的一种技术，已经渗透到人类日常生活的方方面面。目前TSINGSEE青犀视频也正在积极研发人脸识别项目，将人脸识别技术融入到相关视频平台（如EasyCVR视频融合云服务），并投入到线下场景落地使用。
本文将和大家简单分享一下：人脸识别究竟是如何完成的？它的流程是什么？
一、人脸识别系统的组成
- 前端图像采集
- 前端人脸图像采集系统通过抓拍采集人脸图像、实时视频流等，如视频监控摄像头、智能考勤机、智能门禁机等设备，都具备人脸采集抓拍的功能。
- 后端智能平台
- 后端的智能平台可将前端采集的相关数据统一进行汇聚、处理、存储、应用、管理与共享，并结合人脸识别系统，实现人脸识别功能，并应用在现实场景中如：人脸识别考勤、人脸门禁、公安部的人脸追踪、抓捕嫌疑犯等等。
二、人脸识别技术的流程有哪些？
1、人脸检测
人脸检测在实际中主要用于人脸识别的预处理，即在图像中准确标定出人脸的位置和大小。
从照片中找出人脸的位置，以图片左上角为坐标原点，分别记录下人脸框左上角和右下角的坐标，并将人脸部分裁剪出来。
2、人脸对齐
在现实场景中，往往前端设备抓拍获得的人脸不一定是正脸的角度，所以需要将图像中的人脸姿态进行矫正。通过人脸关键点检测得到人脸的关键点坐标，根据人脸的关键点坐标调整人脸的角度，使人脸对齐。如图，这两个脸在计算机看来，是完全不同的两张脸，因此我们需要通过一些仿射变换将脸部进行对齐。
- 1）仿射变换
- 仿射变换的功能是从二维坐标到二维坐标之间的线性变换，且保持二维图形的“平直性”和“平行性”（直线之间的相对位置关系保持不变，平行线经仿射变换后依然为平行线，且直线上点的位置顺序不会发生变化）。
- 2）对齐方法
- 使用训练好的模型，自动地从检测出的人脸中标记出68个特征点（landmarks），然后在模板库中寻找一个标准模板，使用仿射变化，将这个68个点与模板的68个点对齐。
3、人脸编码（提取特征向量）
通过卷积神经网络训练一个模型，将送入的模型脸部图片自动编码成一个具有一个很强语义的128维向量。
训练方法：
- 输入一张已知身份的照片。
- 输入一张相同身份的照片。
- 输入一张不同身份的照片。
- 反复调整参数，使得步骤1和步骤2中的照片编码尽量接近，与步骤3中的编码尽量不同。
4、人脸分类
依次计算输入图像和数据库中每个图片的128位向量差值的欧氏距离，直到找到小于我们阈值的那张，到此，人脸识别成功。
5、实验结果
基于以上步骤，我们来检测下人脸识别系统最终的识别结果。
三、人脸识别技术的应用场景
人脸识别技术主要用于身份验证，常见的场景有小区、楼宇、校园、工厂、园区、银行等，如：智能门禁、人脸闸机、人脸考勤、智能门锁等。通过人脸识别验证身份，来保障相关场所的安全，也减少了人工审核的成本。
在安防监控中，人脸识别也意义重大，比如公众场所（地铁站、车站、街道、酒店等）的安防布控、公安部追捕嫌疑犯等。基于公众场所的安防监控摄像头，通过抓拍人脸并将结果上传公安部网络，与嫌疑犯人脸进行比对，协助公安人员的执法工作。
人脸识别技术是人工智能领域的关键技术，在智能视频监控系统具有十分广泛的应用前景。TSINGSEE青犀视频也将以AI智能检测与识别技术为核心，持续研发多场景下的智能业务系统及平台，向AI领域深耕。