河南商湯人臉識別演算法

1. 人臉識別的識別演算法

人臉識別的基本方法

人臉識別的方法很多，以下介紹一些主要的人臉識別方法。

(1)幾何特徵的人臉識別方法

幾何特徵可以是眼、鼻、嘴等的形狀和它們之間的幾何關系(如相互之間的距離)。這些演算法識別速度快，需要的內存小，但識別率較低。

(2)基於特徵臉(PCA)的人臉識別方法

特徵臉方法是基於KL變換的人臉識別方法，KL變換是圖像壓縮的一種最優正交變換。高維的圖像空間經過KL變換後得到一組新的正交基，保留其中重要的正交基，由這些基可以張成低維線性空間。如果假設人臉在這些低維線性空間的投影具有可分性，就可以將這些投影用作識別的特徵矢量，這就是特徵臉方法的基本思想。這些方法需要較多的訓練樣本，而且完全是基於圖像灰度的統計特性的。目前有一些改進型的特徵臉方法。

(3)神經網路的人臉識別方法

神經網路的輸入可以是降低解析度的人臉圖像、局部區域的自相關函數、局部紋理的二階矩等。這類方法同樣需要較多的樣本進行訓練，而在許多應用中，樣本數量是很有限的。

(4)彈性圖匹配的人臉識別方法

彈性圖匹配法在二維的空間中定義了一種對於通常的人臉變形具有一定的不變性的距離，並採用屬性拓撲圖來代表人臉，拓撲圖的任一頂點均包含一特徵向量，用來記錄人臉在該頂點位置附近的信息。該方法結合了灰度特性和幾何因素，在比對時可以允許圖像存在彈性形變，在克服表情變化對識別的影響方面收到了較好的效果，同時對於單個人也不再需要多個樣本進行訓練。

(5)線段Hausdorff 距離(LHD) 的人臉識別方法

心理學的研究表明，人類在識別輪廓圖(比如漫畫)的速度和准確度上絲毫不比識別灰度圖差。LHD是基於從人臉灰度圖像中提取出來的線段圖的，它定義的是兩個線段集之間的距離，與眾不同的是，LHD並不建立不同線段集之間線段的一一對應關系，因此它更能適應線段圖之間的微小變化。實驗結果表明，LHD在不同光照條件下和不同姿態情況下都有非常出色的表現，但是它在大表情的情況下識別效果不好。

(6)支持向量機(SVM) 的人臉識別方法

近年來，支持向量機是統計模式識別領域的一個新的熱點，它試圖使得學習機在經驗風險和泛化能力上達到一種妥協，從而提高學習機的性能。支持向量機主要解決的是一個2分類問題，它的基本思想是試圖把一個低維的線性不可分的問題轉化成一個高維的線性可分的問題。通常的實驗結果表明SVM有較好的識別率，但是它需要大量的訓練樣本(每類300個)，這在實際應用中往往是不現實的。而且支持向量機訓練時間長，方法實現復雜，該函數的取法沒有統一的理論。

人臉識別的方法很多，當前的一個研究方向是多方法的融合，以提高識別率。

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，而稱第二類變化為類內變化。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。正是基於上述原因，一直到21 世紀初，國外才開始出現人臉識別的商用，但由於人臉識別演算法非常復雜，只能採用龐大的伺服器，基於強大的計算機平台。

如果可以的話，可以Te一下colorreco，更好的技術解答。

2. 奧比中光、曠視（face++）、商湯科技都在做3D人臉識別技術，它們各自有什麼技術特點

在回答這個問題之前，我們首先要搞清楚一個概念：3D人臉識別技術是由演算法以及硬體兩大部分組成的。演算法是實現人臉識別的基礎，硬體是承載演算法，讓人臉識別得以實現的實體部件。演算法和硬體缺一不可，只有兩者相互協作，才能實現人臉識別。

曠視（face++）和商湯科技主要做的是人臉識別演算法，在演算法領域，這兩家大概是國內做的最好的，也是名氣最大的兩家。當然，除過演算法之外，它們也做硬體，不過只佔很小的一部分。

奧比中光主要側重在硬體部分，推出的產品包括Astra 3D感測攝像頭等產品，它也是國內唯一能量產3D感測攝像頭的廠家。目前奧比中光已和螞蟻金服、肯德基達成了合作，共同在深圳等地的肯德基店鋪推出了3D刷臉支付設備。因此，從硬體綜合實力來看，奧比中光算是國內翹楚。

最後再說一下，三家公司有合作關系，例如，奧比中光會用到face++和商湯的演算法，另外兩家也會用到奧比中光的3D感測攝像頭等。

打了這么多字不容易啊，希望題主可以採納答案。

3. 商湯科技IPO，被資本熱捧的AI到底是不是一門好生意

今天，AI已經成為了一個所有人耳熟能詳的名詞了，各種各樣的AI公司層出不窮，行業中最耀眼永遠只是塔尖上的少數……

曠視 科技 、依圖 科技 、雲從 科技 和商湯 科技 就屬於這一類少數派，這四家企業也被稱為「AI四小龍」。

最近商湯 科技 開始IPO，我們就從它談起，來看看AI這項業務到底行不行。

商湯 科技 屬於含著金鑰匙長大的鄰家小孩，學習能力出眾，自然也特別受到金主爸爸的疼愛，從來都不缺錢，喊一聲，就有資本送錢來了。

商湯 科技 成立之初就在全球首次突破了人眼識別能力，自研演算法在人臉資料庫中的識別准確率高達98.52%，3個月後，商湯把這一數字提高到了99.55%。

根據天眼查的數據顯示，商湯 科技 從成立到現在，共獲得了12輪融資，融資總額超過52億美元，投資人遍布國內外。

其中不乏阿里、蘇寧這樣的國內互聯網巨頭，還有招商證券、中金證券、東方證券這樣的國資券商，還有高通創投、軟銀這樣的國外頂級創投機構，厲害的是，這裡面還出現了萬達的身影。

簡單來說，商湯 科技 既被國內看好，同時也被國外看好，即被互聯網行業看好，還能被傳統行業的房地產商看好，大有未來 科技 之光的架勢。

當然，它也確實用一系列的實力證明了自己。

2016年，商湯 科技 研發的自動駕駛平台刷新了行人及車輛識別領域的世界紀錄，2020年，商湯 科技 又完成了首個專業用人工智慧晶元STPU流片，2021年，商湯又建造了世界上最大的計算機視覺模型，參數超過了300億個。

我們過去的文章里經常說，研發是一個 科技 企業的立身之本，商湯 科技 確實是做到了。

招股書上顯示，從2018年到2020年，商湯 科技 的研發費用佔比分別是46%、63%、71%，他一家公司就囊括了40位教授、250多名博士，以及3593名科學家和工程師。

但是，在光芒的背後，是一談到賺錢就掉鏈子，這也確實挺尷尬的。

在充足資金與研發人員的投入之下，商湯 科技 在全球的各類競賽中拿到了70多個冠軍，發表了超過600篇頂級學術論文，擁有8000多個專利申請。

但是，根據商湯 科技 的招股書顯示，從2018年到2021年上半年，商湯 科技 的營收分別是18.5億、30.3億、34.5億、16.52億。

看著還不錯，但同期他們分別虧損了34.28億、49.63億、121.58億和37.03億，三個財年加上今年上半年總共虧損達到了242.52億。

融資來的52億美元基本上快虧得差不多了。

一邊是技術的綻放與資本的熱捧，另一邊是長期陷入利潤不佳的窘境，商湯 科技 的問題到底出在哪裡了呢？

我們從技術，市場供需這兩個緯度來看。

第一、再好的技術落地都需要時間。

我們在過去的文章里談過關於產研結合的問題。

科技 的發展，企業的壯大是需要讓更多的研究和專利能落地商用的。

雖然商湯 科技 在頂級期刊上發表了諸多論文，而且專利數量也相當龐大，但作為一家企業來說，研究的目的是為了能讓技術落地，並且推向市場，被市場所接受，而不是單純的秀論文數量。

而且，在技術深度方面，商湯 科技 擁有自己的獨占技術其實並不多。

它的很多技術和專利是根據公開論文，開源代碼的基礎上實現的應用，雖然讀懂這些公開論文的門檻很高，但對於人才濟濟的 科技 大廠來說，這不是什麼太深的護城河。

比如在活體識別這個領域，玩家不僅只有商湯，雲從這樣的AI 科技 ，網路、騰訊也擁有深厚的技術積淀。

網路錢包用的就是自家的技術，騰訊的微眾銀行用的也是自家的技術。

前邊提到的人臉識別准確率，網路在2015年達到了99.77%，刷新了商湯的紀錄。

面對BAT這樣的老牌大廠，商湯的技術護城河仍然是一個問題。

第二、市場供需還未爆發，業務領域細分且垂直。

不了解AI的人彷彿都覺得AI是個筐，啥都能往裡裝，萬物皆可AI。

客觀來說，AI是未來沒錯，但它並不是對現有產業的顛覆，更多的是一種賦能，高效的賦能。

比如用AI賦能垃圾分類，用智能化監管代替人工監管；比如AI賦能葯物研發，谷歌就專門推出了可識別蛋白質結晶的AI系統，用於葯物開發。

本質上，AI的價值是提高傳統產業的生產效率，解放生產力。

AI這個賽道非常的廣闊，實際上的業務十分細分、垂直。

目前被應用最多的是計算機視覺識別。

2020年中國的計算機視覺識別市場規模也不足150億，這個規模的產業，無論是深度還是廣度上都遠遠不能和手機、 汽車 這些萬億產業相比。

小池塘也很難養出大魚來。

另一方面，國內AI產業化高度依賴於政府項目，比如智慧城市、智慧生活、智慧商業幾大板塊。

商湯 科技 的業務中，87%的業務都是來自於智慧商業和智慧城市兩大板塊。

但這也牽扯到了另一個問題，AI四小龍並沒有獨立獲取項目的能力，項目真正的來源都在一些央企總包方手裡。

智慧城市聽上去很美好，可城市的智能化改造是一項大工程，項目周期至少需要3年，涉及的流程繁多，商湯等AI新興勢力所做的事只是諸多環節之一。

由於AI產業的碎片化特徵，這就導致不同的用戶需求不同，無法用同一個標准去面對所有人，這自然就很難形成規模化。

項目之間的差異，使得上一個項目的方案在這個項目無法適用，虧損就成為了常態。

從市場競爭的層面上看。

華為、騰訊、網路這些平台型巨頭都在切入AI領域，甚至傳統的半導體企業，比如德州儀器、英特爾、英偉達都在半道研發自己的AI解決方案。

舉個簡單的例子，在AI被廣泛應用的安防行業當中，安防行業的原生巨頭海康威視也在研發自己的AI解決方案，而且相對於商湯 科技 來說，海康威視本身就是終端生產商，更具有拿項目的優勢。

僅以營收比較，2020年，商湯的營收24.5億，而海康威視的營收635億，換句話來說，商湯的規模只有海康威視的5%不到，海康威視對商湯具有碾壓優勢。

上面所說的這些問題，不僅僅是針對一家商湯 科技 ，而是整個AI產業的企業都需要面對的問題。

其實，我們仔細對比一下AI四小龍，會發現這幾家的處境都出奇的相似。

從過往的財報來看，AI四小龍都是虧損比營收多，營收越多，虧損越大。

這四家企業的崛起，都和中國安防攝像頭的升級息息相關，簡單地說就是吃到了政府升級安防項目的紅利。

面對越來越多的虧損，投資人很著急，四小龍也很著急，所以在最近一年多時間里，四小龍都在集體沖擊IPO。

作為 科技 企業，四小龍大書特書的都是自己的研發投入，曠視 科技 、雲從 科技 和依圖 科技 ，研發佔比都超過了50%，商湯 科技 的研發佔比更是高達70%。

在這些漂亮數字的背後，還得回到怎麼樣找到盈利模式這個本質的問題上來。

我們可以把視線轉向另外一家AI企業，號稱AI晶元第一股的寒武紀。

當年風光無限，成功登陸科創板的寒武紀，最高市值高達1191億。

但後來，整個股價一路走跌，市值只剩下406億，跌去6成之多。

寒武紀也是長期在研發上高投入，在AI晶元產業同樣面對來自華為、網路這些巨頭的夾擊，自身造血能力不夠，導致市場不看好。

對於一個 科技 企業來說，它跟平台型企業不一樣。

京東持續虧損了12年，但它的商業模式很清晰，京東用12年的虧損回答了市場一個問題， 淘寶天貓跟我競爭，我憑什麼能活下去？

答案是京東用巨資砸出來的基礎物流設施，這是京東底層的護城河。

不解決根本的盈利和路線問題，即使上市融到了更多的資金，企業也只是拖延時間而已。

當前AI四小龍們還沒有一條明確、長遠的盈利模式。

不管是從技術上，還是未來的發展路徑上，並沒有一個可以信服的指引給到市場，自然也很難得市場認可。

在過去的文章中，我經常說技術是 科技 企業的立身之本，但我們也要時常問問自己，這些技術是不是我們的客戶真正需要的？假如騰訊和阿里也要做這項業務，憑什麼我能活下去？

回顧一下前輩們，台積電的技術很牛逼，全球第一，但這項技術的根基是在台積電創新的晶圓代工模式。

明白客戶需要什麼，比追求產品技術的先進性，可能更為重要，利潤思維，一定不能捨去。

當然，AI未來一定是一門大產業，現在它仍然具有一定的超前性。

市場還沒有快速發展到那一步，還需要更多的積累。

我們的AI企業還需要時間，需要盡快找到自己的商業模式和領域，助力和賦能更多的相關企業實現產業的升級。

但是，這個前提是路要扎扎實實地走，別貪快，貪快就容易摔倒。

—

責任編輯 | 羅英凡

4. 商湯科技(SenseTime) 這家公司怎樣

這家公司是一家開放創新型公司，它專注於計算機視覺和深度學習原創技術研發。是一家迅速發展的公司。

2018年9月20日，科技部部長王志剛向商湯科技授予「智能視覺國家新一代人工智慧開放創新平台」稱號並授牌。

起源於香港中文大學，由香港中文大學教授湯曉鷗創立，自主研發原創深度學習平台Parrots。 以「堅持原創，讓AI引領人類進步」為願景。

商湯科技成立於2014年，是計算機視覺和深度學習領域的演算法提供商。

2014年，商湯團隊發表DeepID系列人臉識別演算法擊敗Facebook，在全球首次超過人眼識別率。

商湯科技的核心團隊由兩大部分組成：一部分是來自麻省理工學院、香港中文大學、清華大學、北京大學的博士、碩士等；另一部分則是來自微軟、谷歌、聯想、網路等相關領域的從業者。

商湯科技已與香港中文大學、浙江大學、上海交通大學、北京大學建立了深度合作，共建聯合實驗室和研發中心，與清華大學、北京大學等多所高校成立研究團隊。

商湯科技主研發的原創深度學習平台SenseParrots，對超深的網路規模、超大的數據學習以及復雜關聯應用等支持更具優勢。商湯科技還自主搭建了深度學習超算中心，大幅降低了各類人工智慧技術的研發成本，並且縮短了開發深度學習演算法模型的時間。

5. 人臉識別原理及演算法

人臉識別原理就是指在動態的場景與復雜的背景中判斷是否存在面像，並分離出這種面像。

人臉識別是一項熱門的計算機技術研究領域，其中包括人臉追蹤偵測，自動調整影像放大，夜間紅外偵測，自動調整曝光強度等技術。

人臉識別技術是基於人的臉部特徵，對輸入的人臉圖像或者視頻流 . 首先判斷其是否存在人臉 , 如果存在人臉，則進一步的給出每個臉的位置、大小和各個主要面部器官的位置信息。並依據這些信息，進一步提取每個人臉中所蘊涵的身份特徵，並將其與已知的人臉進行對比，從而識別每個人臉的身份。

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。

人臉識別是採用的分析演算法。

人臉識別技術中被廣泛採用的區域特徵分析演算法，它融合了計算機圖像處理技術與生物統計學原理於一體，利用計算機圖像處理技術從視頻中提取人像特徵點，利用生物統計學的原理進行分析建立數學模型,即人臉特徵模板。利用已建成的人臉特徵模板與被測者的人的面像進行特徵分析，根據分析的結果來給出一個相似值。通過這個值即可確定是否為同一人。