详解国内人脸识别主流的技术特点及未来的发展趋势

当前国内人脸识别技术在市场普及上面临的痛点

就当前人脸识别最普及的领域而言，安防、银行和公安系统上应用最广。未来人脸在很多领域都可以大放异彩，这取决于技术的突破与创新。就国内当前的现状而言，人脸识别在市场普及上面临着两大痛点。

一、商业模式有待改进

一项新技术的普及与很多因素有关，作为企业而言，成本控制与盈利才是其目的。而人脸识别技术门槛高、投入大，短期内的应用场景又很有限，因此很多企业在布局上显得犹犹豫豫，想让人脸识别技术像网购一样进入千家万户，一个好的商业模式至关重要。

在普及人脸识别技术上，国内很多公司也做了很多努力，如百度曾推出过一个叫脸优的产品，它是百度在人工智能技术上的一个尝试性应用，有人认为这个应用的推出让手机APP从“模式时代”突破到“术时代”。 因为该应用连接的不只是用户与未来的商业模式，更多的是连接了百度的人工智能以及人脸识别等技术，有着足够高的技术门槛，实现难度大。阿里巴巴、腾讯等互联网巨头也曾尝试基于人脸识别技术的商业变现，但效果均未达预期。

二、当前的人脸识别技术仍有进步空间

当前的人脸识别系统主要包括四个组成部分：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。随着未来数据的增长，在数据匹配，将面临着更大的挑战。

人脸识别用途很大，但目前人脸识别技术有很多不足，如对周围的光线环境敏感，可能会影响识别的准确性，在面对黑暗、相似等复杂场景，识别率表现不佳。

近几年虽然国内企业在人脸识别技术取得了一定的成绩，但还是有很多方面需要努力，如透过车窗玻璃识别人脸、夜间识别、红外识别等这些技术仍待企业去研发。

当前人脸识别技术可从哪些地方改进？

人脸识别技术要取得进步，这得从它的几大关键技术点上寻求突破，人脸识别的几大关键技术包括：

基于特征的人脸检测技术——通过采用颜色、轮廓、纹理、结构或者直方图特征等进行人脸检测。

基于模板匹配人脸检测技术——从数据库当中提取人脸模板，接着采取一定模板匹配策略，使抓取人脸图像与从模板库提取图片相匹配，由相关性的高低和所匹配的模板大小确定人脸大小以及位置信息。

基于统计的人脸检测技术——通过对于“人脸”和“非人脸”的图像大量搜集构成的人脸正、负样本库，采用统计方法强化训练该系统，从而实现对人脸和非人脸的模式进行检测和分类。

从技术层面，人脸识别改进的办法可从上述三个方面。任何一个细节技术的突破都可能带来识别率的提升改进。

除了上述三个技术层面改进人脸识别，也有很多上游企业在做人脸识别技术改进的研究，如通过在元器件上的改进，提升人脸识别准确率。

用于用户脸部或眼部的红外补光光源不但需要足够亮而且要均匀，这对于人脸识别和眼部跟踪系统而言尤其重要。欧司朗最新的Synios P2720使用波长为940 nm的红外线，可减少红爆。之前红外摄像头对850nm的红外光源有着最好的灵敏度。

据OFweek人工智能网了解，这款IRED专为二维人脸识别而设计，是欧司朗光电半导体的现有生物识别产品线里的最新成员。