人脸识别技术是一种依据人的面部特征，自动进行身份鉴别的一种技术，它综合运用了数字图像、视频处理、模式识别等多种技术。通过人脸特征提取和相似度比对，对于已经矫正好的两个人脸，会通过某种表达提取初始特征，然后应用知识模型对特征进行处理，最后再在度量空间里来计算两个特征的相似度。这个分值会告诉你这两个脸是不是同一个人的。人脸识别的过程包括：数据采集、人脸检测、五官定位、人脸预处理、特征提取。

1. 产品优势

强大的人脸训练模型：立足于腾讯社交数据大平台收集的海量人脸训练集，成功标注的千万人脸数据。
方法最全：高维LBP、PCA、LDA 联合贝叶斯、度量学习、迁移学习、深度神经网络
技术最好： 优图独创Uface深度人脸模型，LFW评测以99.65%目前世界领先。实际互联网金融场景测试，自拍-身份证缩略图对比0.01%错误率，通过率95%

2. 人脸验证技术(1:1识别)

人脸识别技术可以计算出两张人脸照片的相似度，从而判断是否为同一人，即1：1身份验证。优图人脸识别通过传统方法和深度学习技术结合，以空间面孔墙和微众银行远程核身为基础，在性能上达到LFW 99.65%

3. 人脸检索技术(1：N识别)

给定一张照片，和数据库中N个人脸进行对比，给出是否为其中某一个人，或者给出排序结果，即人脸检索。1：N用于用户不需要声明身份的场景。根据人脸数据的采集方式，光线条件，配合与非配合，各种人脸识别技术的成熟度差异很大。

4.技术指标

• FAR：False Accept Rate，错误接受率，指将身份不同的两张照片，判别为相同身份，越低越好
• FRR：False Reject Rate，错误拒绝率，指将身份相同的两张照片，判别为不同身份，越低越好
这两个指标有明确的物理意义，FAR决定了系统的安全性，FRR决定了系统的易用程度，在实际中，FAR对应的风险远远高于FRR，因此，生物识别系统中，会将FAR设置为一个非常低的范围，如万分之一甚至百万分之一，在FAR固定的条件下，FRR低于5%，这样的系统才有实用价值。
腾讯的人脸识别算法在实际互联网金融场景测试，自拍-身份证缩略图对比达到0.01%错误率，通过率95%
速度指标
• 支持最小人脸尺寸64x64
• 人脸特征尺寸1-2KB
• 1：1人脸对比500ms

5. 常见的应用场景

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，比如小区、学校、企业等。敏感地点也可以使用人脸识别门禁，未登记人员访问将触发报警。
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。同时疑犯布控追踪也是较为常见的应用场景。
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，内地高校也进行了有关试点。
娱乐应用：自动美妆美图、人脸属性识别、颜值分析，都是已经成熟使用的娱乐场景。
Copyright © 1998-2016 Tencent. All Rights Reserved

关联申请：http://partners.qcloud.com/invitation/99377079157835da208bd0

扫码加入