人工智能如何实现人脸识别，你不知道的奥秘( 二 ) _小知识

基于人脸比对可衍生出人脸验证(Face Verification)、人脸辨认(Face Recognition)、人脸检索(Face Retrieval)、人脸聚类（Face Cluster）等算法。

文章插图
人脸比较进程（右侧的类似度为人脸比对输出的成果）
【人工智能如何实现人脸识别，你不知道的奥秘】6. 人脸验证
人脸验证（Face Verification）是判定两个人脸图是否为同一人的算法。
它的输入是两个人脸特点，通过人脸比对获得两个人脸特点的类似度，通过与预设的阈值比拟来验证这两个人脸特点是否属于同一人（即类似度大于阈值，为同一人；小于阈值为不同）。

文章插图
人脸验证进程解释（最右侧是同一人为人脸验证的输出）
7. 人脸辨认
人脸辨认(Face Recognition) 是辨认出输入人脸图对应身份的算法。
它的输入一个人脸特点，通过和注册在库中N个身份对应的特点进行逐个比对，找出一个与输入特点类似度最高的特点。将这个最高类似度值和预设的阈值相比拟，如果大于阈值，则返回该特点对应的身份，否则返回不在库中。

文章插图
人脸辨认进程（右侧身份 jason 为人脸辨认成果）
8. 人脸检索
人脸检索是查找和输入人脸类似的人脸序列的算法。
人脸检索通过将输入的人脸和一个聚集中的说有人脸进行比对，依据比对后的类似度对聚集中的人脸进行排序。依据类似度从高到低排序的人脸序列即使人脸检索的成果。

文章插图
人脸检索进程（右侧绿框内排序序列为检索成果）
9. 人脸聚类
人脸聚类（Face Cluster）是将一个聚集内的人脸依据身份进行分组的算法。
人脸聚类也通过将聚集内所有的人脸两两之间做人脸比对，再依据这些类似度值进行剖析，将属于同一个身份的人划分到一个组里。
在没有进行人工身份标注前，只知道分到一个组的人脸是属于同一个身份，但不知道确实身份。另外假设聚集中有N个人脸，那么人脸聚类的算法庞杂度为O(N2)

文章插图
人脸聚类进程（右侧绿框内按身份的分组成果为聚类成果）
10. 人脸活体
人脸活体（FaceLiveness）是断定人脸图像是来自真人还是来自攻击假体（照片、视频等）的办法。
和前面所提到的人脸技巧相比，人脸活体不是一个单纯算法，而是一个问题的解法。这个解法将用户交互和算法紧密联合，不同的交互方法对应于完整不同的算法。鉴于办法的种类过于繁多，这里只介绍人脸活体的概念，不再展开。