佩特科技简述人脸识别发展史 双目人脸识别解决方案定制找佩特

人脸识别是指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术，其可以定义为：输入查询场景中的静图像或者视频，使用人脸数据库识别或验证场景中的一个人或者多个人，通常也被称为面部识别、人像识别。

人脸识别技术拥有一个不算漫长的历史，该技术研究最早可追溯到 19 世纪法国人Galton的工作。现代研究始于20世纪60年代末70年代初，并随着科学技术而发展。自90年代以来一直是研究热点，各种算法层出不穷，相关杂志上发表的有关论文数以千计。

国内在这方面的研究起步于20世纪80年代，受到了国家 863计划的大力扶持，发展很快。2000年以来，每年一届的“中国生物识别学术会议”极大地推动了包括人脸识别在内的生物识别技术水平的发展。目前国内人脸识别已经发展到双目人脸识别的技术，佩特的双目人脸识别解决方案成熟，如果使用佩特的全志主板的话，还可以配套佩特独立研发出可以直接在设备上配备的高性能双目摄像头，利用红外立体成像检测等技术，完成活体检测功能，实现精准的识别判定，识别精度高、速度快。

从技术角度来说，人脸识别经历了三大阶段：

第一阶段（1950s-1980s），人脸识别被当作一个一般性的模式识别问题，主流技术基于人脸的几何结构特征。

第二阶段（1990s），人脸识别迅速发展，出现了很多经典的方法，例如Eigen Face, Fisher Face和弹性图匹配，此时主流的技术路线为人脸表观建模。

第三阶段（1990s末期到现在），人脸识别的研究不断深入，研究者开始关注面向真实条件的人脸识别问题。

主要包括以下四个方面的研究：

1）提出不同的人脸空间模型，包括以线性判别分析为代表的线性建模方法，以Kernel方法为代表的非线性建模方法和基于3D信息的3D人脸识别方法。

2）深入分析和研究影响人脸识别的因素，包括光照不变人脸识别、姿态不变人脸识别和表情不变人脸识别等。

3）利用新的特征表示，包括局部描述子（Gabor Face, LBP Face等）和深度学习方法。

4）利用新的数据源，例如基于视频的人脸识别和基于素描、近红外图像的人脸识别。