正文
人脸识别技术是一种依据人的面部特征，自动进行身份鉴别的一种技术，它综合运用了数字图像、视频处理、模式识别等多种技术。通过人脸特征提取和相似度比对，对于已经矫正好的两个人脸，会通过某种表达提取初始特征，然后应用知识模型对特征进行处理，最后再在度量空间里来计算两个特征的相似度。这个分值会告诉你这两个脸是不是同一个人的。人脸识别的过程包括：数据采集、人脸检测、五官定位、人脸预处理、特征提取。
腾讯云人脸识别申请使用
1. 产品优势
强大的人脸训练模型：立足于腾讯社交数据大平台收集的海量人脸训练集，成功标注的千万人脸数据。
方法最全：高维LBP、PCA、LDA 联合贝叶斯、度量学习、迁移学习、深度神经网络
技术最好： 优图独创Uface深度人脸模型，LFW评测以99.65%目前世界领先。实际互联网金融场景测试，自拍-身份证缩略图对比0.01%错误率，通过率95%
2. 人脸验证技术(1:1识别)
人脸识别技术可以计算出两张人脸照片的相似度，从而判断是否为同一人，即1：1身份验证。优图人脸识别通过传统方法和深度学习技术结合，以空间面孔墙和微众银行远程核身为基础，在性能上达到LFW 99.65%
3. 人脸检索技术(1：N识别)
给定一张照片，和数据库中N个人脸进行对比，给出是否为其中某一个人，或者给出排序结果，即人脸检索。1：N用于用户不需要声明身份的场景。根据人脸数据的采集方式，光线条件，配合与非配合，各种人脸识别技术的成熟度差异很大。
4.技术指标
•
FAR
：False Accept Rate，错误接受率，指将身份不同的两张照片，判别为相同身份，越低越好
•
FRR
：False Reject Rate，错误拒绝率，指将身份相同的两张照片，判别为不同身份，越低越好
这两个指标有明确的物理意义，FAR决定了系统的安全性，FRR决定了系统的易用程度，在实际中，FAR对应的风险远远高于FRR，因此，生物识别系统中，会将FAR设置为一个非常低的范围，如万分之一甚至百万分之一，在FAR固定的条件下，FRR低于5%，这样的系统才有实用价值。
腾讯的人脸识别算法在实际互联网金融场景测试，自拍-身份证缩略图对比达到0.01%错误率，通过率95%
速度指标
• 支持最小人脸尺寸64x64
• 人脸特征尺寸1-2KB
• 1：1人脸对比500ms
5. 常见的应用场景
门禁系统：受安全保护的地区可以通过人脸识别辨识试图进入者的身份，比如小区、学校、企业等。敏感地点也可以使用人脸识别门禁，未登记人员访问将触发报警。
摄像监视系统：在例如银行、机场、体育场、商场、超级市场等公共场所对人群进行监视，以达到身份识别的目的。同时疑犯布控追踪也是较为常见的应用场景。
学生考勤系统：香港及澳门的中、小学已开始将智能卡配合人脸识别来为学生进行每天的出席点名记录，内地高校也进行了有关试点。
娱乐应用：自动美妆美图、人脸属性识别、颜值分析，都是已经成熟使用的娱乐场景。
思路一，
在LFW，FDDB，WebFace,CAS-PEAL 这些国际榜单上查排名，基本上有核心算法的团队都会在上面去刷下排名，大致了解下各家的实力。
思路二，
有核心算法的公司，一般官网上都有在线测试模块，可以上传本地图片实测算法给大家实测，进行比对。下面是参考链接
FACE++：人脸检测 | Face++ 最好的免费人脸识别云服务
facecore：1 : 1 - 在线演示： 1 : 1,1 : N,视频识别,实时监控,年龄性别,特征点
商汤（linkface）：Linkface - 全球领先的人脸识别技术服务
颜鉴（ColorReco）：颜鉴(ColorReco)
脸指：
http://www.facefinger.cn:8000/dashboard/demos/index
飞搜：人脸识别 图像识别 智能鉴黄识别系统
人脸识别公司有很多，大致分为这几类：
一类是，专注算法这块，主要提供的是API，SDK。有的是自己做成了系统，软件。
一类是，专注系统、软件这块，有针对不同行业的解决方案，不过不一定掌握了核心算法。
一类是，人脸识别模块及硬件这块，比如人脸识别考勤机，人脸识别取款机。
现在主要推荐几家专注算法的公司，至于哪家强，不敢下定论：
北京：FACE++，商汤科技，北京可信网络有限公司，脸指，麒麟永盛
四川：凌感科技，四川蓉达，云从科技
广东：颜鉴科技（ColorReco），洪森科技
杭州：杭州微禾
厦门：厦门瑞为
上海：晶软，看看智能，腾讯优图，
人脸识别，有核心算法的几家，
商汤，云从，依图，旷视，云天励飞
等，基本上算法上很难拉开差距，
都在95%以上，100%以下
，顺便提及因为人脸识别以特征值来进行计算比对，达不到100%，库小了，撞脸概率低，比对正确性就上去，
库大了，那么基本上就离谱了
。应用广阔，公安，金融，娱乐，互联网身份验证，智慧楼宇等等，一起竞争，将这个市场培育成熟，人脸识别重要性体已经被认知，BAT都在人脸有大手笔投入。
语音识别，应用也极其广阔，目前在智能家居市场，苹果、亚马逊、google等全球巨头为了占领智能家居入口，都开发并且力推智能音箱，经过长时间摸索，国内一些厂商以前错以为智能家居交互是以手机为中心，现在都认可了语音才是交互的核心，而音箱是载体。交互方式以语音为主，人机协作市场又是极其巨大的，单单这个就可以想象了。
人脸偏重于实际场景应用
，算法不是拉开各大厂商的差距。
语音偏重于算法
， 对语义的理解很考验算法，有巨大优化空间，因此需要海量数据来训练，这个科发讯飞已然具备的巨大的先行优势。
目前所谓的人脸识别，其本质是通过算法输出一个相似度。
比如 张震和吴彦祖的相似度，比如摄像头里的我和毕业照上的我的相似度。
那么我问一个问题，相似度到多少可以认为这两个人是一个人？
只要拍摄角度，光线，遮盖物稍微有点变化，都会导致相似度有较大变化（动不动百分之几十的偏差）。
其实压根就没法通过相似度来决定这两个照片是同一个人。
所以目前的人脸识别不能算真正的识别，仅仅是
相似人脸
而已。
虽然做不到真正的识别，但是做一些其他的用途还是蛮好的呀，比如美颜，比如视频直播加上有趣特效。
人脸识别厂家目前比较知名或者做的比较知名的：商汤、云从、依图、Face++、汉柏，各有所长，一定要说哪家好的话，还是看需求满足度吧！
刚刚过去的2017年11月，对于我们来说，依然是以忙碌收尾的一个月。
从深圳到上海到北京……
从
安博会
、
工博会
、
高交会
到智慧教育展……
越来越多的人开始了解和熟悉汉柏科技人脸识别。
人脸识别，是人工智能图像识别领域的一个应用。主要运用于解锁、安防等领域。
人脸识别是基于大量标注过的图像标注数据，通过一定的算法来实现的。
数据对于人脸识别乃至人工智能来说，类似于基石。数据质量高低直接影响人脸识别的速度和效果。
