人脸识别包括分别是人脸检测、OCR跟活体检测。本周的文章里会介绍这三者的概念。今天这篇文章先分享下人脸检测的实现方法和代码,明后天文章里我们会陆续介绍跟OCR相关的风控策略。大家如果对这系列文章有兴趣,可以点个赞在看。
天网系统,想必大家都有所耳闻,中国政府采取人脸识别系统,在车站、饭店、商场、剧院等公共场所,巴士、地铁、计程车等交通工具)的监控镜头,可在极短时间内识别大量民众身份。截止今日为止,应该已经在中华大地上安装了上亿个摄像头。
这套识别的系统的效果如果,想必各位早有耳闻。比如逃犯克星张学友,在去年的多个演唱会上识别到了多位逃犯,难怪逃犯都在唱:不该来听你的演唱会,错买门票一对......
人脸识别系统的真实效果如果,以我亲身经验来看,真的准确,而且这套系统还能将人群的大概属性都一一甄别出来,比如下面这幅图里所示:
当然切回具体的风控流程里,人脸识别一直是我们风控流程里比较重要的一个风险环节。
我们在从今天的开始的文章里会跟各位来具体介绍下跟人脸识别相关的题材。
首先,我们需要搞清楚,人脸识别里主要包括三大块内容,分别是人脸检测、OCR跟活体检测,以下我们介绍这三者的区别。
人脸检测
一:人脸检测,所谓人脸检测,就是给定任意一张图片,找到其中是否存在一个或多个人脸,并返回图片中每个人脸的位置和范围。人脸检测的研究在过去二十年例取得了巨大进步,可以说目前人脸识别的准确性已经非常高。人脸检测发展迅猛,主要依赖于对相关算法的优化和改进:
比如在特征处理上,我们已经会用到的比较成熟的算法是:LBP、SIFT、HOG、SURF、DAISY等;
在模型拟合上已经成熟的算法是:boosting、SVM、深度学习等;
当然这里离不开对下面具体代码库的维护:高OpenCV、DPM、深度学习框架-caffe等。等会我们具体的代码实现也会调用到这个库的相关模块
人脸检测的具体应用如开篇中所述,下面再插入一图加以说明:
OCR
二:OCR指的是指对输入图像进行分析识别处理,获取图像中文字信息的过程,具有广泛的应用场景。,一般我们会比如用户的身份证正反面信息识别,包括:姓名、性别、民族、出生日期、地址、身份证号、签发机关、证件有效期、银行卡卡号识别。
活体检测
三:活体检测:主要是通过识别活体上的生理信息来进行,它把生理信息作为生命特征来区分用照片、硅胶、塑料等非生命物质伪造的生物特征。活体检测,是人脸识别技术迈向更高的一个层次。目前大部分的实现方法是,用户实时拍摄上传一段静默活体视频到云端,云端通过人脸识别技术判别并反馈此用户是否为真实的人。
基于python实现人脸识别的代码实现
最后跟各位同学分享下,人脸识别的具体的代码实现。刚提到某些库目前已经非常成熟,我们只需要直接调用相关模块即可:
人脸识别作为生物特征识别的一个分支,相较于其他的生物识别方式,人脸识别具有识别方式友好、识别结果直观等优势。之前就有朋友提到白天用人脸识别开机,晚上关灯用指纹解锁,你看这脸手配合简直就是无缝衔接。而我看人脸识别现在最好用的就是购物支付环节,连个密码都不用输直接就付款了,连后悔的机会都没有。按这个趋势发展,人脸识别使用的机会会越来越多也是必然的。