近日，人脸识别技术因多次在抓逃犯的过程中“立功”，再度走“红”。从20世纪60年代起，人脸识别研究开启，发展到今天有哪些进展？该产业里的竞争，是人工智能投资泡沫带来的浮躁，还是市场规模将持续突进？
何谓人脸识别技术 20世纪60年代，人脸识别工程化应用研究正式开启。初期的方法主要利用了人脸的几何结构，通过分析人脸器官特征点及其之间的拓扑关系进行辨识。这种方法简单直观，但是一旦人脸姿态、表情发生变化，则精度严重下降。
如今的解决方案多是基于主动近红外图像的多光源人脸识别技术。它可以克服光线变化的影响，已经取得了卓越的识别性能，在精度、稳定性和速度方面的整体系统性能超过三维图像人脸识别。
人脸识别技术原理
人脸识别技术流程 1. 图像的采集与预处理 人脸图像的采集一般分为两种途径，有人脸图像的批量导入和人脸图像的实时采集。预处理的目的是在系统对人脸图像的检测基础之上，对人脸图像做出进一步的处理以利于人脸图像的特征提取。
2. 人脸检测 人脸检测方法可分为三类，分别是基于肤色模型的检测、基于边缘特征的检测、基于统计理论方法。
3. 人脸特征提取 目前主流的人脸识别系统可支持使用的特征通常可分为人脸视觉特征、人脸图像像素统计特征等，而人脸图像的特征提取就是针对人脸上的一些具体特征来提取的。
4. 人脸识别和**鉴别 实际的人脸识别系统一般需要增加**鉴别环节，因为生物特征识别的共同问题之一就是要区别该信号是否来自于真正的生物体，这种信号包括要求人左右转头，眨眼睛，开开口说句话等。 技术不断发展 市场上应用最多的是三种方案，包括3D结构光方案、ToF 3D方案和双目立体成像方案。
3D结构光技术 3D结构光技术(Structured Light)是通过光学手段获取被拍摄物体的三维结构，再将获取到的信息进行更深入的应用。这种方案在未来将很有前景，可拓展空间更加广阔，比如5G通信、AR以及其他与3D建模等相关的领域都可以发挥它独有的关键作用。
例如，iphone x/xr/xs/xsmax、oppo Find x、mate20pro等都是采用了3D结果光技术原理。
3D结构光也有它的局限，相比传统的摄像头，3D结构光可以工作的距离要短一些，最长距离一般在1米左右，OPPO给出的数据是60cm远精度也能控制在±1mm范围。
ToF ToF(Time Of Flight，时差测距技术)，简单来说，是指发出一道经过处理的光，碰到物体以后会反射回来，捕捉来回的时间，因为已知光速和调制光的波长，所以能快速准确计算出到物体的距离。
ToF技术的普及与发展指日可待，vivo已经抢占先机，而且苹果分析师也曾预测2019年iPhone也许会有重大创新就包括采用ToF技术。
双目立体成像 双目立体成像(Stereo System)是利用双摄像头拍摄物体，再通过三角形原理计算物体距离。已经上市的华为nova3采用的就是双目3D人脸识别方案。
双目方案的原理最简单，成本也比较低。 技术发展方向 写在最后 随着人工智能的发展，在全球信息化、云计算、大数据的背景下，生物识别技术的应用面会越来越大。其中人脸识别技术会朝着网络化、云技术、多模式融合的趋势发展。
国内外巨头纷纷加码人脸识别技术，我国相关集成应用的企业就有数百家，至于谁家算法更胜一筹，并不是重点问题。此时，我们是否要考虑：避免热点过度炒作，企业推出真正符合用户需求、市场所需的技术服务，可能才是关键所在。
| 
楼主
标题置顶
标题高亮
