文章| 4月简介：去年，马云在淘宝上用脸购买汉诺威展览邮票，“刷脸场景”火遍全国。
事实上，除了金融支付，当单位门禁、教室考勤识别从指纹改为人脸时，人脸识别应用也被频繁使用。
未来，分散在各地的摄像头将连接成一个巨大的有机“天网”，“刷脸”应用将成为下一代重要的交互方式。
人脸识别作为视觉模型的细分，已成为继智能语音之后的又一个技术热点。
不仅限于好莱坞科技电影中炫酷的“天眼”扫描场景，人脸识别技术已经渗透到多种类型的日常应用中。
1.相机取代“人眼”。
所谓“计算机视觉”是指计算机模仿人眼并完成相关任务和指令。
比如获取物体信息，识别有意义的概念，与之前的知识体系进行匹配，并做出判断和解释。
这一系列看似简单的任务对于机器来说并不那么容易实现。
要完成人脸识别的工作，首先需要进行准确的“人脸检测”，即计算机找到图像或视频中人脸的位置，只需要判断目标图像是否是人脸即可。
例如，目前大多数相机和手机摄像头都具有人脸检测功能，可以自动获取人脸的位置，从而自动调整和优化画面。
随后，计算机会提取图像的具体信息，包括人脸组成点定位、人脸图像对齐与归一化、人脸图像质量选择、特征提取、特征比较等。
此时，就可以在人脸图像上解读出一些身份信息了。
面孔，包括性别、年龄，甚至外貌。
值得强调的是，在金融支付和身份验证场景中，人脸检测往往作为辅助手段，用户往往需要提前表明身份。
这是“1：1”的身份验证。
计算机将当前人脸与存储的人脸进行比较，这是对其他验证方法的辅助，从而提高身份验证的可靠性。
然而，在一些侦查剧中，警方对存储有所有通缉犯数据的人脸数据库进行在线搜索，并将获得的通缉犯信息放入通缉犯数据库中进行一一比对，以获取匹配度最高的犯罪嫌疑人。
人脸识别计算机每次进行n次人脸比对，这就是一次“1:n”的人脸搜索。
如果要求计算机仅根据人脸识别身份，就是最常见的“1：n”模式。
目标人脸数据库由n张人脸组成。
随着n的增加，准确识别的难度也会增加。
如果很大，一次识别所需的计算时间也会增加。
一个普通人可以准确识别几十张人脸。
随着n的增大，计算机识别的优势就凸显出来。
人脸识别技术有很多比较维度。
除了常见的1：1和1：n比较级别外，还包括n：n，具有不同的测量标准。
单从准确率来看，国内外视觉识别技术公司识别准确率的差异大多体现在小数点后，对比意义不大。
商业适用性成为最关键的增强方向，以及实际使用场景的准确性和可靠性。
2、初创企业与巨头的博弈方式不同。
目前，中国人工智能领域的初创企业约有十几家，其中一半已获得投资。
超过70%的公司专注于图像或语音识别两个类别，其中一些公司的面部识别水平堪比甚至超过美国初创公司，例如Face++、商汤科技等，不遗余力地引入前沿技术人才。
汉王、大恒、奥普光电等上市公司已在B端市场的安防、工业制造领域占据领先份额。
计算机视觉已成为人工智能领域最受投资青睐的领域。
数据网站显示，国内计算机视觉领域企业约有30家，其中近80%已完成融资。
也就是说，如果一家公司的业务和技术主要以计算机视觉应用为主，那么被投资的概率是80%。
这种资本的青睐，在整个互联网圈都是非常可怕的。
另一方面，与小规模创业者的做法相比，拥有海量数据和巨大业务规模的互联网巨头已经开始由内而外的创新和布局。
腾讯内部成立了人脸识别团队——优图实验室。
百度的人脸识别也依靠其庞大的数据资源呈指数级积累。
阿里巴巴控股一家人脸识别公司，将结合自有平台人脸数据的优势，推动2C人脸识别的发展。
但此类公司对机器视觉行业的发展主要集中在工具上，如腾讯的涉黄识别服务、百度的图像识别功能等，主要用在自己的产品系统中。
Vision在尝试盈利模式、换取利润的同时，也积累了大量底层图像、图片数据。
图像数据支持相关技术算法的优化。
随着机器视觉技术越来越先进，也将渗透到更多场景，比如电商图像检索、机器人模块植入等。
巨头与初创企业在起跑线上展开激战，气味扑鼻而来。
商战前的硝烟弥漫。
3、渗透到不同场景 目前，人脸识别技术的重点应用领域是安防和金融。
不久前，科大讯飞在年会上推出了“小蛮机器人”，可以代替银行柜台工作人员完成交易。
据称，该产品将于明年3月上市。
据统计，国内至少已有多家银行开始测试人脸识别技术，无需带卡，只需“刷脸”即可在ATM机上取款。
较早的包括招商银行和上海银行。
此外，中国银联还联合Linkface打造全新人脸识别互联网+金融支付产品，并在徽商银行试点。
此外，它还用于以下领域。
金融领域从事面部识别工作的大牌已经满员了。
还有其他领域可以让我们分一杯羹吗？ 1）身份验证 滴滴在今年11月引入了面部识别技术，以提高安全性。
据悉，滴滴顺风车新车主首次接单前必须通过人脸识别系统审核，方可在平台接单，防止私自更换司机等违规行为，保障乘客安全。
网约车系统将要求车主通过摇头、眨眼等动作采集人像，并将车主上传的面部信息和注册时使用的身份证信息与公安部数据库进行比对。
成功后才能正式接受订单。
使用面部识别技术的目的是确保驾驶员的注册账户与其个人信息相匹配。
2）公共安全旅客在接受正常安检时，人脸识别系统会自动核对旅客身份证照片，识别旅客身份。
即使乘客改变发型或化妆，准确率也远高于人眼识别。
即使化浓妆也没关系。
在国家网络安全宣传周期间获悉，“人脸识别技术”目前被运用在反恐活动中。
该技术为动态识别，每秒可识别5-8人的身份。
今年6月，广州地铁站进行了试点。
此外，人脸识别门禁应用也已在万科、金地、广州越秀、四川蓝光等智慧社区落地。
人脸识别对于访客、外来人员以及周边服务人员的管理起到了很好的作用，提高了O2O的服务水平和保障。
3）娱乐和社交微软曾经推出过一款面部扫描应用程序——“Microsoft We”（TwinsOrNot.net）。
您只需上传任何人的两张照片即可了解他们的相似程度。
例如，它可以测试你是否像某个名人。
长得像，或者夫妻/男女朋友是否是夫妻。
How-Old.net 在全世界都很受欢迎。
他们都巧妙地将人脸识别与社交网络中的人际交流结合起来。
您可以了解您的年龄、性别、外貌和测试。
一款有趣的应用程序，可让您实时用脸拍照和录制视频。
人脸优化利用人脸的多个特征点，实时完成“贴脸”的功能。
4）对象收货 今年10月，中国邮政与腾讯达成全面战略合作。
EMS将充分利用微信公众号和手机QQ平台，实现自有的“预约-寄件-付款-查询-收件”一站式服务平台。
据介绍，腾讯优图的人脸识别技术未来还将广泛应用于EMS的政务、贵重物品、重要文件快递等领域。
这也意味着，今后取快递时可以直接“刷脸”。
4.市场空白待填补。
无论国际还是国内，人脸识别都没有（行业）标准。
目前正处于一个比较混乱的早期阶段。
有实力的企业未来仍然有很大的机会脱颖而出。
人脸识别技术在使用、识别便捷性、保留现场用户人像照片等方面都具有非常明显的优势。
准确率在ImageNet等国际测试中不断被刷新，但在实际场景的应用中仍然存在一定的局限性。
发展瓶颈。
一是视频传感设备的制约。
人脸识别技术成像必须依靠摄像头来收集深度信息，通常使用红外光和可见光。
对于近红外技术，人脸识别摄像头模组需要专门的模组来提高识别精度，这必然会降低其摄像头的兼容性；至于可见光技术，理论上任何普通相机都可以使用，但目前相机行业对视频清晰度和光线适应性缺乏明确的标准，对焦方式和对焦能力也各不相同。
在一定程度上，摄像头本身的发展速度制约了人脸识别技术的扩展和普及。
也必然会制约大市场的爆发和使用的识别效率。
其次，由于软件开发和各种半导体元器件占成本的绝大多数，而更多的核心元器件需要进口，因此国内市场在底层软件开发方面存在较大的市场缺口。
第三，容易受到光线、角度、人脸上的装饰等各种因素的影响。
这也不难解释为什么人脸识别技术尚未广泛应用于日常生活中。
大多数人只能在科幻电影中接触到人脸识别。
四是活体鉴定。
能够区分真人和照片的技术是一个叫做活体检测的研究领域，中文称为“活证据”。
因为现在社交网络和电子影像产品非常发达，人们可以很容易地获取别人的脸部照片，然后欺骗人脸识别系统。
因此，需要区分系统面前的人脸是真实的人脸还是照片/视频/3D蒙版。
，变得非常重要。
对于照片欺骗，主要根据分辨率（复制照片的分辨率与直接从真人采集的照片在质量和分辨率上有所不同）、三维信息、眼球运动等来区分。
对于视频欺骗，则根据关于3D面具欺骗的研究很少（实际欺骗场景也相对较少）。
计算机算法可以区分照片和真人。
然而，面部活体取证的实际应用仍然存在很大的局限性。
目前的算法基本都是基于实验室数据，离实用性还很远。
此外，在指纹、虹膜等模式识别中也面临这个问题。
5、结束语 经过两次高潮之后，人工智能技术在第三次高潮的推动下开始初见曙光。
基于深度学习神经网络算法在语音和视觉识别方面的进展，识别率已分别超过99%和95%。
感知智能时代即将来临。
机器视觉最初应用于工业领域，现已逐渐落地到日常生活场景中，从平面图像识别过渡到人脸等包含深度信息的模式识别。
不过，业内人士表示，国内人脸识别厂商拥有核心算法自主知识产权的寥寥无几。
国内外的人脸识别技术大多会在OpenCV等开源库中添加新的规则，或者向其他公司收取使用费。
SDK等而且该领域的初创企业整体规模还较小，这也反映出技术壁垒和相应人才的稀缺。
总体而言，从机器视觉产业的构成来看，视觉处理软件、镜头、工业相机、图像处理单元、图像采集卡都是必不可少的环节。
未来，视觉识别技术企业将强烈需求芯片和模组厂商的支持，两方将走得更近。
此外，初创公司的产品在拓展渠道和领域时，会更加聚焦消费市场，比如机器人、无人机等。
和其他产品。
上周，鸿海集团旗下FOXTEQ HOLDINGS参与了Face++1万美元的投资，与富士康投资的Pepper有合作的可能。
从产业链入手，初创企业或许会找到更多的投资机会。