1人臉圖像采集技術(shù)
在出入口控制、視頻監(jiān)控等安防領(lǐng)域中，人臉識別的環(huán)境是復(fù)雜多樣的，各種光照條件會直接影響人臉圖像的采集效果。因此有效的ISP圖像采集技術(shù)是保證后續(xù)人臉識別效果的必要前提。以海思為代表的安防芯片廠家，在視頻監(jiān)控領(lǐng)域積累了多年的ISP圖像處理經(jīng)驗，在各種逆光、低照、動態(tài)范圍較大的場景下，都能較好地獲取清晰的人臉畫面。以索尼為代表的圖像傳感器廠家，以宇瞳為代表的鏡頭廠家，也提供了高質(zhì)量的圖像傳感器和鏡頭方案，配合芯片ISP算法，保證了人臉圖像的有效采集。此外，針對人臉等特殊目標(biāo)，設(shè)計專門的人臉曝光算法，也是一個重要的技術(shù)發(fā)展趨勢，一些有相關(guān)技術(shù)積累的安防廠家都采用了這種技術(shù)來增強人臉采集的圖像處理效果。
2基于深度學(xué)習(xí)的人臉識別算法傳統(tǒng)的人臉識別技術(shù)，由于場景適應(yīng)性較差，無法滿足實際應(yīng)用的要求，因此當(dāng)時的人臉識別大都是在特定場合下使用，無法普及開來。隨著深度學(xué)習(xí)的成熟和普及，將深度學(xué)習(xí)應(yīng)用到人臉識別成為一個主流的技術(shù)趨勢?；谏疃葘W(xué)習(xí)強大的泛化能力和魯棒性，人臉識別終于可以在更加廣泛的應(yīng)用領(lǐng)域中施展身手?；谏疃葘W(xué)習(xí)的人臉檢測算法，當(dāng)前使用較多的有基于候選框的Faster RCNN、RFCN等算法，也有基于回歸的YOLO、SSD等算法。經(jīng)過近幾年算法的優(yōu)化迭代，這些算法在檢測速度和檢測精度上已經(jīng)能夠滿足實時業(yè)務(wù)的需求。
3基于深度學(xué)習(xí)的人臉識別算法深度學(xué)習(xí)相比傳統(tǒng)算法優(yōu)勢明顯，但是計算量也是非常大的。早期，深度學(xué)習(xí)只能在工作站或服務(wù)器平臺上依賴強大的CPU來運行。隨著英偉達強勢介入深度學(xué)習(xí)領(lǐng)域，在GPU上運行深度學(xué)習(xí)成為一個主流趨勢。而以英偉達TK1、TX1為代表的GPU模塊的推出，在嵌入式設(shè)備上運行深度學(xué)習(xí)成為了可能。隨后各種專用的深度學(xué)習(xí)加速模塊開始普及，從而推進了深度學(xué)習(xí)在各種嵌入式終端設(shè)備的普及。
當(dāng)前，主流的嵌入式設(shè)備上的深度學(xué)習(xí)方案有以下幾種：
（1）以TK1、TX1為代表的專用芯片GPU方案，是基于GPU芯片強大的并行計算性能，能夠?qū)崿F(xiàn)高效的深度學(xué)習(xí)計算，但是芯片功耗較大，對終端設(shè)備的散熱要求較高。
（2）以瑞芯微、聯(lián)發(fā)科芯片為代表的通用芯片CPU方案，主要是基于通用ARM芯片實現(xiàn)深度學(xué)習(xí)計算，運算能力相對有限，無法實時運行較復(fù)雜的網(wǎng)絡(luò)，或者采用更高規(guī)格的ARM芯片才能滿足模型實時運行的需求，芯片的性價比不高。
（3）以Movidus芯片、海思智能芯片為代表的專用芯片方案，自帶深度學(xué)習(xí)專用的加速模塊，芯片計算能力強大，功耗和體積都非常小，比較適合在嵌入式終端上部署深度學(xué)習(xí)方案，是未來深度學(xué)習(xí)在嵌入式終端部署實施的主要方案。 4活體檢測技術(shù)提到人臉識別就避不開活體檢測這個話題，為了保證人臉識別的有效性，防止各種惡意攻擊，在人臉識別產(chǎn)品中實現(xiàn)有效的活體檢測技術(shù)是一個重要的前提條件。當(dāng)前業(yè)界的活體檢測技術(shù)方案很多，主流技術(shù)方案有配合式的活體檢測、非配合式的紅外活體檢測、基于深度信息的活體檢測等，每種方法都有其優(yōu)劣勢。在實際應(yīng)用中一般是根據(jù)活體檢測嚴格程度，選擇一種或多種技術(shù)方案組合起來，實現(xiàn)有效的活體檢測功能。
配合式的活體檢測由于簡單易用的原因，在早期使用的較多，但是由于配合式的方式易用性較差，除了一些特殊場景外，后續(xù)應(yīng)該會被非配合式的方案所替代。
紅外光人臉識別在活體檢測方面具有一定的技術(shù)優(yōu)勢，因此這也是當(dāng)前主流的活體檢測方案之一。
