《TensorFlow技术解析与实战》第10章 人脸识别

第10章　人脸识别

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。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测　到的人脸进行一系列与脸部相关的技术处理，包括人脸检测、人脸关键点检测、人脸验证等。

在《麻省理工科技评论》（MIT Technology Review）发布的2017年全球十大突破性技术榜单中，支付宝的“刷脸支付”（Paying with Your Face）成功入围，并且其评论称，该技术提供了一种安全并且十分方便的支付方式，并且已经处于成熟期。

10.1　人脸识别简介

现在很多App都应用了人脸识别技术，让用户体验“刷脸认证”“眨眼支付”等。人脸识别具有很多天然的优势。

• 非强制性：采集方式不容易被察觉，被识别的人脸图像可以主动获取。
• 非接触性：用户不需要与设备接触。
• 并发性：能够同时进行多个人脸的检测、跟踪和识别。

在深度学习出现以前，人脸识别方法一般分为两个步骤：高维人工特征提取和降维。传统的人脸识别技术主要是基于可见光图像的人脸识别。但这种方式有很多缺陷，例如，同一个人在姿势、光照等发生变化时，会使识别率大大降低。目前，深度学习+大数据（海量的有标注人脸数据）成为人脸识别领域的主流技术路线。

采用神经网络的人脸识别技术，可以通过大量样本图像训练来得到识别模型，不需要人工选取特征，而是在样本的训练过程中自行学习。它的识别准确率极高，可以