基于深度學(xué)習(xí)的世紀(jì)晟3d動(dòng)態(tài)人臉識(shí)別技術(shù)大總結(jié)

1、基于深度學(xué)習(xí)的世紀(jì)晟基于深度學(xué)習(xí)的世紀(jì)晟3D3D動(dòng)態(tài)人臉識(shí)別技術(shù)動(dòng)態(tài)人臉識(shí)別技術(shù)大總結(jié)大總結(jié)1、前言：如今，在人與人相連的時(shí)代，圍繞人提供的服務(wù)首先要解決的是辨識(shí)人的身份，人臉識(shí)別便是從這個(gè)需求中產(chǎn)生。簡(jiǎn)單來(lái)說(shuō)，人臉識(shí)別技術(shù)指的是通過(guò)比較人臉的視覺(jué)特征信息從而進(jìn)行身份鑒別的技術(shù)，既屬于圖像識(shí)別，也屬于生物特征識(shí)別，是人工智能領(lǐng)域一項(xiàng)典型的細(xì)分技術(shù)應(yīng)用。順應(yīng)時(shí)代的潮流，人臉識(shí)別通過(guò)過(guò)去十年的發(fā)展，逐漸從靜態(tài)的人臉識(shí)別走向動(dòng)態(tài)的人臉識(shí)別，逐

2、漸在2D到3D之間轉(zhuǎn)換。在深入了解最新的3D動(dòng)態(tài)人臉識(shí)別技術(shù)前，需要明確明白幾個(gè)概念——靜態(tài)動(dòng)態(tài)人臉識(shí)別；2D3D面部識(shí)別技術(shù)，我們將結(jié)合案例講解。2、概念解說(shuō)靜態(tài)人臉識(shí)別——靜態(tài)人臉識(shí)別指的是在特定的區(qū)域或范圍之內(nèi)進(jìn)行識(shí)別。這項(xiàng)技術(shù)有個(gè)很明顯的缺點(diǎn)，就是用戶(hù)容量會(huì)比較小，只能適合小型公司的考勤動(dòng)態(tài)人臉識(shí)別——?jiǎng)討B(tài)人臉識(shí)別與靜態(tài)人臉識(shí)別不同，它實(shí)現(xiàn)了在一定識(shí)別范圍內(nèi)，人以自然的形態(tài)走過(guò)去，攝像頭會(huì)進(jìn)行信息的抓拍和采集，發(fā)出相應(yīng)的指令，進(jìn)

3、行動(dòng)態(tài)人臉識(shí)別，實(shí)現(xiàn)相關(guān)功能。這個(gè)的優(yōu)點(diǎn)就相當(dāng)明確，識(shí)別過(guò)程不需要停駐等待，而且識(shí)別率也蠻高。2D面部識(shí)別技術(shù)——說(shuō)到2D面部識(shí)別技術(shù)，要求就相對(duì)簡(jiǎn)單，它只需要你在檢測(cè)時(shí)露出臉部的眼睛就可以基本完成解鎖，即使擋住鼻子、戴上口罩也不會(huì)受到影響。識(shí)別已經(jīng)對(duì)人臉檢測(cè)效果不錯(cuò)的MTCNN算法做一個(gè)梳理，本文便直接借鑒。）主要使用一個(gè)全卷機(jī)網(wǎng)絡(luò)，獲取候選框和這些候選框的boundingboxregression向量組。然后評(píng)估這些候選向量，并進(jìn)行

4、校準(zhǔn)。最后使用非極大化抑制來(lái)去除大量重復(fù)的候選區(qū)域。B、活體檢測(cè)考慮到一旦虛假人臉攻擊成功，極有可能對(duì)用戶(hù)造成重大損失，所以還有一項(xiàng)必不可少的活體檢測(cè)，為現(xiàn)有的人臉識(shí)別系統(tǒng)保障可靠且高效。這一方面，行業(yè)內(nèi)也研發(fā)了不少屬于自己的活體檢測(cè)sdk，本文案例中世紀(jì)晟科技人臉識(shí)別也對(duì)此有所研發(fā)。活體檢測(cè)技術(shù)可以有效阻擋PS換臉、視頻、三維人臉模型、高清人像照片等各種不同類(lèi)型的攻擊。C、3D人臉建模人臉是塑性變形體，對(duì)于人臉的特征抽取和識(shí)別，更適合