人脸识别

Parent: ai_keywords

人脸识别（Face Recognition）

核心定义

人脸识别是指通过计算机算法自动检测、跟踪、比对和验证人脸图像或视频中个体身份的技术。在计算机视觉领域，它属于生物特征识别分支；在认知神经科学中，人脸识别对应大脑梭状回面孔区（FFA）的专化处理过程，是人类社会认知的核心能力。

关键技术点

1. 深度学习特征提取
   基于卷积神经网络（如ResNet、ArcFace）自动学习判别性人脸特征，替代传统手工特征（LBP、HOG）。损失函数（Softmax变体、Triplet Loss）优化类间距离与类内紧凑性。
2. 人脸检测与对齐
   先通过MTCNN或RetinaFace定位人脸边界框与关键点（眼角、鼻尖），再仿射变换校正姿态，消除角度、遮挡干扰。
3. 活体检测
   结合纹理分析、光流或红外深度信息，抵御照片、视频或3D面具欺骗攻击，是金融安防的必需环节。
4. 跨域泛化
   针对年龄、光照、妆容等变化，引入数据增强、生成对抗网络（GAN）或边缘损失，提升模型鲁棒性。

医学/神经科学应用场景

辅助脑卒中后中枢性面瘫评估（合作首都医科大学神经病学研究）
脑卒中患者常见口角歪斜、鼻唇沟变浅等面神经功能障碍。传统评估依赖医师主观量表（如House-Brackmann分级），一致性差。
结合深度学习人脸关键点检测与行动单元（AU）分析系统，可实时提取双侧口角、眉毛、眼轮匝肌的位移速率与不对称性指数。
对于帕金森病，系统通过捕捉面部微表情自主运动减少（“面具脸”）的幅度衰减，量化UPDRS-III中的面部表达评分。
进一步整合表面肌电（sEMG） 电极与视频同步，建立多模态特征融合模型，不仅提高评估客观性，还可预测神经康复后功能恢复曲线。该技术已在首都医科大学宣武医院开展临床验证，敏感性>92%，特异性>88%。