Gface人脸识别算法促进了人证识别技术的高速发展

Gface⼈脸识别算法促进了⼈证识别技术的⾼速发展

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。⼈脸识别综合运⽤了数字图像、视频处理、模式识别、计算机视觉等多种技术，核⼼技术是⼈脸识别算法，今天我们来了解⼀下⼈脸识别算法“Gface5”⾼速⼈脸识别算法。据了解⽬前已经升级到Gface7了。

Gface 5——⾼速⼈脸识别算法

有素描常识的⼈都清楚，⼈脸不动的是眉⼸到颧⾻到⿐⾻、上颚⾻形成的⾦五⾓区域，不管做什么夸张表情，不管胖瘦的变化，不管什么⾓度，这个区域都保持相对固定的⼏何关系。基于这些不变的因素我们采⽤深度学习的⽅法发明了⾻点五⾓⼈脸识别算法，本算法不受肤⾊、种族⼲扰，同时能很好的避开表情变化、胡须伪装、⾓度偏差、发际改变、眼镜装饰、⼝部遮挡等环境因数对⼈脸识别的影响。G代表我们的算法基本理念“Gu”，也代表全世界的”Global”和伟⼤的”Great"之意。

Gface 基于特征脸⽅法该⽅法是⼀种简单、快速、实⽤的基于变换系数特征的算法。特征⼦脸技术的基本思想是：从统计的观点，寻找⼈脸图像分布的基本元素，即⼈脸图像样本集协⽅差矩阵的特征向量，以此近似地表征⼈脸图像。这些特征向量称为特征脸(Eigenface)。实际上，特征脸反映了隐含在⼈脸样本集合内部的信息和⼈脸的结构关系。将眼睛、⾯颊、下颌的样本集协⽅差矩阵的特征向量称为特征眼、特征颌和特征唇，统称特征⼦脸。特征⼦脸在相应的图像空间中⽣成⼦空间，称为⼦脸空间。计算出测试图像窗⼝在⼦脸空间的投影距离，若窗⼝图像满⾜阈值⽐较条件，则判断其为⼈脸。

基于特征分析的⽅法，也就是将⼈脸基准点的相对⽐率和其它描述⼈脸脸部特征的形状参数或类别参数等⼀起构成识别特征向量，这种基于整体脸的识别不仅保留了⼈脸部件之间的拓扑关系，⽽且也保留了各部件本⾝的信息，⽽基于部件的识别则是通过提取出局部轮廓信息及灰度信息来设计具体识别算法。现在Eigenface(PCA)算法已经与经典的模板匹配算法⼀起成为测试⼈脸识别系统性能的基准算法；⽽⾃1991年特征脸技术诞⽣以来，研究者对其进⾏了各种各样的实验和理论分FERET'96测试结果也表明，改进的特征脸算法是主流的⼈脸识别技术，也是具有最好性能的识别⽅法之⼀。

该⽅法是先确定眼虹膜、⿐翼、嘴⾓等⾯像五官轮廓的⼤⼩、位置、距离等属性，然后再计算出它们的⼏何特征量，⽽这些特征量形成⼀描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/神经识别算法。”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形成识别参数与数据库中所有的原始参数进⾏⽐较、判断与确认。Turk和Pentland提出特征脸的⽅法，它根据⼀组⼈脸训练图像构造主元⼦空间，由于主元具有脸的形状，也称为特征脸 ,识别时将测试图像投影到主元⼦空间上，得到⼀组投影系数，和各个已知⼈的⼈脸图像⽐较进⾏识别。在 200个⼈的3000幅图像中得到 95%的正确识别率，在ＦＥＲＥＴ数据库上对 150幅正⾯⼈脸象只有⼀个误识别。但系统在进⾏特征脸⽅法之前需要作⼤量预处理⼯作如归⼀化等。在传统特征脸的基础上，研究者注意到特征值⼤的特征向量 (即特征脸 )并不⼀定是分类性能好的⽅向，据此发展了多种特征 (⼦空间 )选择⽅法，双⼦空间⽅法、线性歧义分析⽅法、FisherFace⽅法等。事实上，特征脸⽅法是⼀种显式主元分析⼈脸建模，⼀些线性⾃联想、线性压缩型ＢＰ⽹则为隐式的主元分析⽅法，它们都是把⼈脸表⽰为⼀些向量的加权和，这些向量是训练集叉积阵的主特征向量。总之，特征脸⽅法是⼀种简单、快速、实⽤的基于变换系数特征的算法适⽤范围：⼈脸年龄变化不⼤，光线稳定。

平台：Windows X86

单线程版本：适合⼩规模数据⽐对。

服务器版本:适合海量⼈脸快速搜索。

超级图形计算——⼈脸识别的基础

超级计算机是计算机的⼀个分⽀，是计算机中功能最强、运算速度最快、存储容量最⼤的⼀类计算机，多⽤于国家⾼科技领域和尖端技术研究，是⼀个国家科研实⼒的体现，它对国家图像识别依赖⾼性能的浮点运算，动态⼈脸识别更是需要极⼤的计算资源，⾏业中⼀路1080p⾼清视频⼈脸检测需要4核CPU资源,能做到5帧或100⼈次已经是⾼⽔平了。可是对于运动中的⼈来说是⽆法捕捉到清晰准确的⾓度的，所以基本⽆法实现准确识别，所以⼀直以来动态⼈脸识别都是传

对于运动中的⼈来说是⽆法捕捉到清晰准确的⾓度的，所以基本⽆法实现准确识别，所以⼀直以来动态⼈脸识别都是传说，是智能分析的禁区。我们在⾏业内率先推出⾼性能超级图形计算，利⽤经济型超级计算资源，能对⾼清视频实时全帧分析。相同功耗的条件下，是普通计算机的5-10倍效率。多种算法结合——⼈脸识别的新成果结合⼏种⼈脸识别算法，以及年龄算法、性别算法、颜⾊算法、跟踪算法等多种识别算法对⽬标对象从不同维度进⾏⽐较识别，能有效提⾼识别的准确度，减少误报⼲扰，使动态⼈脸识别达到实战使⽤标准。

⼈脸识别算法

动态⼈脸识别动态⼈脸识别智能预警系统主要功能 & 独特优势

功能：

1、动态⼈脸识别，智能⿊名单预警功能；

2、单台设备千万级⼈脸标签库的建库功能；

3、千万级⼈脸标签库的以脸搜脸功能；

4、系统级的⼈脸搜索轨迹定位功能；

5、微信、彩信推送功能；

6、通过⼈脸库的浏览实现视频⼈脸标签结构化功

优势：

1、万级⼈脸现场动态⼈脸捕获率不低于90%；

2、⼈脸识别、年龄识别、性别识别等多种识别技术相融合；

3、识别准确度⾼、识别速度快、搜索检测速度快，系统采⽤超级图形分析技术，其分析速度和准确度都⼤⼤领先于同⾏；

4、设备复⽤、节约建设投资，能有效地将已有监控视频升级改造为智能视频监控，从⽽⾰命性地提⾼视频监控的使⽤效率，更好地服务平安城市；

5、⽀持公安专⽹、互联⽹络、3G/4G⽆线⽹络等多种传输模式，降低建设成本；