臉部辨識系統- 維基百科，自由的百科全書

臉部辨識系統（英語：Facial recognition system），又稱人臉識別。

特指利用分析比較人臉視覺特徵信息進行身份鑑別的計算機技術。

臉部辨識攝影機. 臉部辨識系統 維基百科，自由的百科全書 跳至導覽 跳至搜尋 此條目需要補充更多來源。

(2019年4月25日)請協助補充多方面可靠來源以改善這篇條目，無法查證的內容可能會因為異議提出而移除。

致使用者：請搜尋一下條目的標題（來源搜尋："臉部辨識系統"—網頁、新聞、書籍、學術、圖像），以檢查網路上是否存在該主題的更多可靠來源（判定指引）。

  提示：此條目的主題不是人臉識別。

臉部辨識系統（英語：Facialrecognitionsystem），又稱人臉識別。

特指利用分析比較人臉視覺特徵信息進行身份鑑別的計算機技術。

臉部辨識攝影機 廣義的人臉識別實際包括構建人臉識別系統的一系列相關技術，包括人臉圖像採集、人臉定位、人臉識別預處理、身份確認以及身份查找等；而狹義的人臉識別特指通過人臉進行身份確認或者身份查找的技術或系統。

人臉識別是一項熱門的計算機技術研究領域，它屬於生物特徵識別技術，是對生物體（一般特指人）本身的生物特徵來區分生物體個體。

生物特徵識別技術所研究的生物特徵包括臉、指紋、手掌紋、虹膜、視網膜、聲音（語音）、體形、個人習慣（例如敲擊鍵盤的力度和頻率、簽字）等，相應的識別技術就有人臉識別、指紋識別、掌紋識別、虹膜識別、視網膜識別、語音識別（用語音識別可以進行身份識別，也可以進行語音內容的識別，只有前者屬於生物特徵識別技術）、體形識別、鍵盤敲擊識別、簽字識別等。

目次 1優勢 2困難 3技術細節 4發展歷史 5應用 6爭議 7相關計算機語言 8相關領域 9參考資料 優勢[編輯] 人臉識別的優勢在於其自然性和不被測個體察覺的特點。

所謂自然性，是指該識別方式同人類（甚至其他生物）進行個體識別時所利用的生物特徵相同。

例如人臉識別，人類也是通過觀察比較人臉區分和確認身份的，另外具有自然性的識別還有語音識別、體形識別等，而指紋識別、虹膜識別等都不具有自然性，因為人類或者其他生物並不通過此類生物特徵區別個體。

[來源請求] 不被察覺的特點對於一種識別方法也很重要，這會使該識別方法不令人反感，並且因為不容易引起人的注意而不容易被欺騙。

人臉識別具有這方面的特點，它完全利用可見光獲取人臉圖像信息，而不同於指紋識別或者虹膜識別，需要利用電子壓力傳感器採集指紋，或者利用紅外線採集虹膜圖像，這些特殊的採集方式很容易被人察覺，從而更有可能被偽裝欺騙。

[原創研究？] 困難[編輯] 雖然人臉識別有很多其他識別無法比擬的優點，但是它本身也存在許多困難。

人臉識別被認為是生物特徵識別領域甚至人工智慧領域最困難的研究課題之一。

人臉識別的困難主要是人臉作為生物特徵的特點所帶來的。

人臉在視覺上的特點是： 不同個體之間的區別不大，所有的人臉的結構都相似，甚至人臉器官的結構外形都很相似。

這樣的特點對於利用人臉進行定位是有利的，但是對於利用人臉區分人類個體是不利的。

人臉的外形很不穩定，人可以通過臉部的變化產生很多表情，而在不同觀察角度，人臉的視覺圖像也相差很大，另外，人臉識別還受光照條件（例如白天和夜晚，室內和室外等）、人臉的很多遮蓋物（例如口罩、墨鏡、頭髮、鬍鬚等）、年齡、拍攝的姿態角度等多方面因素的影響。

在人臉識別中，第一類的變化是應該放大而作為區分個體的標準的，而第二類的變化應該消除，因為它們可以代表同一個個體。

通常稱第一類變化為類間變化（inter-classdifference），而稱第二類變化為類內變化（intra-classdifference）。

對於人臉，類內變化往往大於類間變化，從而使在受類內變化干擾的情況下利用類間變化區分個體變得異常困難。

技術細節[編輯] 一般來說，人臉識別系統包括圖像攝取、人臉定位、圖像預處理、以及人臉識別（身份確認或者身份查找）。

系統輸入一般是一張或者一系列含有未確定身份的人臉圖像，以及人臉資料庫中的若干已知身份的人臉圖象或者相應的編碼，而其輸出則是一系列相似度得分，表明待識別的人臉的身份。

目前人臉識別的算法可以分類為： 基於人臉特徵點的識別算法（feature-basedrecognitionalgorithms）。

基於整幅人臉圖像的識別算法（appearance-basedrecognitionalgorithms）。

基於模板的識別算法（template-basedrecognitionalgorithms）。

利用神經網絡進行識別的算法（recognitionalgorithmsusingneuralnetwork）。

利用支持向量機進行識別的算法（recognitionalgorithmsusingSVM）。

發展歷史[編輯] 人臉識別系統的研究始於20世紀60年代，80年代後隨著計算機技術和光學成像技術的發展得到提高，而真正進入初級的應用階段則在90年代後期，並且以美國、德國和日本的技術實現為主；人臉識別系統成功的關鍵在於是否擁有尖端的核心算法，並使識別結果具有實用化的識別率和識別速度；「人臉識別系統」集成了人工智慧、機器識別、機器學習、模型理論、專家系統、視頻圖像處理等多種專業技術，同時需結合中間值處理的理論與實現，是生物特徵識別的最新應用，其核心技術的實現，展現了弱人工智慧向強人工智慧的轉化。

[1] 截至2017年底，中國已在新疆部署了人工智慧臉部辨識系統。

訪問該地區的記者發現，在幾個城市每百米左右安裝一監控攝像頭。

[2][3]聯邦調查局亦未經授權擅自掃描數百萬張民眾駕照。

[4] 2019年11月，全球首個人臉識別導航智能停車場於中國廣州K11啟用，當車主接受人臉註冊後，停車場可以提供車位實景導航服務，方便車主取車。

有關技術正研究於香港K11採用[5]。

應用[編輯] 無錫交通警察的人臉識別提醒牌 人臉識別的應用主要有： 門禁系統：受安全保護的地區可以通過人臉識別辨識試圖進入者的身份，比如監獄、看守所、小區、學校等。

攝像監視系統：在例如銀行、機場、體育場、商場、超級市場等公共場所對人群進行監視，以達到身份識別的目的。

例如在機場安裝監視系統以防止恐怖分子登機。

網絡應用：利用人臉識別輔助信用卡網絡支付，以防止非信用卡的擁有者使用信用卡，社保支付防止冒領等。

學生考勤系統：香港及澳門的中、小學已開始將智慧卡配合人臉識別來為學生進行每天的出席點名記錄。

相機：新型的數位相機已內建人臉識別功能以輔助拍攝人物時對焦。

智慧型手機：解鎖手機、識別使用者，如Android4.0以上，iPhoneX。

人證核驗一體機：核驗持證人和證件照是不是同一個人，主要用在酒店前台、稅務局、醫院等。

爭議[編輯] 臉部辨識系統雖然有其方便之外，但也衍生了許多資訊安全及隱私問題，加上現時臉部辨識系統並非十分精確，系統的演算法技術準確性相對較低，較容易出錯、缺乏相關法律和道德標準、具有侵犯隱形權的討論、以及政府很容易濫用這項技術，若應用在人權的犯罪防治工作上，則會引發歧視問題[6]。

相關計算機語言[編輯] MatLab：Matlab[7]是一種獨立的程式語言，它有自己的框架和集成開發環境（IDE），具有更強大的工作空間。

該程式語言提供了廣泛的工具，你可以使用它們輕鬆處理更多技術編程任務。

圖像識別和面部處理是Matlab可以處理的一些任務。

Matlab提供了一系列用於矩陣計算的內置工具。

必須注意的是，圖像識別和矩陣計算是齊頭並進的。

Matlab中可用的一些工具以執行複雜的圖像處理任務，例如裁剪、旋轉、掩蔽等。

Python：目前，Python被認為一種目前最流行的程式語言。

其簡單性和多功能性是許多程式設計師喜歡使用它的一些原因。

儘管很簡單，但Python是一種可以依賴於執行複雜任務的語言。

它可用於創建圖像處理和識別功能。

C/C++/C＃：它們功能強大，可以做任何事情，包括創建圖像處理和識別功能。

C系列程式語言提供了兩種創建圖像處理功能的選項。

使用者可以選擇從頭開始對所有代碼進行編碼，從而手動編寫代碼。

第二種選擇是使用專為這些程式語言設計的現有庫。

這些庫包括OpenGL、EmguCV、OpenCV等等。

它們具有用於圖像識別的智能圖像處理功能。

JAVA：像C和C++一樣，永遠不要低估Java程式語言的強大功能[8]。

這種語言足以執行複雜的功能。

它可用於創建圖像處理和圖像識別的應用程式。

OpenCV：開源計算機視覺（OpenCV）[9]是一種用於實時處理的高級工具。

它也是一種跨平台工具，因此可以集成到任何程式語言中，以執行圖像處理和識別功能。

它可以與C、C++、Java、Python和Android程式語言集成。

相關領域[編輯] 計算機視覺 人工智慧 模式識別 神經網絡 車牌識別 指紋識別 安全檢查 參考資料[編輯] ^StanZ.Li．Handbookoffacerecognition：LibraryofCongressCataloging-in-PublicationData，2004052453 ^China’smassiveinvestmentinartificialintelligencehasaninsidiousdownside.Science|AAAS.7February2018[23February2018].（原始內容存檔於2021-03-28）（英語）.  ^Chinabetsonfacialrecognitioninbigdrivefortotalsurveillance.WashingtonPost.2018[23February2018].（原始內容存檔於2018-01-13）（英語）.  ^FBI偷掃百萬張駕照，走後門練成刷臉監控網！華郵爆：美國只做不說好多年-國際-商周頭條｜商業周刊-商周.com.商業周刊-商周.com.[2019-07-21].（原始內容存檔於2019-07-16）（中文（臺灣））.  ^【智慧商場】廣州K11率先採用全球首個人臉識別導航停車場 ^【智创脉动】各出奇招！隐私权“斗”人脸辨识|中國報.中國報ChinaPress.[2019-11-18]（美國英語）.  ^MATLAB-计算机技术语言.MATLAB.[2019-04-25].（原始內容存檔於2021-04-24）.  ^JavaPowersOurDigitalWorld.gojava.[2019-04-25].（原始內容存檔於2019-12-24）.  ^IntroductiontoOpenCV.OpenCV.[2019-04-25].（原始內容存檔於2021-01-20）.  閱論編可微分計算概論 可微分編程 神經圖靈機（英語：NeuralTuringmachine） 可微分神經計算機（英語：Differentiableneuralcomputer） 自動微分 神經形態工程（英語：Neuromorphicengineering） 模式識別 概念 梯度下降 電纜理論（英語：Cabletheory） 聚類分析 迴歸分析 過適 對抗機器學習（英語：Adversarialmachinelearning） 運算學習理論（英語：Computationallearningtheory） 注意力機制 卷積 損失函數 反向傳播算法 激活函數 Softmax S型函數 線性整流函數 正則化 資料集 程式語言 Python Julia 應用 機器學習 人工神經網絡 深度學習 科學計算 人工智慧 深偽技術 硬體 TPU VPU（英語：Visionprocessingunit） 憶阻器 SpiNNaker（英語：SpiNNaker） 軟體庫 TensorFlow PyTorch Keras Theano 實現音頻-視覺 AlexNet WaveNet 人體圖像合成 HWR OCR 語音合成 語音識別 人臉識別系統 AlphaFold DALL-E 語文 Word2vec Transformer BERT NMT 辯論者項目（英語：ProjectDebater） 沃森 GPT-3 決策 AlphaGo Q學習 SARSA OpenAIFive（英語：OpenAIFive） 自動駕駛汽車 MuZero 人物 AlexGraves（英語：AlexGraves(computerscientist)） 伊恩·古德費洛 約書亞·本希奧 傑弗里·辛頓 楊立昆 吳恩達 傑米斯·哈薩比斯 DavidSilver（英語：DavidSilver(computerscientist)） 李飛飛 機構 DeepMind OpenAI MITCSAIL Mila（英語：Mila(researchinstitute)） GoogleBrain FAIR（法語：FacebookArtificialIntelligenceResearch） 主題 計算機編程 技術 分類 人工神經網絡 機器學習 取自「https://zh.wikipedia.org/w/index.php?title=臉部辨識系統&oldid=71078975」 分類：​人工智慧模式識別生物識別技術隱藏分類：​CS1英語來源(en)CS1美國英語來源(en-us)自2019年4月需補充來源的條目拒絕當選首頁新條目推薦欄目的條目含有英語的條目有未列明來源語句的條目有疑似原創研究語句的條目 導覽選單 個人工具 沒有登入討論貢獻建立帳號登入 命名空間 條目討論 臺灣正體 不转换简体繁體大陆简体香港繁體澳門繁體大马简体新加坡简体臺灣正體 查看 閱讀編輯檢視歷史 更多 搜尋 導航 首頁分類索引特色內容新聞動態近期變更隨機條目資助維基百科 說明 說明維基社群方針與指引互助客棧知識問答字詞轉換IRC即時聊天聯絡我們關於維基百科 工具 連結至此的頁面相關變更上傳檔案特殊頁面靜態連結頁面資訊引用此頁面維基數據項目 列印/匯出 下載為PDF可列印版 其他專案 維基共享資源 其他語言 العربيةবাংলাCatalàČeštinaDanskΕλληνικάEnglishEspañolEestiفارسیSuomiFrançaisGalegoעבריתՀայերենBahasaIndonesia日本語한국어LatinaBahasaMelayuNederlandsNorskbokmålPortuguêsРусскийShqipСрпски/srpskiSvenskaதமிழ்ไทยTürkçeУкраїнськаTiếngViệt粵語 編輯連結