人脸比对算法的输入是两个人脸特征(注:人脸特征由前面的人脸提特征算法获得),输出是两个特征之间的相似度。人脸验证、人脸识别、人脸检索都是在人脸比对的基础上加一些策略来实现。相对人脸提特征过程,单次的人脸比对耗时极短,几乎可以忽略。 基于人脸比对可衍生出人脸验证(Face Verification)、人脸识别(Face Recognition)、人脸检索(Face Retrieval)、人脸聚类(Face Cluster)等算法。 △人脸对比过程(右侧的相似度为人脸比对输出的结果) 6. 人脸验证 “人脸验证(Face Verification)”是判定两个人脸图是否为同一人的算法。 它的输入是两个人脸特征,通过人脸比对获得两个人脸特征的相似度,通过与预设的阈值比较来验证这两个人脸特征是否属于同一人(即相似度大于阈值,为同一人;小于阈值为不同)。 △人脸验证过程说明(最右侧“是同一人”为人脸验证的输出) 7. 人脸识别 “人脸识别(Face Recognition)”是识别出输入人脸图对应身份的算法。 它的输入一个人脸特征,通过和注册在库中N个身份对应的特征进行逐个比对,找出“一个”与输入特征相似度最高的特征。将这个最高相似度值和预设的阈值相比较,如果大于阈值,则返回该特征对应的身份,否则返回“不在库中”。 △人脸识别过程(右侧身份“jason”为人脸识别结果) 8. 人脸检索 “人脸检索”是查找和输入人脸相似的人脸序列的算法。 人脸检索通过将输入的人脸和一个集合中的说有人脸进行比对,根据比对后的相似度对集合中的人脸进行排序。根据相似度从高到低排序的人脸序列即使人脸检索的结果。 △人脸检索过程(右侧绿框内排序序列为检索结果) 9. 人脸聚类 “人脸聚类(Face Cluster)”是将一个集合内的人脸根据身份进行分组的算法。 人脸聚类也通过将集合内所有的人脸两两之间做人脸比对,再根据这些相似度值进行分析,将属于同一个身份的人划分到一个组里。 在没有进行人工身份标注前,只知道分到一个组的人脸是属于同一个身份,但不知道确切身份。另外假设集合中有N个人脸,那么人脸聚类的算法复杂度为O(N2) △人脸聚类过程(右侧绿框内按身份的分组结果为聚类结果) 10. 人脸活体 “人脸活体(FaceLiveness)”是判断人脸图像是来自真人还是来自攻击假体(照片、视频等)的方法。 和前面所提到的人脸技术相比,人脸活体不是一个单纯算法,而是一个问题的解法。这个解法将用户交互和算法紧密结合,不同的交互方式对应于完全不同的算法。鉴于方法的种类过于繁多,这里只介绍“人脸活体”的概念,不再展开。 结束语 本文简要的介绍了一些主要的人脸技术的概念,目的是让非研究的同事对各项技术所能解决的问题有所了解。对于希望对这些技术有进一步深入了解的同事,可以多搜索优图人脸相关的文章。 【完】 一则通知 量子位正在组建自动驾驶技术群,面向研究自动驾驶相关领域的在校学生或一线工程师。李开复、王咏刚、王乃岩、王弢等大牛都在群里。欢迎大家加量子位微信(qbitbot),备注“自动驾驶”申请加入哈~ 招聘 量子位正在招募编辑记者、运营、产品等岗位,工作地点在北京中关村。相关细节,请在公众号对话界面,回复:“招聘”。 追踪人工智能领域最劲内容 (责任编辑:本港台直播) |