软件开发
0 引言
人脸识别技术与走向信息化的社会有着密切的联系，随着人脸识别技术的不断发展，人脸识别技术在各行各业的应用越来越广泛，尤其在一些加密解锁（手机面部解锁），商业支付应用（微信，支付宝支付）中。人脸识别技术是以面部信息为数据集合，和传统的生物识别方式相比（例如指纹识别，虹膜识别）具有更多的参数信息，安全性更高，并且作为一种非接触的识别方法，在实际应用中更加灵活方便。人脸识别技术是一门涉及高等数学、运筹学以及数字图像处理技术和计算机视觉技术等的综合技术[1,2]。通过CCD，CMOS等光电传感器采集人脸图像，可以进行人脸检测、配准、属性识别、特征提取等多个步骤得到相应信息并进行空间建模，利用算法将特征数字化，根据已有数据进行比对，实现人脸识别。上世纪50年代，科学家首次对人脸识别技术展开研究；上世纪60年代，科学家根据人脸的器官特征点进行识别，但是识别的准确率非常低下；1991年，基于统计原理的‘特征脸’的人脸识别技术出现，这种方法极大的提高了识别的准确率；2000年到2013年，基于机器学习理论的人脸识别算法不断出现；2014年，基于深度学习的人脸识别技术出现，标志着人脸识别技术发展进入了一个崭新的阶段。人脸识别技术凭借并发性、非强制非接触、操作简便的优势在社会上有着越来越广泛的应用[3]。
本文介绍了人脸识别技术的发展历程，详细分析了人脸识别技术的基本原理和主要实现步骤。对比说明了人脸识别技术的优势及其应用。随着人工智能技术的成熟，出现了基于深度学习的人脸识别算法，具有更高的识别精度，本文详细论述了卷积神经网络和基于卷积神经网络的人脸识别算法。尽管已经出现了各种人脸识别的技术，但仍然存在着一些需要解决的问题，如光照、姿态、等限制了人脸识别的准确率。通过分析了目前人脸识别技术的瓶颈，我们对人脸识别技术下一步的发展进行了展望。1 人脸识别原理与步骤
人脸识别技术是通过获取和分析人脸面部信息，提取特征信息进行量化处理，作为区分不同个体的重要依据，最后将处理后得到的特征点信息进行比对（1对1或者1对多的比对），来实现最终识别的一种技术。人脸识别技术可以分为图像获取（摄像头，照片，录像等）和人脸识别算法两个过程。
图像获取：通过摄像机，手机等光电传感器件对不同姿态位置的人脸，不同表情的人脸进行拍摄存储，作为人脸识别处理的对象。
人脸识别算法[4]：可以划分为人脸检测、特征点定位、特征点提取和人脸比对（识别）过程，我们将对不同步骤进
行具体分析。
图1?人脸识别算法过程
■1.1 人脸检测
为了从图像复杂背景环境中准确的标定出人脸的位置和和区域，在进行人脸识别时首先需要进行人脸检测。人脸检测的目的是从输入的图像信息中把人脸框坐标提取出来。人脸检测包括图像扫描和人脸判别两个过程：目前主流的方法是基于卷积神经网络的人脸检测算法[5]。
■1.2 定位人脸特征点
为了准确定位出人脸特征信息位置，我们需要通过相应人脸特征点定位算法对含人脸坐标框的图像进行处理，求出人脸关键点坐标。
■1.3 人脸图像特征提取
人脸图像特征提取是将人脸图像转化为一个多维向量，把图像信息转化为特定数值的过程。当有N个特征，每个特征有M个不同形式，则可以表示的总量为M^N，经过这
人脸识别技术的基本原理与应用
高卓宇
（杭州市萧山区第三高级中学，浙江杭州，310000）
摘要：随着社会进步和科学技术的迅猛发展，人类迈入了数字信息化的21世纪，信息识别安全问题变得更加重要。人脸识别技术作为一种更加安全可靠的生物识别技术得到了快速发展。尤其是随着人工智能技术的成熟，推动了人脸识别技术更快的发展起来，在商业支付，交通识别，军事加密等不同行业都发挥着越来越重要的作用。本文主要介绍了人脸识别技术的发展历程，分析了人脸识别技术的基本原理，论述了人脸识别技术的具体实现过程，并对基于卷积神经网络的人脸识别算法进行了说明，最后通过举例说明人脸识别技术的应用领域和发展瓶颈问题，对未来的人脸识别技术进行了相应的展望。
关键词：人脸识别；人工智能；生物识别
www?ele169?com | 41
人脸识别技术研究 1 引言 1.1 选题背景 目前，在个人身份鉴别中主要依靠ID卡和密码等传统手段，这些传统手段的安全性能较低，且都是基于，“What he Dossesses”或“What he remembers”的简单身份鉴别，离真真意义上的身份鉴别“Who he is”还相差甚远。依靠传统方法来确认个人身份越来越不适应现代科技的发展和社会的进步。生物特征识别技术给可靠的身份鉴定带来了可能。最近，国际生物特征组织(IBG)对生物特征识别技术做了较详细的市场分析和预测，其结果显示，全球生物特征识别技术2014年的产值约为69亿美元，预计到2016年将超过93亿美元，市场潜力非常巨大…。 生物识别技术是指利用一个人特有的生理和行为特征进行自动的身份认证。只有满足以下几个条件的生理或行为特征才能被用做生物识别特征 1)普遍性。即每个人都要具备这种特征。 2)唯一性。即不同的人应该具备不同的这种特性。 3)持久性。即这种特征不随时间地点的改变而变化。 4)可采集性。即该特征可以被定量地测量。 研究和经验表明，人脸、指纹、手型、掌纹、虹膜、视网膜、签名、声音等都满足这些条件，可以用于识别人的身份。基于这些特征，人们发展了人脸识别、指纹识别、语音识别、虹膜识别等多种生物识别技术。在所有的生物特征识别技术中，利用人脸特征进行身份识别是最自然、最直接和最友好的于段。与其它生物特征识别技术相比，人脸的获取非常容易，几乎可以在被采集对象无意识的状态
下获取人脸图像，这样的取样方式没有“侵犯性”。 人脸识别技术是种重要的生物特征识别技术，应用非常广泛。人脸是自然界存在的一种特殊的复杂视觉模式，它包含及其丰富的信息。首先，人脸具有一定的不变性和唯一性，人脸识别是人类在进行身份确认时使用最为普遍的一种方式，人脸图像还能够提供一个人的性别、年龄、种族等有关信息。其次，人脸也
1．人脸识别技术的应用 随着社会的不断进步以及各方面对于快速有效的自动身份验证的迫切要求，生物特征识别技术在近几十年中得到了飞速的发展。作为人的一种内在属性，并且具有很强的自身稳定性及个体差异性，生物特征成为了自动身份验证的最理想依据。当前的生物特征识别技术主要包括有：指纹识别，视网膜识别，虹膜识别，步态识别，静脉识别，人脸识别等。与其他识别方法相比，人脸识别由于具有直接，友好，方便的特点，使用者无任何心理障碍，易于为用户所接受，从而得到了广泛的研究与应用。除此之外，我们还能够对人脸识别的结果作进一步的分析，得到有关人的性别，表情，年龄等诸多额外的丰富信息，扩展了人脸识别的应用前景。当前的人脸识别技术主要被应用到了以下几个方面：（1）刑侦破案公安部门在档案系统里存储有嫌疑犯的照片，当作案现场或通过其他途径获得某一嫌疑犯的照片或其面部特征的描述之后，可以从数据库中迅速查找确认，大大提高了刑侦破案的准确性和效率。 （2）证件验证在许多场合（如海口，机场，机密部门等）证件验证是检验某人身份的一种常用手段，而身份证，驾驶证等很多其他证件上都有照片，使用人脸识别技术，就可以由机器完成验证识别工作，从而实现自动化智能管理。 （3）视频监控在许多银行，公司，公共场所等处都设有24小时的视频监控。当有异常情况或有陌生人闯入时，需要实时跟踪，监控，识别和报警等。这需要对采集到的图像进行具体分析，且要用到人脸的检测，跟踪和识别技术。 （4）入口控制入口控制的范围很广，既包括了在楼宇，住宅等入口处的安全检查，也包括了在进入计算机系统或情报系统前的身份验证。 （5）表情分析根据人脸图像中的面部变化特征，识别和分析人的情感状态，如高兴，生气等。此外，人脸识别技术还在医学，档案管理，人脸动画，人脸建模，视频会议等方面也有着巨大的应用前景。 2．人脸识别技术在国外的研究现状 当前很多国家展开了有关人脸识别的研究，主要有美国，欧洲国家，日本等，著名的研究机构有美国MIT的Media lab,AI lab,CMU的Human-Computer I nterface Institute，Microsoft Research,英国的Department of Engineerin g in University of Cambridge等。综合有关文献，目前的方法主要集中在以下几个方面： （1）模板匹配 主要有两种方法，固定模板和变形模板。固定模板的方法是首先设计一个或几个参考模板，然后计算测试样本与参考模板之间的某种度量，以是否大于阈值来判断测试样本是否人脸。这种方法比较简单，在早期的系统中采用得比较
人脸识别发展趋势及应用领域分析 人脸识别技术是一种高精度、易于使用、稳定性高、难仿冒的生物识别技术，具有极其广阔的市场应用前景。在公安、国防、海关、交通、金融、社保、医疗及其他民用安全控制等行业和部门存在着广泛的需求。 一、人脸识别何以瞬间爆发？ 其实对于整个生物识别领域来说，由于指纹识别应用时间早，价格低廉，而且使用便利，因此早早地便占据了国内的大部分市场，在顶峰时期，甚至可以达到90%左右。但是，又是什么力量，使人脸识别在短短五六年的时间里，就实现了如此迅猛的腾飞呢？ （一）政策因素：抛开技术因素，国家政策的支持可以说是人脸识别崛起的重要因素之一。尤其随着近些年来，平安城市等技术的大力推广，我国安防市场的需求也随之迅速升温，各领域安保的等级也就随之实现明显的提升。甚至在部分地区的部分领域，人脸识别已经开始被列为使用过程中的强制标准。这种情况的出现，对于人脸识别的推广无疑是一种非常有力的推动。因此，虽然政策的角色只是一种诱导的作用，但是这种诱导对于人脸识别的爆发，却又是不可或缺的。 （二）社会需求：在我国，随着城镇化的进程加快，流动人口比例大大增加，面临的突发事件和异常事件越来越复杂。因此这也就给城市的安保工作，以及视频监控带来了更大的压力。传统依靠人工来“盯”的方式难免会因疲劳或精神不集中等原因影响监视效果，难以胜任对庞大数据库的分析与理解，从而影响事后查找证据，更难以满足时代的需求，于是，人们对于具有智能分析的视频监控应用的呼声越来越高。 二、人脸识别发展趋势 （一）与视频监控相结合：随着人脸识别技术的进一步发展，将人脸识别技术将实现与数字监控系统的进一步融合，将成为人脸识别技术的另外一大应用领域。据统计数据显示，仅在中国大陆，在未来三年内有望形成年销售额过百亿，并在未来十年内则有望形成年销售额过千亿的市场规模。（二）逐步取代指纹考勤：人脸识别考勤，通过对人脸一些独一无二的特征识别对验进行考
1、绪论 人脸识别是通过分析脸部器官的唯一形状和位置来进行身份鉴别。人脸识别是一种重要的生物特征识别技术，应用非常广泛。与其它身份识别方法相比，人脸识别具有直接、友好和方便等特点，因而，人脸识别问题的研究不仅有重要的应用价值，而且在模式识别中具有重要的理论意义，目前人脸识别已成为当前模式识别和人工智能领域的研究热点。本章将简单介绍几种人脸识别技术的研究方法。 关键词：人脸识别 2、人脸识别技术的主要研究方法 目前在国内和国外研究人脸识别的方法有很多，常用的方法有：基于几何特征的人脸识别方法、基于代数特征的人脸识别方法、基于连接机制的人脸识别方法以及基于三维数据的人脸识别方法。人脸识别流程图如图2．1所示： 图2．1人脸识别流程图 3、基于几何特征的人脸识别方法 基于特征的方法是一种自下而上的人脸检测方法，由于人眼可以将人脸在不此研究人员认为有一个潜在的假设：人脸或人脸的部件可能具有在各种条件下都不会改变的特征或属性，如形状、肤色、纹理、边缘信息等。基于特征的方法的目标就是寻找上述这些不变特征，并利用这些特征来定位入脸。这类方法在特定的环境下非常有效且检测速度较高，对人脸姿态、表情、旋转都不敏感。但是由于人脸部件的提取通常都借助于边缘算子，因此，这类方法对图像质量要求较高，对光照和背景等有较高的要求，因为光照、噪音、阴影都极有可能破坏人脸部件的边缘，从而影响算法的有效性。 模板匹配算法首先需要人TN作标准模板(固定模板)或将模板先行参数化(可变模板)，然后在检测人脸时，计算输入图像与模板之间的相关值，这个相关值通常都是独立计算脸部轮廓、眼睛、鼻子和嘴各自的匹配程度后得出的综合描述，最后再根据相关值和预先设定的阈值来确定图像中是否存在人脸。基于可变模板的人脸检测算法比固定模板算法检测效果要好很多，但是它仍不能有效地处理人脸尺度、姿态和形状等方面的变化。 基于外观形状的方法并不对输入图像进行复杂的预处理，也不需要人工的对人脸特征进行分析或是抽取模板，而是通过使用特定的方法(如主成分分析方法(PCA)、支持向量机(SVM)、神经网络方法(ANN)等)对大量的人脸和非人脸样本组成的训练集(一般为了保证训练得到的检测器精度，非人脸样本集的容量要为人脸样本集的两倍以上)进行学习，再将学习而成的模板或者说分类器用于人脸检测。因此，这也是j 种自下而上的方法。这种方法的优点是利用强大的机器学习算法快速稳定地实现了很好的检测结果，并且
人脸识别系统的原理与发展 一、引言 人脸识别系统以人脸识别技术为核心，是一项新兴的生物识别技术，是当今国际科技领域攻关的高精尖技术。它广泛采用区域特征分析算法，融合了计算机图像处理技术与生物统计学原理于一体，利用计算机图像处理技术从视频中提取人像特征点，利用生物统计学的原理进行分析建立数学模型，具有广阔的发展前景。2012年4月，铁路部门宣布车站安检区域将安装用于身份识别的高科技安检系统人脸识别系统；可以对人脸明暗侦测，自动调整动态曝光补偿，人脸追踪侦测，自动调整影像放大； 二、概述 人脸识别系统概述 广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音(语音)、体形、个人习惯(例如敲击键盘的力度和频率、签字)等，相应的识别技术就有人脸识别、指纹识别、掌纹识别、虹膜识别、视网膜识别、语音识别(用语音识别可以进行身份识别，也可以进行语音内容的识别，只有前者属于生物特征识别技术)、体形识别、键盘敲击识别、签字识别等。 人脸识别系统功能模块 人脸捕获与跟踪功能：人脸捕获是指在一幅图像或视频流的一帧中检测出人像并将人像从背景中分离出来，并自动地将其保存。人像跟踪是指利用人像捕获技术，当指定的人像在摄像头拍摄的范围内移动时自动地对其进行跟踪。 人脸识别比对：人脸识别分核实式和搜索式二种比对模式。核实式是对指将捕获得到的人像或是指定的人像与数据库中已登记的某一对像作比对核实确定其是否为同一人。搜索式的比对是指，从数据库中已登记的所有人像中搜索查找是否有指定的人像存在。 人脸的建模与检索：可以将登记入库的人像数据进行建模提取人脸的特征，并将其生成人脸模板(人脸特征文件)保存到数据库中。在进行人脸搜索时(搜索式)，将指定的人像进行建模，再将其与数据库中的所有人的模板相比对识别，最终将根据所比对的相似值列出最相似的人员列表。
人脸识别技术的应用背景及研究现状 1．人脸识别技术的应用 随着社会的不断进步以及各方面对于快速有效的自动身份验证的迫切要求，生物特征识别技术在近几十年中得到了飞速的发展。作为人的一种内在属性，并且具有很强的自身稳定性及个体差异性，生物特征成为了自动身份验证的最理想依据。当前的生物特征识别技术主要包括有：指纹识别，视网膜识别，虹膜识别，步态识别，静脉识别，人脸识别等。与其他识别方法相比，人脸识别由于具有直接，友好，方便的特点，使用者无任何心理障碍，易于为用户所接受，从而得到了广泛的研究与应用。除此之外，我们还能够对人脸识别的结果作进一步的分析，得到有关人的性别，表情，年龄等诸多额外的丰富信息，扩展了人脸识别的应用前景。当前的人脸识别技术主要被应用到了以下几个方面：（1）刑侦破案公安部门在档案系统里存储有嫌疑犯的照片，当作案现场或通过其他途径获得某一嫌疑犯的照片或其面部特征的描述之后，可以从数据库中迅速查找确认，大大提高了刑侦破案的准确性和效率。 （2）证件验证在许多场合（如海口，机场，机密部门等）证件验证是检验某人身份的一种常用手段，而身份证，驾驶证等很多其他证件上都有照片，使用人脸识别技术，就可以由机器完成验证识别工作，从而实现自动化智能管理。 （3）视频监控在许多银行，公司，公共场所等处都设有24小时的视频监控。当有异常情况或有陌生人闯入时，需要实时跟踪，监控，识别和报警等。这需要对采集到的图像进行具体分析，且要用到人脸的检测，跟踪和识别技术。 （4）入口控制入口控制的范围很广，既包括了在楼宇，住宅等入口处的安全检查，也包括了在进入计算机系统或情报系统前的身份验证。 （5）表情分析根据人脸图像中的面部变化特征，识别和分析人的情感状态，如高兴，生气等。此外，人脸识别技术还在医学，档案管理，人脸动画，人脸建模，视频会议等方面也有着巨大的应用前景。 2．人脸识别技术在国外的研究现状 当前很多国家展开了有关人脸识别的研究，主要有美国，欧洲国家，日本等，著名的研究机构有美国MIT的Media lab,AI lab,CMU的Human-Computer I nterface Institute，Microsoft Research,英国的Department of Engineerin g in University of Cambridge等。综合有关文献，目前的方法主要集中在以下几个方面：
人脸识别技术的新发展阅读答案（2014呼和浩特中考试题） 人脸识别技术的新发展 刘露 ①《谍中谍4》中有一些令人炫目的场景：身在茫茫人海中，一眨眼的功夫已被潜藏着的对手认出，随即被盯梢；对手迎面来时，你的手机立刻发出嘀嘀的报警声，上面已经显示他的姓名和信息……我们不禁要问：这是真的吗？事实上，这些情景不仅仅是电影特技，人脸识别技术已经让科幻成为现实。 ②人脸识别的过程其实并不复杂。首先是人脸检测，即判断输入图像中是否存在人脸，如果有，便给出每个人脸的位置、大小；其次是面部特征定位，即对找到的每个人脸，检测其主要器官的位置和形状等信息；最后进行人脸比对，根据面部特征定位的结果，与数据库中人脸对比，判断该人脸的身份信息。这种生物识别技术与传统的身份鉴定方式相比，有着自身的特点。人脸识别技术的最大特点就是识别过程精度高、速度快，运用起来就更具保密性和方便性。 ③硬件设备方面，苹果正在研究一些方法让用户使用人脸识别技术方便地开关和控制电子设备。这种技术最终会让iPhone和iPad具备人脸解锁功能。联想在新款的笔记本电脑上也配备了人脸识别技术，凭借这种技术，笔记本电脑的主人在登录系统时，就可以免去输入密码的麻烦而直接进入系统。 ④网络应用方面，尤其是社交网络应用，很多社交产品开始利用人脸识别使影像信息和用户的社交网络个人资料连接起来。使用人脸识别技术，让普通用户的面孔直接与网站上的背景资料、好友关系匹配。 ⑤腾讯推出了“搜搜慧眼”，这是一个基于人脸识别的社交产品。用户将手机切换到人脸识别模式，启动“明星脸识别”功能，“慧眼”会自动识别照相镜头中的人脸，并将之拍下来；随后，它会在网上寻找与这张脸最相似的明星的脸显示出来，并对服饰、妆扮等细节进行点评。 ⑥在计算机技术、网络技术和人工智能技术日新月异的今天，高速发展的人脸识别技术将会有更广阔的舞台来展现其价值。也许就在明天，人脸将成为我们电子生活中的重要名片和标签。人脸识别技术将体现在我们生活的方方面面，改变我们的生活方式。 （选自《百科知识》，有删改） 1．文章的说明顺序是（1分） 2．根据文章内容，请你说说什么是“人脸识别技术”。（3分） 3．文章第①段《谍中谍4》中令人炫目的场景，侧重表现了人脸识别技术的特点。（2分） 4．“之前，人脸识别大多用于门禁识别或公安机关追踪等大型应用。现在，人脸识别技术已经逐渐进入人们的日常生活。比如登录电脑、方便网络社交等都可以用到这项技术。”这是从文中抽出的一段话，将其还原，正确的位置应是（2分） A．①和②之间B．②和③之间 C．③和④之间D．⑤和⑥之间
基于人脸识别的安防系统解决方案 1、应用背景 随着中国社会国际化程度的不断深化，奥运会、世博会、亚运会等大型活动在中国的举办，中国已经成为全球瞩目的焦点，世界各地包括国内数以百万乃至千万计的游客、官员、新闻记者、运动员、裁判员、工作人员、志愿者等各类人士将集聚中国的场馆。与会人士中不乏企图制造事端、普通民众为之色变的恐怖分子，如何确保各种级别、各类型的运动会、会议或展会的安全、有序进行，已经成为摆在各组委会等机构面前的头等大事。 长期以来，与会人员凭门票、代表证、参展证等各类证件（凭证）在经过工作人员人工查验后即可进入会场。这种模式以低廉的代价为会场的管理提供了一些基本的保障，但也存在着严重的管理漏洞和安全隐患。在相关人士意识到了问题的存在之后，条码、IC/ID卡、RFID等技术便逐步引入了大型会场的管理，原有的证件人工查验模式变为计算机系统的自动查验为主、人工为辅的查验模式，这一模式的改变减少了人为错误的发生。同时，在应用上述技术后，证件伪造的难度也有了显著增加。应该说，上述技术的应用在一定程度上提升了会场的管理和安全保障水平，但单凭证件的与会人员身份认证模式仍然存在证件存在被伪造的可能、证件可能被他人借用或冒用、证件遗失会给持证人带来极大的不便等问题。 人体生物特征具有唯一性、稳定性、不可复制、不可假冒等显著特点，用于身份认证具有更高的安全性。在指纹、掌纹、虹膜等人体生物特征识别技术中，人脸识别技术的优势非常明显。首先，作为识别特征，人脸具有稳定、可靠、安全、便利等特点。在一般情况下，人的面部特征是非常稳定可靠的，“携带”便利。面像也是用于区分人的首要特征。其次，人脸图像的采集非常方便，尤其是基于标准视频的图像采集方式。目前，绝大多数系统采用的都是可见光范围内的标准摄像头，完全满足人脸图像的采集要求，不需要进行任何改造或升级。人脸图像的采集是非接触式的，也不需要人主动配合，最大限度地提高了系统的响应速度。第三，与系统结合人脸识别系统能够最大效能的发挥现有监控系统的优势，真正
人脸识别技术发展及应用分析 人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机采集人脸图像，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处理，包括人脸图像采集、人脸定位、人脸识别预处理、记忆存储和比对辨识，达到识别不同人身份的目的。 市场现状 人脸识别技术的研究始于20世纪60年代末期。 20世纪90年代后期以来，一些商业性的人脸识 别系统逐渐进入市场，但是，这些技术和系统离 实用化都有一定距离，性能和准确率也有待提高。 美国遭遇恐怖袭击后，这一技术引起了广泛关 注。作为非常容易隐蔽使用的识别技术，人脸识 别逐渐成为国际反恐和安全防范重要的手段之一。 近年来，人脸识别在中国市场，也经历着迅速的 发展，而且发展的脚步也越来越快。主要原因有以下两方面。 科技的进步 国际上，美国标准与技术研究院（NIST）举办的Face Recognition Vendor Test 2006，通过大规模的人脸数据测试表明，当今世界上人脸识别方法的识别 精度比2002年的FRVT2002至少提高了一个数量级（10倍），而对于高清晰，高质量人脸图像识别，机器的识别精度几乎达到100%。在我国，近年来科技界和社会各个方面都认识到人脸识别技术的重要性，国家政策对人脸识别技术研究给予了很大支持，使得我国人脸识别技术也得到了迅速的发展。 应用需求的增加 越来越趋向于高科技的犯罪手段使得人们对各种场合的安全机制要求也近乎 苛刻，各种应用需求不断涌现。人脸识别市场的快速发展一方面归功于生物识别需求的多元化，另一方面则是由于人脸识别技术的进步。从需求上来说，除了传统的考勤、门禁等应用外，视频监控环境下的身份识别正成为一种迫切的需求，
人脸识别技术的研究 1.引言 在信息化飞速发展的今天，计算机的应用领域越来越广，大大减轻了人类的体力劳动和脑力劳动。在对人的计算机自动身份鉴别系统中，指纹、基因、虹膜等方法都为接触式鉴别手段，需要人为的采样，属侵犯式的识别。因人脸识别的非接触式特性现以成为计算机领域的一个研究热点，在国内外引起很高的重视，取得了一系列的成果。在公安、银行、海关等重要部门可以应用人脸识别技术提供方便、高效的检测手段。 虽然人可以毫不费力地识别出人脸及其表情，但要计算机自动准确地识别却困难得多。因为人脸具有相似的结构，在纹理上也比较接近，人脸识别系统只能利用不同人脸之间的细微差别来实现正确识别的任务。同时，同一个人在光照、姿态、表情、人脸大小等不同采样条件下所获得的图像有很大的不同，更不用说发型、年龄、化妆以及饰物的变化了，得到的图像可能是正面的也可能是侧面的，此外噪声和掩遮都使问题变得复杂。可见，人脸识别涉及到图像处理、模式识别、人工智能及生理学等多个学科[1]，使得人脸识别成为一项极富挑战性的课题。 人脸自动识别系统包括三个主要技术环节[2]：首先是图像预处理，由于实际成像系统多少存在不完善的地方以及外界光照条件等因素的影响，在一定程度上增加了图像的噪声，使图像变得模糊、对比度低、区域灰度不平衡等。为了提高图像的质量，保证提取特征的有有效性，进而提高识别系统的识别率，在提取特征之前，有必要对图像进行预处理操作；人脸的检测和定位，即从输入图像中找出人脸及人脸所在的位置，并将人脸从背景中分割出来，对库中所有的人脸图像大小和各器官的位置归一化；最后是对归一化的人脸图像应用人脸识别技术进行特征提取与识别。 2. 人脸识别技术研究的方法 人脸识别的方法大致可以分为基于几何特征、基于代数特征[3]、基于神经网络模型以及基于三维模型等的几大类。 基于几何特征 是在抽取人脸图像上显著特征的相对位置及其参数的基础上进行识别。最早的人脸识别是用手工的方法确定人脸特征点的位置并将其输入计算机中。识别工作的流程大体如下：首先检测出面部特征点，通过测量这些关键点之间的相对距离（欧式距离），得到描述每个脸的特征矢量，比如眼睛、鼻子和嘴的位置和宽度，眉毛的厚度和弯曲程度等，以及这些特征之间的关系，用这些特征来表示人脸。比较未知脸和库中已知脸中的这些特征矢量，来决定最佳匹配[4]。基于小模板匹配的方法属于几何特征识别，是已知一个小模板，在人脸的大图像中进行匹配，如果匹配成功，就可以确定其坐标位置[5]。 基于几何特征的缺点显而易见，对获得的图像要求很高，特征点的定位非常重要，如果人脸有一定的侧向或有装饰物都会很大程度上影响识别的准确性。 基于代数特征 基于代数特征的人脸识别方法有代表性的是PCA（主元分析法）[6]、K-L（卡胡南－列夫）变换[7]和SVD（奇异值分解）[8]等方法。其主要思想：对于一副由N个象素组成的图像，可以看作是一个N维矢量空间，采用不同的变换方法，能够有效的提取主分量，通过对人脸样本集的自相关矩阵的特征矢量的选取，构成一个正交的低维人脸空间，从而达到降低冗余、提高识别率的目的。
单选题 1.（）是自然语言处理的重要应用，也可以说是最基础的应用。（3.0分） A.文本识别 B.机器翻译 C.文本分类 D.问答系统 我的答案：C√答对 2.（），中共中央政治局就人工智能发展现状和趋势举行第九次集体学习。（ 3.0分） A.2018年3月15日 B.2018年10月31日 C.2018年12月31日 D.2019年1月31日 我的答案：B√答对 3.（）是通过建立人工神经网络，用层次化机制来表示客观世界，并解释所获取的知识，例如图像、声音和文本。（3.0分） A.深度学习 B.机器学习 C.人机交互 D.智能芯片 我的答案：A√答对 4.生物特征识别技术不包括（）。（3.0分） A.体感交互 B.指纹识别 C.人脸识别 D.虹膜识别 我的答案：A√答对 5.（）是指直接通过肢体动作与周边数字设备和环境进行交互。（3.0分） A.体感交互 B.指纹识别 C.人脸识别 D.虹膜识别 我的答案：A√答对 6.下列对人工智能芯片的表述，不正确的是（）。（3.0分） A.一种专门用于处理人工智能应用中大量计算任务的芯片 B.能够更好地适应人工智能中大量矩阵运算 C.目前处于成熟高速发展阶段 D.相对于传统的CPU处理器，智能芯片具有很好的并行计算性能 我的答案：C√答对
7.下列选项中，不属于生物特征识别技术的是（）。（3.0分） A.步态识别 B.声纹识别 C.文本识别 D.虹膜识别 我的答案：C√答对 8.立体视觉是（）领域的一个重要课题，它的目的在于重构场景的三维几何信息。（3.0分） A.人机交互 B.虚拟现实 C.自然语言处理 D.计算机视觉 我的答案：D√答对 9.（）是人工智能的核心，是使计算机具有智能的主要方法，其应用遍及人工智能的各个领域。（3.0分） A.深度学习 B.机器学习 C.人机交互 D.智能芯片 我的答案：B√答对 10.关于专用人工智能与通用人工智能，下列表述不当的是（）。（3.0分） A.人工智能的近期进展主要集中在专用智能领域 B.专用人工智能形成了人工智能领域的单点突破，在局部智能水平的单项测试中可以超越人类智能 C.通用人工智能可处理视觉、听觉、判断、推理、学习、思考、规划、设计等各类问题 D.真正意义上完备的人工智能系统应该是一个专用的智能系统 我的答案：D√答对 多选题 1.人工智能研究范畴广泛而又异常复杂，其发展需要与（）和社会科学等学科深度融合。（4.0分）） A.计算机科学 B.数学 C.认知科学 D.神经科学 我的答案：ABCD√答对 2.机器学习的相关算法包括（）。（4.0分）） A.轨迹跟踪 B.决策树 C.数据挖掘 D.K近邻算法 我的答案：BCD√答对 3.目前，深度学习主要包括（）。（ 4.0分））
基于人脸识别技术的应用 1.1 人脸识别技术的介绍 面部识别系统以人脸识别技术为核心，是一项新兴的生物识别技术，是当今国际科技领域攻关的高精尖技术。人脸因具有不可复制、采集方便、不需要被拍者的配合而深受欢迎。现如今，人脸识别这个词已经慢慢走进了我们的生活，开始逐渐广泛的应用到日常生活之中。 手机、笔记本电脑中的人脸识别软件就是一个很好的例子，它帮助我们解锁手机、电脑，无需再输入密码，不用担心密码泄露从而导致的信息隐私泄露，它很好的帮助我们保护手机、电脑的安全。除此之外，人脸识别门禁系统开始应用于一些高档住宅和办公楼中，为人们省去了带钥匙刷卡的麻烦，也不用担心密码忘记的苦恼。人脸识别考勤机也正在被一些企业应用于日常管理。而一些美颜相机、美图软件的推出更迎合了消费者的市场。它可以自动识别人脸，并对人脸进行美化。甚至一些小游戏被开发出来，可将自己的脸与明星的脸比对相似之处，评价出你最有有谁的明星相。虽然这仅仅是一个游戏软件，只是供人们娱乐，真实度不高，但也可以看出现今人脸识别技术的广泛使用。 人脸识别技术在过去几年中得到了广泛的关注，正是因为它的应用程序涵盖了许多不同的领域。对于许多的应用程序来说，脸部识别系统的性能在可控的环境下已经达到了一个令人满意的水平。但是现有的大部分面部识别技术在不受控制的环境下识别性能明显下降。
人脸识别技术是生物识别技术的一种，它结合了图像处理、计算机图形学、模式识别、可视化技术、人体生理学、认知科学和心理学等多个研究领域。从二十世纪六十年代末至今，人脸识别算法技术的发展共经历了如下四个阶段[1]： 1.基于简单背景的人脸识别 这是人脸识别研究的初级阶段。通常利用人脸器官的局部特征来描述人脸。但由于人脸器官没有显著的边缘且易受到表情的影响，因此它仅限于正面人脸（变形较小）的识别。 2.基于多姿态表情的人脸识别 这是人脸识别研究的发展阶段。探索能够在一定程度上适应人脸的姿态和表情变化的识别方法，以满足人脸识别技术在实际应用中的客观需求。 3.动态跟踪人脸识别 这是人脸识别研究的实用化阶段。通过采集视频序列来获得比静态图像更丰富的信息，达到较好的识别效果，同时适应更广阔的应用需求。 4.三维人脸识别 为了获得更多的特征信息，直接利用二维人脸图像合成三维人脸模型进行识别，即将成为该领域的一个主要研究方向。 1. 2 人脸识别技术在国内的研究现状 国内关于人脸自动识别的研究始于二十世纪 80 年代，主要的研究单位有清华大学，哈尔滨工业大学，中科院计算所，中科院自动化
人脸识别技术优势 863计划、国家科技支撑计划、自然科学基金都拨出专款资助人脸识别的相关研究。国家“十一五”科技发展规划中也将人脸识别技术的研究与发展列入其中[4]，明确指出：“要在生物特征识别技术领域缩小与世界先进水平的差距，开展生物特征识别应用技术研究，人脸识别具有高安全性、低误报率的出入口控制新产品。”在这种环境下，国内一些科研院所和院校在人脸识别技术方面取得了很大进展。如中科院自动化所，清华大学，中科院计算所自主开发的人脸识别技术已经达到了国际先进的水平。人脸识别作为一种新兴的生物特征识别技术(Biometrics)，与虹膜识别、指纹扫描、掌形扫描等技术相比，人脸识别技术在应用方面具有独到的优势： 1.人脸识别使用方便，用户接受度高。人脸识别技术使用通用的摄像机作为识别信息获取装置，以非接触的方式在识别对象未察觉的情况下完成识别过程。 2.直观性突出。人脸识别技术所使用的依据是人的面部图像，而人脸无疑是肉眼能够判别的最直观的信息源，方便人工确认、审计，“以貌取人”符合人的认知规律。 3.识别精确度高，速度快。与其它生物识别技术相比，人脸识别技术的识别精度处于较高的水平，误识率、拒认率较低。 4.不易仿冒。在安全性要求高的应用场合，人脸识别技术要求识别对象必须亲临识别现场，他人难以仿冒。人脸识别技术所独具的活性判别能力保证了他人无法以非活性的照片、木偶、蜡像来欺骗识别系统。这是指纹等生物特征识别技术所很难做到的。举例来说，用合法用户的断指即可仿冒合法用户的身份而使识别系统无从觉察。 5.使用通用性设备。人脸识别技术所使用的设备为一般的PC、摄像机等常规设备，由于目前计算机、闭路电视监控系统等已经得到了广泛的应用，因此对于多数用户而言使用人脸识别技术无需添置大量专用设备，从而既保护了用户的原有投资又扩展了用户已有设备的功能，满足了用户安全防范的需求。 6.基础资料易于获得。人脸识别技术所采用的依据是人脸照片或实时摄取的人脸图像，因而无疑是最容易获得的。 7.成本较低，易于推广使用。由于人脸识别技术所使用的是常规通用设备，价格均在一般用户可接受的范围之内，与其它生物识别技术相比，人脸识别产品具有很高的性能价格比。 概括地说，人脸识别技术是一种高精度、易于使用、稳定性高、难仿冒、性价比高的生物特征识别技术，具有极其广阔的市场应用前景。 我将人脸识别的一些应用列举出来，希望抛转引玉，大家不断完善，开拓更多的应用领域。 1）监控布控
2019年我国人脸识别技术发展情况 及发展趋势综合分析 2019年2月14日 一、全球生物识别细行业市场占比情况分析 生物识别指的是通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段相结合，利用人体固有的生理特性来进行个人身份鉴定技术。按不同的识别方式，生物识别可分为指纹识别、虹膜识别、语音识别、静脉识别和人脸识别。 伴随着生物识别产品逐渐从单一的PC处理转变为分布式计算。 用独立的前端独立设备来完成生物特征的采集、预处理、特征提取和比对，通过中心PC或服务器完成与业务相关的处理。随着生物特征 识别技术的不断发展和提高，生物特征识别技术的应用场景不断拓展，预计2015-2020年全球生物识别细分行业复合增长率分别为：人脸识别复合增长率为167%；语音识别为100%；虹膜识别为100%；指纹识别复合增长率为73%。
全球生物识别细行业市场占比情况 二、中国人脸识别技术发展情况分析 1、中国人脸识别行业发展历程 人脸识别技术在中国的发展起步于上世纪九十年代末，经历了技术引进-专业市场导入-技术完善-技术应用-各行业领域使用等五个阶段。其中，2014年是深度学习应用于人脸识别的关键一年，该年FaceBook发表一篇名为“DeepFace系统：达到肉眼级别的人脸识别系统”（翻译名），之后Face++创始人印奇团队以及香港中文大学汤晓鸥团队均在深度学习结合人脸识别领域取得优异效果，两者在LFW数据集上识别准确度均超过了99%，而肉眼在该数据集上的识别准确度仅为97.52%，可以说深度学习技术让计算机人脸识别能力超越人类的识别程度。
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时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。 2、3D人脸识别与2D人脸识别数据对比 目前，国内的人脸识别技术已经相对发展成熟，该技术越来越多的被推广到安防领域，延伸出考勤机、门禁机等多种产品，产品系列达20多种类型，可以全面覆盖煤矿、楼宇、银行、军队、社会福利 保障、电子商务及安全防务等领域，人脸识别的全面应用时代已经到来。 中游人脸识别技术的进步，是推动下游场景应用拓展的关键所在。目前，人脸识别市场的解决方案主要包括2D识别、3D识别技术。市场上主流的识别方案是采用摄像头的2D方案，但由于人的脸部并非 平坦，因此2D识别在将3D人脸信息平面化投影的过程中存在特征信息损失。3D识别使用三维人脸立体建模方法，可最大程度保留有效 信息，因此3D人脸识别技术的算法比2D算法更合理并拥有更高精度。
人脸识别技术大总结 百度《人脸识别技术大总结》，觉得应该跟大家分享，这里给大家转摘到百度。 篇一：人脸识别技术的主要研究方法、绪论人脸识别是通过分析脸部器官的唯一形状和位置来进行身份鉴别。 人脸识别是一种重要的生物特征识别技术，应用非常广泛。 与其它身份识别方法相比，人脸识别具有直接、友好和方便等特点，因而，人脸识别问题的研究不仅有重要的应用价值，而且在模式识别中具有重要的理论意义，目前人脸识别已成为当前模式识别和人工智能领域的研究热点。 本章将简单介绍几种人脸识别技术的研究方法。 关键词：人脸识别、人脸识别技术的主要研究方法目前在国内和国外研究人脸识别的方法有很多，常用的方法有：基于几何特征的人脸识别方法、基于代数特征的人脸识别方法、基于连接机制的人脸识别方法以及基于三维数据的人脸识别方法。 人脸识别流程图如图．所示：图．人脸识别流程图、基于几何特征的人脸识别方法基于特征的方法是一种自下而上的人脸检测方法，由于人眼可以将人脸在不此研究人员认为有一个潜在的假设：人脸或人脸的部件可能具有在各种条件下都不会改变的特征或属性，如形状、肤色、纹理、边缘信息等。 基于特征的方法的目标就是寻找上述这些不变特征，并利用这些
特征来定位入脸。 这类方法在特定的环境下非常有效且检测速度较高，对人脸姿态、表情、旋转都不敏感。 但是由于人脸部件的提取通常都借助于边缘算子，因此，这类方法对图像质量要求较高，对光照和背景等有较高的要求，因为光照、噪音、阴影都极有可能破坏人脸部件的边缘，从而影响算法的有效性。 模板匹配算法首先需要人作标准模板(固定模板)或将模板先行参数化(可变模板)，思想汇报专题然后在检测人脸时，计算输入图像与模板之间的相关值，这个相关值通常都是独立计算脸部轮廓、眼睛、鼻子和嘴各自的匹配程度后得出的综合描述，最后再根据相关值和预先设定的阈值来确定图像中是否存在人脸。 基于可变模板的人脸检测算法比固定模板算法检测效果要好很多，但是它仍不能有效地处理人脸尺度、姿态和形状等方面的变化。 基于外观形状的方法并不对输入图像进行复杂的预处理，也不需要人工的对人脸特征进行分析或是抽取模板，而是通过使用特定的方法(如主成分分析方法()、支持向量机()、神经网络方法()等)对大量的人脸和非人脸样本组成的训练集(一般为了保证训练得到的检测器精度，非人脸样本集的容量要为人脸样本集的两倍以上)进行学习，再将学习而成的模板或者说分类器用于人脸检测。 因此，这也是种自下而上的方法。 这种方法的优点是利用强大的机器学习算法快速稳定地实现了很
人脸识别技术的应用 面部识别系统以人脸识别技术为核心，是一项新兴的生物识别技术，是当今国际科技领域攻关的高精尖技术。人脸因具有不可复制、采集方便、不需要被拍者的配合而深受欢迎。现如今，人脸识别这个词已经慢慢走进了我们的生活，开始逐渐广泛的应用到日常生活之中。 手机、笔记本电脑中的人脸识别软件就是一个很好的例子，它帮助我们解锁手机、电脑，无需再输入密码，不用担心密码泄露从而导致的信息隐私泄露，它很好的帮助我们保护手机、电脑的安全。除此之外，人脸识别门禁系统开始应用于一些高档住宅和办公楼中，为人们省去了带钥匙刷卡的麻烦，也不用担心密码忘记的苦恼。人脸识别考勤机也开始被一些企业应用于日常管理。而一些美颜相机、美图软件的推出跟迎合了消费者的市场。它可以自动识别人脸，并对人脸进行美化。甚至一些小游戏被开发出来，可以将自己的脸与明星的脸比对相似之处，评价出你最有有谁的明星相。虽然这仅仅是一个游戏软件，只是供人们娱乐，真实度不高，但也可以看出现今人脸识别技术的广泛使用。 人脸识别技术在过去几年中得到了广泛的关注，正是因为它的应用程序涵盖了许多不同的领域。对于许多的应用程序来说，脸部识别系统的性能在可控的环境下已经达到了一个令人满意的水平。但是现有的大部分面部识别技术在不受控制的环境下识别性能明显下降。 在这次第十四届KSS国际知识与系统科学研讨会中，教授为我们介绍了如何在面部识别中应对不同光照环境下的情况。在过去几年中，处理不同光照的方法主要有： 1. histogram equalization. 2.logarithm transformations. 3.Apply DCT in the logarithm domain. 4.QI (Quotient Image). 5.SQI(Self-Quotient Image). 6.MQI (Morphological Quotient Image). 7.Local binary patterm operator. 经过了他们团队的研究，将这几种进行对照比较，建立一个PSO-SQI框架，利用算法的性能处理人脸识别中的光照问题。 PSO算法是一个新的基于群体智能的进化算法，其研究远没有像遗传算法和模拟退火算法那样深入，在理论上并不能保证能够得到最优解。PSO算法在进行优化问题的求解时应用范围有限,尤其对离散的组合优化问题,其理论建模还处于起步阶段。PSO算法中的一些参数，如学习因子、惯性权重以及粒子个数往往根据有限的应用经验确定,并不具有广泛的适应性。 而SQI是指自商图像(self-quotient image),以提取一个目标(如人脸)图像的内在特性,同时去除与光照相关的外在因素.SQI (self-quotient image) 方法克服了原始的QI 方法的局限性,且能够提取与光照无关的内在特性.对算法适用的条件进行了理论分析,并在SQI 计算过程中提出了一个非迭代的各向异性滤波器以减小光晕现象和提高计算速度.实验结果表明该方法可以有效地提高不同光照条件下的人脸识别系统的识别率. 由着POS-SQI两种方法的结合，更好的处理了人脸识别在不可控的光线下识
人脸识别技术的主要研 究方法 The manuscript was revised on the evening of 2021
1、绪论 人脸识别是通过分析脸部器官的唯一形状和位置来进行身份鉴别。人脸识别是一种重要的生物特征识别技术，应用非常广泛。与其它身份识别方法相比，人脸识别具有直接、友好和方便等特点，因而，人脸识别问题的研究不仅有重要的应用价值，而且在模式识别中具有重要的理论意义，目前人脸识别已成为当前模式识别和人工智能领域的研究热点。本章将简单介绍几种人脸识别技术的研究方法。 关键词：人脸识别 2、人脸识别技术的主要研究方法 目前在国内和国外研究人脸识别的方法有很多，常用的方法有：基于几何特征的人脸识别方法、基于代数特征的人脸识别方法、基于连接机制的人脸识别方法以及基于三维数据的人脸识别方法。人脸识别流程图如图2．1所示： 图2．1人脸识别流程图 3、基于几何特征的人脸识别方法 基于特征的方法是一种自下而上的人脸检测方法，由于人眼可以将人脸在不此研究人员认为有一个潜在的假设：人脸或人脸的部件可能具有在各种条件下都不会改变的特征或属性，如形状、肤色、纹理、边缘信息等。基于特征的方法的目标就是寻找上述这些不变特征，并利用这些特征来定位入脸。这类方法在特定的环境下非常有效且检测速度较高，对人脸姿态、表情、旋转都不敏感。但是由于人脸部件的提取通常都借助于边缘算子，因此，这类方法对图像质量要求较高，对光照和背景等有较高的要求，因为光照、噪音、阴影都极有可能破坏人脸部件的边缘，从而影响算法的有效性。 模板匹配算法首先需要人TN作标准模板(固定模板)或将模板先行参数化(可变模板)，然后在检测人脸时，计算输入图像与模板之间的相关值，这个相关值通常都是独立计算脸部轮廓、眼睛、鼻子和嘴各自的匹配程度后得出的综合描述，最后再根据相关值和预先设定的阈值来确定图像中是否存在人脸。基于可变模板的人脸检测算法比固定模板算法检测效果要好很多，但是它仍不能有效地处理人脸尺度、姿态和形状等方面的变化。 基于外观形状的方法并不对输入图像进行复杂的预处理，也不需要人工的对人脸特征进行分析或是抽取模板，而是通过使用特定的方法(如主成分分析方法(PCA)、支持向量机(SVM)、神经网络方法(ANN)等)对大量的人脸和非人脸样本组成的训练集(一般为了保证训练得到的检测器精度，非人脸样本集的容量要为人脸样本集的两倍以上)进行学习，再将学习而成的模板或者说分类器用于人脸检测。因此，这也是j种自下而上的方法。这种方法的优点是利用强大的机器学习算法快速稳定地实现了很好的检测结果，并且该方法在复杂背景下，多姿态的人脸图像中也能得到有效的检测结果。但是这种方法通常需要遍历整个图片才能得到检测结果，并且在训练过程中需要大量的人脸与非人脸样本，以及较长的训练时间。近几年来，针对该方法的人脸检测研究相对比较活跃。 4、基于代数特征的人脸识别方法
2019 年我国人脸识别技术发展情况 及发展趋势综合分析 2019 年 2 月 14 日 一、全球生物识别细行业市场占比情况分析 生物识别指的是通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段相结合，利用人体固有的生理特性来进行个人身份鉴定技术。按不同的识别方式，生物识别可分为指纹识别、虹膜识别、语音识别、静脉识别和人脸识别。 伴随着生物识别产品逐渐从单一的PC处理转变为分布式计算。用独立的前端独立设备来完成生物特征的采集、预处理、特征提取和比对，通过中心PC或服务器完成与业务相关的处理。随着生物特征 识别技术的不断发展和提高，生物特征识别技术的应用场景不断拓展，预计 2015-2020 年全球生物识别细分行业复合增长率分别为：人脸识别复合增长率为167%；语音识别为 100%；虹膜识别为 100%；指纹识别复合增长率为73%。
全球生物识别细行业市场占比情况 二、中国人脸识别技术发展情况分析 1、中国人脸识别行业发展历程 人脸识别技术在中国的发展起步于上世纪九十年代末，经历了技术引进 - 专业市场导入 - 技术完善 - 技术应用 - 各行业领域使用等五个阶段。其中， 2014 年是深度学习应用于人脸识别的关键一年，该年FaceBook发表一篇名为“ DeepFace系统：达到肉眼级别的人脸识别系统”（翻译名），之后Face++创始人印奇团队以及香港中文大学汤晓鸥团队均在深度学习结合人脸识别领域取得优异效果，两者在LFW数据集上识别准确度均超过了99%，而肉眼在该数据集上的识别准确度仅为 97.52%，可以说深度学习技术让计算机人脸识别能力超 越人类的识别程度。