适用范围: 公园、工厂、超市、小区广场、会议中心、体育场馆、学校、医院、住宅区、商业街、大型农贸市场等公众活动和聚集场所的重要部位，酒店(宾馆)、餐饮、娱乐场所、办公楼的大堂出入口、电梯和其他主要通道等室内外范围的监控录像用途。

人脸捕获与跟踪

人脸捕获是指在一幅图像或视频流的一帧中检测出人像并将人像从背景中分离出来，并自动地将其保存。人像跟踪是指利用人像捕获技术，当指定的人像在摄像头拍摄的范围内移动时自动地对其进行跟踪。

人脸识别比对

人脸识别分核实式和搜索式二种比对模式。核实式是对指将捕获得到的人像或是指定的人像与数据库中已登记的某一对像作比对核实确定其是否为同一人。搜索式的比对是指，从数据库中已登记的所有人像中搜索查找是否有指定的人像存在。

人脸建模与检索

系统可以将登记入库的人像数据进行建模提取人脸的特征，并将其生成人脸模板(人脸特征文件)保存到数据库中。在进行人脸搜索时(搜索式)，将指定的人像进行建模，再将其与数据库中的所有人的模板相比对识别，最终将根据所比对的相似值列出最相似的人员列表。

真人鉴别

系统可以识别得出摄像头前的人是一个真正的人还是一张照片。以此杜绝使用者用照片作假。此项技术需要使用者作脸部表情的配合动作。

图像质量检测

图像质量的好坏直接影响到识别的效果，图像质量的检测功能能对即将进行比对的照片进行图像质量评估，并给出相应的建议值来辅助识别

人脸识别系统其实是台特殊的摄像机，判断速度相当快，只需要0.01秒左右，由于利用的是人体骨骼的识别技术，所以即使易容改装，也难以蒙过它的眼睛。而且"人脸识别系统"具有存储功能，只要把一些具有潜在危险性的"重点人物"的"脸部特写"输入储存系统，重点人物如擅自闯关，就会在0.01秒之内被揪出来，同时向其他安保中心"报警"。另外，某些重要区域如控制中心只允许特定身份的工作人员进出，这时候面部档案信息未被系统存储的所有人全都会被拒之门外。

与此前的指纹识别系统相比，人脸识别系统有很多的改进。指纹技术的使用寿命不如人脸识别系统，使用成本也高于人脸识别系统。由于沾水、沾汗、沾灰，还有传感器只能在室内使用等原因，指纹识别系统在露天户外使用的可能性很小。而用于人脸识别的摄像机一天24小时都可工作，第一它不侵犯人权，第二它是很安全的，无论室内还是户外均可使用。人脸识别系统意味着每个人的脸上都贴着名字，外人看不见，但监控系统能看得见。包括外国人，从踏入中国的一瞬间，他的图像和个人资料就会进入电脑的控制中心，不管在什么地方出现，都可认出此人。而且被观察的人不知道有设备在监视他，起到了科技奥运、文明奥运的功能。

2012年4月，铁路部门公布招标公告，对京沪高铁安检区域人脸识别系统工程进行公开招标，上海虹桥站、天津西站和济南西站三个车站安检区域将安装用于身份识别的高科技安检系统人脸识别系统。

业内人士透露，现在有的人脸识别技术在抓取出人脸后，会把焦点对准眉骨到下颚这一倒三角区域，找出该区域的数千个点位，这些点位组成一套数学模型，通过复杂的数学方式计算人脸的相似度，因此准确度很高。

2012年11月，武汉公安正构建一套高精准人脸识别系统，建成后能在1秒钟内比对1亿次图像，瞬间可辨认嫌疑人。这套系统主要通过安装在城市道路路口、两侧以及公交车上的25万个视频探头进行图像采集。视频监控将捕捉到的人像，与后台数据中犯罪嫌疑人面部特征进行精确比对，可在几秒内锁定犯罪嫌疑人。这套系统将在明年3月投入实战应用。

目前，武汉警方已建成以信息采集、分析研判、信息指导行动三项机制以及视频监控系统和警用地理信息系统为支撑的动态信息化警务系统。

三峡秭归县于2011年8月启动"人脸识别系统"，建立了退休人员动态信息库。每年9月至次年3月进行退休人员资格认证。截止到2012年12月10日完成离退休人员认证8135人，其中，网上视频认证194人。

2012年11月底，全市所有机关事业经办机构都启用人脸识别系统进行领取养老金资格建模认证工作，2013年5月底完成初次建模工作。若超过期限没有进行身份验证的离退休人员，社保管理系统将会自动停发其养老金。首次建模成功后，退休人员可以就近通过互联网和摄像头自行完成身份认证。

人脸识别支付系统

2013年，中国科学院重庆绿色智能技术研究院智能多媒体技术研究中心启动了以人脸识别为核心技术的人脸识别支付方式的研究。

截止2014年8月，该中心已经完成了人脸识别支付系统的关键性技术研究。该中心全球首创的人脸数据采集阵列，能够从91个角度对人脸同步采集，能对人脸识别影响最大的多变光照、多角度、遮挡等状态进行最优的识别效果。智能多媒体技术研究中心的人脸识别系统已应用在边检站自动通关系统、动态人脸识别考勤机、多属性动态人脸识别系统等。在此基础上，中心研发出了人脸识别移动支付系统，已能够实现支付只需"刷脸卡"。

行业应用

人脸识别被认为是生物特征识别领域甚至人工智能领域最困难的研究课题之一。人脸识别系统的困难主要是人脸作为生物特征的特点所带来的。

相似性

不同个体之间的区别不大，所有的人脸的结构都相似，甚至人脸器官的结构外形都很相似。这样的特点对于利用人脸进行定位是有利的，但是对于利用人脸区分人类个体是不利的。

易变性

人脸的外形很不稳定，人可以通过脸部的变化产生很多表情，而在不同观察角度，人脸的视觉图像也相差很大，另外，人脸识别还受光照条件(例如白天和夜晚，室内和室外等)、人脸的很多遮盖物(例如口罩、墨镜、头发、胡须等)、年龄等多方面因素的影响。

在人脸识别中，第一类的变化是应该放大而作为区分个体的标准的，而第二类的变化应该消除，因为它们可以代表同一个个体。通常称第一类变化为类间变化(inter-class difference)，而称第二类变化为类内变化(intra-class difference)。对于人脸，类内变化往往大于类间变化，从而使在受类内变化干扰的情况下利用类间变化区分个体变得异常困难。

用户配合度

现有的人脸识别系统在用户配合、采集条件比较理想的情况下可以取得令人满意的结果。但是，在用户不配合、采集条件不理想的情况下，现有系统的识别率将陡然下降。比如，人脸比对时，与系统中存储的人脸有出入，例如剃了胡子、换了发型、多了眼镜、变了表情都有可能引起比对失败。也就是说，人如果发生较大变化，系统可能就会认证失败。光照、姿态、装饰等，对机器识别人脸都有影响。

人脸识别内容

人脸识别技术包含三个部分:

(1)人脸检测

面貌检测是指在动态的场景与复杂的背景中判断是否存在面像，并分离出这种面像。一般有下列几种方法:

①参考模板法

首先设计一个或数个标准人脸的模板，然后计算测试采集的样品与标准模板之间的匹配程度，并通过阈值来判断是否存在人脸;

②人脸规则法

由于人脸具有一定的结构分布特征，所谓人脸规则的方法即提取这些特征生成相应的规则以判断测试样品是否包含人脸;

③样品学习法

这种方法即采用模式识别中人工神经网络的方法，即通过对面像样品集和非面像样品集的学习产生分类器;

④肤色模型法

这种方法是依据面貌肤色在色彩空间中分布相对集中的规律来进行检测。

⑤特征子脸法

这种方法是将所有面像集合视为一个面像子空间，并基于检测样品与其在子孔间的投影之间的距离判断是否存在面像。

值得提出的是，上述5种方法在实际检测系统中也可综合采用。

(2)人脸跟踪

面貌跟踪是指对被检测到的面貌进行动态目标跟踪。具体采用基于模型的方法或基于运动与模型相结合的方法。此外，利用肤色模型跟踪也不失为一种简单而有效的手段。

(3)人脸比对

面貌比对是对被检测到的面貌像进行身份确认或在面像库中进行目标搜索。这实际上就是说，将采样到的面像与库存的面像依次进行比对，并找出最佳的匹配对象。所以，面像的描述决定了面像识别的具体方法与性能。目前主要采用特征向量与面纹模板两种描述方法:

①特征向量法

该方法是先确定眼虹膜、鼻翼、嘴角等面像五官轮廓的大小、位置、距离等属性，然后再计算出它们的几何特征量，而这些特征量形成一描述该面像的特征向量。

②面纹模板法

该方法是在库中存贮若干标准面像模板或面像器官模板，在进行比对时，将采样面像所有象素与库中所有模板采用归一化相关量度量进行匹配。此外，还有采用模式识别的自相关网络或特征与模板相结合的方法。

人脸识别技术的核心实际为"局部人体特征分析"和"图形/神经识别算法。"这种算法是利用人体面部各器官及特征部位的方法。如对应几何关系多数据形成识别参数与数据库中所有的原始参数进行比较、判断与确认。一般要求判断时间低于1秒。

人脸的识别过程

一般分三步:

(1)首先建立人脸的面像档案。即用摄像机采集单位人员的人脸的面像文件或取他们的照片形成面像文件，并将这些面像文件生成面纹(Faceprint)编码贮存起来。

(2)获取当前的人体面像。即用摄像机捕捉的当前出入人员的面像，或取照片输入，并将当前的面像文件生成面纹编码。

(3)用当前的面纹编码与档案库存的比对。即将当前的面像的面纹编码与档案库存中的面纹编码进行检索比对。上述的"面纹编码"方式是根据人脸脸部的本质特征和开头来工作的。

这种面纹编码可以抵抗光线、皮肤色调、面部毛发、发型、眼镜、表情和姿态的变化，具有强大的可靠性，从而使它可以从百万人中精确地辨认出某个人。人脸的识别过程，利用普通的图像处理设备就能自动、连续、实时地完成。