案例结合：3D动态人脸识别技术分析——世纪晟人脸识别实现三维人脸建模

文库：案例结合： 3D 动态人脸识别技术分析世纪晟人脸识别实现三维人脸建模- 目录- 国内 3D 动态人脸识别现状概况- 新形势下人脸识别技术发展潜力- 基于深度学习的 3D 动态人脸识别技术分析1. 非线性数据建模方法2. 基于 3D 变形模型的人脸建模- 案例结合世纪晟人脸识别实现三维人脸建模· 3D 动态人脸识别现状概况众所周知，在 3D 人脸识别整体技术方案方面，目前全球范围内掌握 3D 人脸识别核心技术的公司并不多，特别是在核心算法、芯片层面。然而，从 2D 到 3D，技术更迭升级势在必行。3D 人脸识别主要采用的是主动光技术，通过红外发光器发射出一束光，形成光斑，再通过 IR 摄像头读取该图案，并对点状图在物体上发生的扭曲、以及点与点之间的距离进行计算，再加上 RGB 图像，结合起来就构成了一个 3D 模型，传闻中的苹果 iPhone X 就采用的就是类似这样的 3D 摄像头模组。尽管 3D 成像非常有市场前景，但在 3D 人脸识别领域，世纪晟科技认为除手机移动端领域苹果 IOS 系统外，其它行业要消化 3D 人脸识别的软件原理、硬件设计等，还需要较长的一段时间才能完成。· 新形势下人脸识别技术发展潜力据前瞻产业研究院发布的人脸识别行业市场前瞻与投资战略规划分析报告数据显示，2009 年，全球生物识别市场规模为 3422 亿美元，其中，人脸识别占比 114，市场规模约 390 亿美元；到2016 年，全球生物识别市场规模在 12713 亿美元左右，其中人脸识别规模约 2653 亿美元，占比在20左右。从技术发展趋势来看，目前，越来越多研究机构开始对人脸识别技术进行更深入的研究，以寻求更好、更新的人脸识别技术。从市场趋势来看，随着高科技信息技术的快速发展，未来人脸识别技术将逐渐向市场化、产品化的方向发展，目前随着世纪晟人脸识别技术应用范围的扩大，针对人脸识别产品、行业应用领域将越来越多。人脸识别作为人类视觉上最杰出的能力之一，优势明显，相比指纹识别、虹膜识别等传统的生物识别方式，具有非接触性、非侵扰性、硬件基础完善和采集快捷便利、可拓展性好的优势，未来将成为识别主导技术。· 基于深度学习的 3D 动态人脸识别技术实现1. 非线性数据建模方法> 独立成分分析> 主曲线和曲面2. 基于 3D 变形模型的人脸建模· 案例结合世纪晟人脸识别技术实现三维人脸建模人脸建模，即是根据输入的人脸图像，如眼睛、鼻尖、嘴角点、眉毛以及人脸各部件轮廓点等，自动定位出面部关键特征点。世纪晟人脸识别结合计算机视觉、深度学习技术的研究和应用，以 3D 动态人脸识别技术为算法核心，不断深耕生物识别技术，提升人脸识别领域行业管理方案解决能力。1、世纪晟人脸识别技术分析-人脸检测人脸检测的目的就是在一张图中找到所有的人脸，MTCNN（多任务级联卷积神经网络）人脸检测算法更有效地解决了传统算法对环境要求高、人脸要求高、检测耗时高的弊端。2、世纪晟人脸识别技术分析活体检测在生物识别系统中，为防止恶意者伪造和窃取他人的生物特征用于身份认证，生物识别系统需具有活体检测功能，即判断提交的生物特征是否来自有生命的个体。3、世纪晟人脸识别技术分析3D 人脸建模人脸建模任务即根据输入的人脸图像，自动定位出面部关键特征点，如眼睛、鼻尖、嘴角点、眉毛以及人脸各部件轮廓点等。4、世纪晟人脸识别技术分析特征点提取世纪晟科技采用 DeepID 网特征提取+softmax 分类的方式，提取人脸中 136 个关键点，达到高精度，高识别率的效果。· 算法示意图· DeepNets 的训练网络示意图5、世纪晟人脸识别技术分析特征点比对通过之前的处理方式，将整体特征点结合局部特征点，进行三维人脸识别，输出比对结果。