简介

  提示：此条目的主题不是人脸识别。 脸部辨识系统（英语：Facial recognition system），又称人脸识别。特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。 脸部辨识摄影机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。人脸识别是一项热门的计算机技术研究领域，它属于生物特征识别技术，是对生物体（一般特指人）本身的生物特征来区分生物体个体。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。

优势

人脸识别的优势在于其自然性和不被测个体察觉的特点。

所谓自然性，是指该识别方式同人类（甚至其他生物）进行个体识别时所利用的生物特征相同。例如人脸识别，人类也是通过观察比较人脸区分和确认身份的，另外具有自然性的识别还有语音识别、体形识别等，而指纹识别、虹膜识别等都不具有自然性，因为人类或者其他生物并不通过此类生物特征区别个体。

不被察觉的特点对于一种识别方法也很重要，这会使该识别方法不令人反感，并且因为不容易引起人的注意而不容易被欺骗。人脸识别具有这方面的特点，它完全利用可见光获取人脸图像信息，而不同于指纹识别或者虹膜识别，需要利用电子压力传感器采集指纹，或者利用红外线采集虹膜图像，这些特殊的采集方式很容易被人察觉，从而更有可能被伪装欺骗。

困难

虽然人脸识别有很多其他识别无法比拟的优点，但是它本身也存在许多困难。人脸识别被认为是生物特征识别领域甚至人工智能领域最困难的研究课题之一。人脸识别的困难主要是人脸作为生物特征的特点所带来的。人脸在视觉上的特点是：

不同个体之间的区别不大，所有的人脸的结构都相似，甚至人脸器官的结构外形都很相似。这样的特点对于利用人脸进行定位是有利的，但是对于利用人脸区分人类个体是不利的。

人脸的外形很不稳定，人可以通过脸部的变化产生很多表情，而在不同观察角度，人脸的视觉图像也相差很大，另外，人脸识别还受光照条件（例如白天和夜晚，室内和室外等）、人脸的很多遮盖物（例如口罩、墨镜、头发、胡须等）、年龄、拍摄的姿态角度等多方面因素的影响。

在人脸识别中，第一类的变化是应该放大而作为区分个体的标准的，而第二类的变化应该消除，因为它们可以代表同一个个体。通常称第一类变化为类间变化（inter-class difference），而称第二类变化为类内变化（intra-class difference）。对于人脸，类内变化往往大于类间变化，从而使在受类内变化干扰的情况下利用类间变化区分个体变得异常困难。

技术细节

一般来说，人脸识别系统包括图像摄取、人脸定位、图像预处理、以及人脸识别（身份确认或者身份查找）。系统输入一般是一张或者一系列含有未确定身份的人脸图像，以及人脸数据库中的若干已知身份的人脸图象或者相应的编码，而其输出则是一系列相似度得分，表明待识别的人脸的身份。

目前人脸识别的算法可以分类为：

基于人脸特征点的识别算法（feature-based recognition algorithms）。

基于整幅人脸图像的识别算法（appearance-based recognition algorithms）。

基于模板的识别算法（template-based recognition algorithms）。

利用神经网络进行识别的算法（recognition algorithms using neural network）。

利用支持向量机进行识别的算法（recognition algorithms using SVM）。

发展历史

人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年代后期，并且以美国、德国和日本的技术实现为主；人脸识别系统成功的关键在于是否拥有尖端的核心算法，并使识别结果具有实用化的识别率和识别速度；“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，同时需结合中间值处理的理论与实现，是生物特征识别的最新应用，其核心技术的实现，展现了弱人工智能向强人工智能的转化。

中华民国警政署自2007年开始使用M-Police人脸辨识系统查询民众身份。鉴于《个人资料保护法》，2021年11月起，警政署暂时停用人脸辨识系统。

截至2017年底，**已在新疆部署了人工智能脸部辨识系统。访问该地区的记者发现，在几个城市每百米左右安装一监控摄像头。联邦调查局亦未经授权擅自扫描数百万张民众驾照。

2019年11月，全球首个人脸识别导航智能停车场于**广州K11启用，当车主接受人脸注册后，停车场可以提供车位实景导航服务，方便车主取车。有关技术正研究于香港K11采用。

应用

无锡交通警察的人脸识别提醒牌

人脸识别的应用主要有：

门禁系统：受安全保护的地区可以通过人脸识别辨识试图进入者的身份，比如监狱、看守所、小区、学校等。

摄像监视系统：在例如银行、机场、体育场、商场、超级市场等公共场所对人群进行监视，以达到身份识别的目的。例如在机场安装监视系统以防止恐怖分子登机。

网络应用：利用人脸识别辅助信用卡网络支付，以防止非信用卡的拥有者使用信用卡，社保支付防止冒领等。

学生考勤系统：香港及澳门的中、小学已开始将智能卡配合人脸识别来为学生进行每天的出席点名记录。

相机：新型的数码相机已内建人脸识别功能以辅助拍摄人物时对焦。

智能手机：解锁手机、识别使用者，如Android 4.0以上，iPhone X。

人证核验一体机：核验持证人和证件照是不是同一个人，主要用在酒店前台、税务局、医院等。

争议

脸部辨识系统虽然有其方便之外，但也衍生了许多资讯安全及隐私问题，加上现时脸部辨识系统并非十分精确，系统的算法技术准确性相对较低，较容易出错、缺乏相关法律和道德标准、具有侵犯隐形权的讨论、以及政府很容易滥用这项技术，若应用在人权的犯罪防治工作上，则会引发歧视问题。

相关计算机语言

MatLab：Matlab是一种独立的编程语言，它有自己的框架和集成开发环境（IDE），具有更强大的工作空间。该编程语言提供了广泛的工具，你可以使用它们轻松处理更多技术编程任务。图像识别和面部处理是Matlab可以处理的一些任务。Matlab提供了一系列用于矩阵计算的内置工具。必须注意的是，图像识别和矩阵计算是齐头并进的。Matlab中可用的一些工具以执行复杂的图像处理任务，例如裁剪、旋转、掩蔽等。

Python：目前，Python被认为一种目前最流行的编程语言。其简单性和多功能性是许多程序员喜欢使用它的一些原因。尽管很简单，但Python是一种可以依赖于执行复杂任务的语言。它可用于创建图像处理和识别功能。

C / C ++ / C＃：它们功能强大，可以做任何事情，包括创建图像处理和识别功能。C系列编程语言提供了两种创建图像处理功能的选项。使用者可以选择从头开始对所有代码进行编码，从而手动编写代码。第二种选择是使用专为这些编程语言设计的现有库。这些库包括OpenGL、EmguCV、OpenCV等等。它们具有用于图像识别的智能图像处理功能。

JAVA：像C和C ++一样，永远不要低估Java编程语言的强大功能。这种语言足以执行复杂的功能。它可用于创建图像处理和图像识别的应用程序。

OpenCV：开源计算机视觉（OpenCV）是一种用于实时处理的高级工具。它也是一种跨平台工具，因此可以集成到任何编程语言中，以执行图像处理和识别功能。它可以与C、C ++、Java、Python和Android编程语言集成。

反人脸识别系统

最典型的反人脸识别是人脸欺诈攻击（又称为人脸呈现攻击），利用人脸照片、影片回放，面具等欺骗人脸识别系统。

相关领域

计算机视觉

人工智能

模式识别

神经网络

车牌识别

指纹识别

安全检查

参考资料

^ StanZ.Li．Handbook of face recognition：LibraryofCongressCataloging-in-PublicationData，2004052453

^ M-Police人脸辨识恐触个资法？　警政署令暂时下线. 2021-12-27 . （原始内容存档于2022-08-22）. 

^ 台南杀警2死 24岁帅警曹瑞杰不治！贴心暖举曝光　曾救95岁老翁一命. 2022-08-22 . （原始内容存档于2022-09-04）. 

^ China’s massive investment in artificial intelligence has an insidious downside. Science | AAAS. 7 February 2018 . （原始内容存档于2021-03-28） （英语）. 

^ China bets on facial recognition in big drive for total surveillance. Washington Post. 2018 . （原始内容存档于2018-01-13） （英语）. 

^ FBI偷扫百万张驾照，走后门练成刷脸监控网！华邮爆：美国只做不说好多年-国际-商周头条｜商业周刊-商周.com. 商业周刊 – 商周.com. . （原始内容存档于2019-07-16） （中文（台湾））. 

^ 【智慧商场】广州K11率先采用全球首个人脸识别导航停车场

^ 【智创脉动】各出奇招！ 隐私权“斗”人脸辨识|中国报. **报 China Press. （美国英语）. 

^ MATLAB-计算机技术语言. MATLAB. . （原始内容存档于2021-04-24）. 

^ Java Powers Our Digital World. go java. . （原始内容存档于2019-12-24）. 

^ Introduction to OpenCV. OpenCV. . （原始内容存档于2021-01-20）. 

^ 张帆; 赵世坤, 袁操, 陈伟, 刘小丽, 赵涵捷. 人脸识别反欺诈研究进展. 软件学报. 2022, 33 (7): 2411–2446 . （原始内容存档于2022-11-22）.  引文使用过时参数coauthors (帮助)

查

论

编

可微分计算 概论

可微分编程

神经图灵机（英语：Neural Turing machine）

可微分神经计算机（英语：Differentiable neural computer）

自动微分

神经形态工程（英语：Neuromorphic engineering）

模式识别

概念

梯度下降

电缆理论（英语：Cable theory）

聚类分析

回归分析

过适

对抗机器学习（英语：Adversarial machine learning）

运算学习理论（英语：Computational learning theory）

注意力机制

卷积

损失函数

反向传播算法

激活函数

Softmax

S型函数

线性整流函数

正则化

资料集

编程语言

Python

Julia

应用

机器学习

人工神经网络

深度学习

科学计算

人工智能

深伪技术

语言模型

大语言模型（英语：Large language model）

硬件

TPU

VPU

忆阻器

SpiNNaker（英语：SpiNNaker）

软件库

TensorFlow

PyTorch

Keras

Theano

JAX（英语：Google JAX）

实现 音频-视觉

AlexNet

WaveNet

人体图像合成

HWR

OCR

语音合成

语音识别

人脸识别系统

AlphaFold

DALL-E

语文

Word2vec

Transformer

BERT

LaMDA

NMT

辩论者项目（英语：Project Debater）

沃森

GPT-2

GPT-3

GPT-J（英语：GPT-J）

ChatGPT

GPT-4

决策

AlphaGo

Q学习

SARSA

OpenAI Five（英语：OpenAI Five）

自动驾驶汽车

MuZero

人物

艾力克斯·格雷夫斯

伊恩·古德费洛

约书亚·本希奥

杰弗里·辛顿

杨立昆

吴恩达

杰米斯·哈萨比斯

大卫·席尔瓦

李飞飞

机构

Anthropic（英语：Anthropic）

DeepMind

EleutherAI（英语：EleutherAI）

Google Brain

Meta AI（英语：Meta AI）

Mila（英语：Mila (research institute)）

MIT CSAIL

OpenAI

主题

计算机编程

技术

分类

人工神经网络

机器学习

<!–esi –>取自“https://www.7890.net/w/index.php?title=脸部辨识系统&oldid=75560912”