汤晓欧(哪些公司在面部识别匹配方面技术出色)
资讯
2023-11-13
74
1. 汤晓欧,哪些公司在面部识别匹配方面技术出色?
目前人脸识别领域主要有以云从、商汤等四大独角兽为首的初创公司,海康威视、佳都科技等上市公司和腾讯、阿里巴巴、百度为首的互联网巨头三个大阵营。三者不断加码布局人脸识别,推出了一系列针对不同应用场景的人脸识别产品,涵盖了安防、金融、商业等应用领域。
人脸识别技术得到突破的同时,涌现出一批优秀创业公司,凭借领先的技术优势率先对商业模式进行探索,对新兴应用市场实现了初步开拓。通过创业公司的梳理,可以发现整个创业公司普遍凭借领先的技术优势切入市场,通过融资获取资金,然后定位重点领域通过优势产品占领市场,其中安防、金融成为了一致重点发力领域。我们预计人脸识别领域创业公司后续发展思路将延续从软件到硬件到产品最后到软硬件一体化解决方案的路径。目前人脸识别领域创业公司中涌现出云从、依图、商汤和旷视(face++)四大独角兽。
国内人脸识别创业公司的商业模式,主要是面向B端提供基于软件的解决方案,满足个性化需求。人脸识别领域的大多数创业公司,早期都是从零开始接触产业,大多不能直接进入已然成熟的硬件市场,而只能作为增值服务提供方,在软件层面与硬件厂商进行合作。从业务领域看,国内创业公司在B端的业务较为同质化,大部分集中于安防、金融等应用场景。在消费领域,创业公司在这些领域的竞争趋于白热化,智能美图等应用也基本在大众中普及。实现人脸识别技术转化为应用实现盈利成为未来创业公司的关键。
安防类软硬结合复杂度超出预计,创业公司多与传统厂商合作开发人脸识别产品。2015年7月,商汤与东方网力共同成立“深网视界”:商汤以其人群智能分析、人体Re-ID(检索)两项自有技术作价出资,持股49%,东方网力出资5000万,持股51%。主要发展智能安防产品业务,致力成为拥有计算机视觉和深度学习原创技术的领先安防产品提供商。次年4月,商汤并购安防黑马“新舟锐视”,以弥补其抢球联动产品的短板。与之类似,2016年5月依图 与传统身份识别解决方案商神思电子成立“深思依图”,神思电子提供终端设备及嵌入式软件,依图提供所需技术,双方各持股49%、51%。云从自正式成立时便绑定了智慧城市解决方案提供商、上市公司佳都科技。而旷视 背靠阿里 成立子品牌“旷视智安”,专注算法产品化。人工智能技术的发展竞逐实际是人才战,人脸识别四大独角兽技术优势明显。依图创始人朱珑在美国加州大学洛杉矶分校,获统计学博士,师从霍金的弟子艾伦·尤尔(Alan Yuille)教授,从事计算机视觉的统计建模和人工智能的研究。在麻省理工学院人工智能实验室担任博士后研究员,深入研究大脑科学和计算摄影学。技术团队主要来自MIT、Google、阿里巴巴等知名学术和互联网巨头机构。旷视团队汇集了清华、哥伦比亚、斯坦福、微软亚洲研究院等国际顶级院校、科研机构的技术极客,以及来自谷歌、阿里巴巴、华为、微软等企业的一流人才。云从科技创始人周曦师从美国工程院院士、计算机视觉之父——黄煦涛教授,专注于人工智能识别领域的机器视觉研究。周曦带领团队曾在计算机视觉识别、图像识别、音频检测等国际挑战赛中7次夺冠。 目前有上海、成都、重庆三个研发中心,美国UIUC和硅谷两个前沿实验室,及中科院、上海交大两个联合实验室组成三级研发架构。云从科技研发团队成员有300多人,80%以上拥有硕士学历,与公安部、四大银行、民航总局均建有联合实验室。商汤团队拥有亚洲最大的深度学习团队,包括18名教授以及来自麻省理工、斯坦福大学、清华、北大等世界名校的120余名博士生。此外,商汤科技已与香港中文大学、清华大学、浙江大学、上海交通大学等众多高校院所建立了合作。其中与香港中文大学、浙江大学分别建立有联合实验室,共同推进基础研究。
人脸识别其实与其他生物识别方式相比,优势在于自然性、不被察觉性等特点。自然性即该识别方式同人类进行个体识别时所利用的生物特征相同。指纹识别、虹膜识别等均不具有自然性。不被察觉的特点使该识别方法不易使人抵触,而指纹识别或虹膜识别需利用电子压力传感器或红外线采集指纹、虹膜图像,在采集过程中体验感不佳。目前人脸识别需要解决的难题是在不同场景、脸部遮挡等应用时如何保证识别率。此外,隐私性和安全性也是值得考虑的问题。
相比指纹识别、虹膜识别等传统的生物识别方式,优点主要还集中在四点:非接触性、非侵扰性、硬件基础完善和采集快捷便利,可拓展性好。在复杂环境下,人脸识别精度问题得到解决后,预计人脸识别有望快速替代指纹识别成为市场大规模应用的主流识别技术。
人脸识别主要包括图像采集、人脸检测、预处理、 人脸特征点提取和人脸匹配/识别等一系列 流程。
图像采集:不同的人脸图像都能通过摄像镜头采集下来,比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时,采集设备会自动搜索并拍摄用户的人脸图像。
人脸检测:人脸检测在实际中主要用于人脸识别的预处理,即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富,如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。人脸检测就是把这其中有用的信息挑出来,并利用这些特征实现人脸检测。
人脸图像预处理:对于人脸的图像预处理是基于人脸检测结果,对图像进行处理并最终服务于特征提取的过程。系统获取的原始图像由于受到各种条件的限制和随机干扰,往往不能直接使用,必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言,其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。
人脸图像特征点提取:人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取,也称人脸表征,它是对人脸进行特征建模的过程。人脸特征提取的方法归纳起来分为两大类:一种是基于知识的表征方法;另外一种是基于代数特征或统计学习的表征方法。通过人脸特征点提取得出一个人的眼镜、表情、胡须等特征,将人脸特征 进行向量化 是决定识别准确率的一个关键一环。
人脸图像匹配与识别:提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配,通过设定一个阈值,当相似度超过这一阈值,则把匹配得到的结果输出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较,根据相似程度对人脸的身份信息进行判断。这一过程又分为两类:一类是确认,是一对一进行图像比较的过程,另一类是辨认,是一对多进行图像匹配对比的过程。
人脸识别按照识别方式应用的不同 主要分为1:1、1:N和M:N三种模式:
人脸识别技术识别率超越人眼识别,已具备走向应用的基础 条件。LFW是国际上公认难度最高的人脸图像集之一,在 LFW 中人眼的识别精度有三个档次:第一档:包含场景、背景信息的人脸识别,人眼识别精度可达99.20%;第二档:仅提供人脸脸部图像时,人眼识别精度为97.53%;第三档:不包含人脸的图像,人眼识别精度为94.27%。2014年3月18日Facebook 宣布推出 DeepFace,在 LFW 上识别精度可达 97.25%;同年3 月,清华 Face++ 团队宣布同样通过LFW 测试,识别精度达97.27%;不久,4月25 日香港中文大学教授汤晓欧领导的计算机视觉研究组通过Gaussianface,将人脸识别的精度提升到98.52%,人脸识别精度首次超过了人眼的标准,具有实际价值。2017年最新的LFW测试中,众多人脸识别公司识别精度已经超过人眼识别第一档,达到包含场景、背景信息下的人脸识别。人脸识别技术走向应用已经具备基础条件。
人脸识别接受度高,未来成长预期好。据iiMedia Research(艾媒咨询)数据显示,2017上半年,中国使用过刷脸支付的网民占比18.7%,绝大部分用户仍选择使用密码及指纹支付等已经应用较久的支付形式。2017上半年,在中国使用过刷脸支付用户中,75.0%认为刷脸支付更加简洁方便,已经可以实现不需特定姿势且较为准确的验证。而仍有9.4%的用户对刷脸支付持怀疑态度。
人工智能(AI)被世界各国所重视,AI领域的研发和推广被许多国家上升至国家级战略规划。人脸识别作为其中的一个子类,目前已经逐渐在各领域得到应用,其对人精准并且便利的辨别特性使得各领域逐渐加大对人脸识别的重视和应用推广。尤其是安防、金融等领域。近年来相关政策的频频出台,也为人脸识别技术的发展提供了政策保障,未来人脸识别将会有更大的发展空间和应用市场。
本站涵盖的内容、图片、视频等数据系网络收集,部分未能与原作者取得联系。若涉及版权问题,请联系我们删除!联系邮箱:ynstorm@foxmail.com 谢谢支持!
1. 汤晓欧,哪些公司在面部识别匹配方面技术出色?
目前人脸识别领域主要有以云从、商汤等四大独角兽为首的初创公司,海康威视、佳都科技等上市公司和腾讯、阿里巴巴、百度为首的互联网巨头三个大阵营。三者不断加码布局人脸识别,推出了一系列针对不同应用场景的人脸识别产品,涵盖了安防、金融、商业等应用领域。
人脸识别技术得到突破的同时,涌现出一批优秀创业公司,凭借领先的技术优势率先对商业模式进行探索,对新兴应用市场实现了初步开拓。通过创业公司的梳理,可以发现整个创业公司普遍凭借领先的技术优势切入市场,通过融资获取资金,然后定位重点领域通过优势产品占领市场,其中安防、金融成为了一致重点发力领域。我们预计人脸识别领域创业公司后续发展思路将延续从软件到硬件到产品最后到软硬件一体化解决方案的路径。目前人脸识别领域创业公司中涌现出云从、依图、商汤和旷视(face++)四大独角兽。
国内人脸识别创业公司的商业模式,主要是面向B端提供基于软件的解决方案,满足个性化需求。人脸识别领域的大多数创业公司,早期都是从零开始接触产业,大多不能直接进入已然成熟的硬件市场,而只能作为增值服务提供方,在软件层面与硬件厂商进行合作。从业务领域看,国内创业公司在B端的业务较为同质化,大部分集中于安防、金融等应用场景。在消费领域,创业公司在这些领域的竞争趋于白热化,智能美图等应用也基本在大众中普及。实现人脸识别技术转化为应用实现盈利成为未来创业公司的关键。
安防类软硬结合复杂度超出预计,创业公司多与传统厂商合作开发人脸识别产品。2015年7月,商汤与东方网力共同成立“深网视界”:商汤以其人群智能分析、人体Re-ID(检索)两项自有技术作价出资,持股49%,东方网力出资5000万,持股51%。主要发展智能安防产品业务,致力成为拥有计算机视觉和深度学习原创技术的领先安防产品提供商。次年4月,商汤并购安防黑马“新舟锐视”,以弥补其抢球联动产品的短板。与之类似,2016年5月依图 与传统身份识别解决方案商神思电子成立“深思依图”,神思电子提供终端设备及嵌入式软件,依图提供所需技术,双方各持股49%、51%。云从自正式成立时便绑定了智慧城市解决方案提供商、上市公司佳都科技。而旷视 背靠阿里 成立子品牌“旷视智安”,专注算法产品化。人工智能技术的发展竞逐实际是人才战,人脸识别四大独角兽技术优势明显。依图创始人朱珑在美国加州大学洛杉矶分校,获统计学博士,师从霍金的弟子艾伦·尤尔(Alan Yuille)教授,从事计算机视觉的统计建模和人工智能的研究。在麻省理工学院人工智能实验室担任博士后研究员,深入研究大脑科学和计算摄影学。技术团队主要来自MIT、Google、阿里巴巴等知名学术和互联网巨头机构。旷视团队汇集了清华、哥伦比亚、斯坦福、微软亚洲研究院等国际顶级院校、科研机构的技术极客,以及来自谷歌、阿里巴巴、华为、微软等企业的一流人才。云从科技创始人周曦师从美国工程院院士、计算机视觉之父——黄煦涛教授,专注于人工智能识别领域的机器视觉研究。周曦带领团队曾在计算机视觉识别、图像识别、音频检测等国际挑战赛中7次夺冠。 目前有上海、成都、重庆三个研发中心,美国UIUC和硅谷两个前沿实验室,及中科院、上海交大两个联合实验室组成三级研发架构。云从科技研发团队成员有300多人,80%以上拥有硕士学历,与公安部、四大银行、民航总局均建有联合实验室。商汤团队拥有亚洲最大的深度学习团队,包括18名教授以及来自麻省理工、斯坦福大学、清华、北大等世界名校的120余名博士生。此外,商汤科技已与香港中文大学、清华大学、浙江大学、上海交通大学等众多高校院所建立了合作。其中与香港中文大学、浙江大学分别建立有联合实验室,共同推进基础研究。
人脸识别其实与其他生物识别方式相比,优势在于自然性、不被察觉性等特点。自然性即该识别方式同人类进行个体识别时所利用的生物特征相同。指纹识别、虹膜识别等均不具有自然性。不被察觉的特点使该识别方法不易使人抵触,而指纹识别或虹膜识别需利用电子压力传感器或红外线采集指纹、虹膜图像,在采集过程中体验感不佳。目前人脸识别需要解决的难题是在不同场景、脸部遮挡等应用时如何保证识别率。此外,隐私性和安全性也是值得考虑的问题。
相比指纹识别、虹膜识别等传统的生物识别方式,优点主要还集中在四点:非接触性、非侵扰性、硬件基础完善和采集快捷便利,可拓展性好。在复杂环境下,人脸识别精度问题得到解决后,预计人脸识别有望快速替代指纹识别成为市场大规模应用的主流识别技术。
人脸识别主要包括图像采集、人脸检测、预处理、 人脸特征点提取和人脸匹配/识别等一系列 流程。
图像采集:不同的人脸图像都能通过摄像镜头采集下来,比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时,采集设备会自动搜索并拍摄用户的人脸图像。
人脸检测:人脸检测在实际中主要用于人脸识别的预处理,即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富,如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。人脸检测就是把这其中有用的信息挑出来,并利用这些特征实现人脸检测。
人脸图像预处理:对于人脸的图像预处理是基于人脸检测结果,对图像进行处理并最终服务于特征提取的过程。系统获取的原始图像由于受到各种条件的限制和随机干扰,往往不能直接使用,必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言,其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。
人脸图像特征点提取:人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取,也称人脸表征,它是对人脸进行特征建模的过程。人脸特征提取的方法归纳起来分为两大类:一种是基于知识的表征方法;另外一种是基于代数特征或统计学习的表征方法。通过人脸特征点提取得出一个人的眼镜、表情、胡须等特征,将人脸特征 进行向量化 是决定识别准确率的一个关键一环。
人脸图像匹配与识别:提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配,通过设定一个阈值,当相似度超过这一阈值,则把匹配得到的结果输出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较,根据相似程度对人脸的身份信息进行判断。这一过程又分为两类:一类是确认,是一对一进行图像比较的过程,另一类是辨认,是一对多进行图像匹配对比的过程。
人脸识别按照识别方式应用的不同 主要分为1:1、1:N和M:N三种模式:
人脸识别技术识别率超越人眼识别,已具备走向应用的基础 条件。LFW是国际上公认难度最高的人脸图像集之一,在 LFW 中人眼的识别精度有三个档次:第一档:包含场景、背景信息的人脸识别,人眼识别精度可达99.20%;第二档:仅提供人脸脸部图像时,人眼识别精度为97.53%;第三档:不包含人脸的图像,人眼识别精度为94.27%。2014年3月18日Facebook 宣布推出 DeepFace,在 LFW 上识别精度可达 97.25%;同年3 月,清华 Face++ 团队宣布同样通过LFW 测试,识别精度达97.27%;不久,4月25 日香港中文大学教授汤晓欧领导的计算机视觉研究组通过Gaussianface,将人脸识别的精度提升到98.52%,人脸识别精度首次超过了人眼的标准,具有实际价值。2017年最新的LFW测试中,众多人脸识别公司识别精度已经超过人眼识别第一档,达到包含场景、背景信息下的人脸识别。人脸识别技术走向应用已经具备基础条件。
人脸识别接受度高,未来成长预期好。据iiMedia Research(艾媒咨询)数据显示,2017上半年,中国使用过刷脸支付的网民占比18.7%,绝大部分用户仍选择使用密码及指纹支付等已经应用较久的支付形式。2017上半年,在中国使用过刷脸支付用户中,75.0%认为刷脸支付更加简洁方便,已经可以实现不需特定姿势且较为准确的验证。而仍有9.4%的用户对刷脸支付持怀疑态度。
人工智能(AI)被世界各国所重视,AI领域的研发和推广被许多国家上升至国家级战略规划。人脸识别作为其中的一个子类,目前已经逐渐在各领域得到应用,其对人精准并且便利的辨别特性使得各领域逐渐加大对人脸识别的重视和应用推广。尤其是安防、金融等领域。近年来相关政策的频频出台,也为人脸识别技术的发展提供了政策保障,未来人脸识别将会有更大的发展空间和应用市场。
本站涵盖的内容、图片、视频等数据系网络收集,部分未能与原作者取得联系。若涉及版权问题,请联系我们删除!联系邮箱:ynstorm@foxmail.com 谢谢支持!