- 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34．22亿美元，其中，人脸识别占比11．4％，市场规模约3．90亿美元；到2016年，全球生物识别市场规模在127．13亿美元左右，其中人脸识别规模约26．53亿美元，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。