什么？方案里沒有人臉識別，看來你們的方案還是老舊的方案。上面就是客戶給你的方案匯報一個總結。是不是很委屈，是不是很郁悶，你是不是想說，我們也不是人臉識別企業，為什么要懂這么多啊。

 

但是作為一個稱職的咨詢顧問不僅要懂本行業的知識，還要能夠掌握十八般武藝，什么大數據、物聯網和人工智能AI樣樣精通，做片子，寫代碼無所不能。如果你在零售業里混的話，還要了解最近非常火的人臉識別技術，近期在跟進一些零售客戶發現大家都在關注人臉識別，而且很多都已經計劃實施或者已經開始實踐這項技術。

 

現在學還來得及，畢竟人臉識別的應用還遠沒達到普及的程度。那么今天的小課堂開始，我們主要討論以下兩點：
一、人臉識別技術的簡單認知
二、人臉識別的應用場景

 

一、人臉識別技術的簡單認知
我們來看看人臉識別技術的原理是怎樣的，首先我們了解下人臉識別的大致流程：

1、圖像的采集和預處理
圖像的采集是人臉識別的基礎，如果連基礎的人臉庫都沒有的話，又何談識別呢？在人臉采集上各個企業是八仙過海各顯神通，比如我們經常在微信上玩的明星臉小游戲或是商場中的顏值pk等等都是獲取人臉基礎數據的方式。當然除了這些方式外常規采集的方式大致有幾種：攝像頭、人臉照片、視頻錄像。

攝像頭采集是我們預先安裝在門店各個位置的，一般人臉識別企業會幫助商家確認攝像頭的安裝位置，以便獲得更高質量的照片。

人臉照片采集是通過會員注冊時或后期補錄的方式通過商家提供的APP或小程序等方式錄入到系統內。

另外一種方式是通過視頻錄像提取用戶照片，可通過技術手段提取視頻中的人臉照片，然后進行采集和存儲。

 

預處理是人臉識別過程中的一個重要環節。輸入圖像由于圖像采集環境的不同，如光照明暗程度以及設備性能的優劣等，往往存在有噪聲，對比度不夠等缺點。另外，距離遠近，焦距大小等又使得人臉在整幅圖像中間的大小和位置不確定。為了保證人臉圖像中人臉大小，位置以及人臉圖像質量的一致性，必須對圖像進行預處理。 

 

人臉圖像的預處理主要包括人臉扶正，人臉圖像的增強，以及歸一化等工作。人臉扶正是為了得到人臉位置端正的人臉圖像；圖像增強是為了改善人臉圖像的質量，不僅在視覺上更加清晰圖像，而且使圖像更利于計算機的處理與識別。歸一化工作的目標是取得尺寸一致，灰度取值范圍相同的標準化人臉圖像。

 

2、人臉檢測
首先說明下，人臉檢測只是人臉識別的一個環節，千萬不要把人臉檢測和人臉識別弄混了。早期的人臉識別研究主要針對具有較強約束條件的人臉圖象（如無背景的圖象），往往假設人臉位置一直或者容易獲得，因此人臉檢測問題并未受到重視。但是隨著人臉識別的場景增加，我們在人臉識別前首先要檢測圖像中是否含有人臉。

 

百度百科給的定義是：人臉檢測是指對于任意一幅給定的圖像，采用一定的策略對其進行搜索以確定其中是否含有人臉，如果是則返回人臉的位置、大小和姿態。實際的場景是我們在拍照時經常能看到一些標識人臉的小框框，這就是利用人臉檢測技術所實現的功能。

 

3、人臉特征提取
以基于知識的人臉識別提取方法中的一種為例，因為人臉主要是由眼睛、額頭、鼻子、耳朵、下巴、嘴巴等部位組成，對這些部位以及它們之間的結構關系都是可以用幾何形狀特征來進行描述的，也就是說每一個人的人臉圖像都可以有一個對應的幾何形狀特征，它可以幫助我們作為識別人臉的重要差異特征。

 

4、人臉識別
人臉識別大致可以分為兩類：
1:1的篩選其身份驗證模式本質上是計算機對當前人臉與人像數據庫進行快速人臉比對，并得出是否匹配的過程，可以簡單理解為證明你就是你。就是我們先告訴人臉識別系統，我是張三，然后用來驗證站在機器面前的“我”到底是不是張三。

 

這種模式最常見的應用場景便是人臉解鎖，終端設備(如手機)只需將用戶事先注冊的照片與臨場采集的照片做對比，判斷是否為同一人，即可完成身份驗證。

1：N的比對，即系統采集了“我”的一張照片之后，從海量的人像數據庫中找到與當前使用者人臉數據相符合的圖像，并進行匹配，找出來“我是誰”。比如疑犯追蹤，小區門禁，會場簽到，以及新零售概念里的客戶識別。

5、活體鑒別
生物特征識別的共同問題之一就是要區別該信號是否來自于真正的生物體，比如，指紋識別系統需要區別帶識別的指紋是來自于人的手指還是指紋手套，人臉識別系統所采集到的人臉圖像，是來自于真實的人臉還是含有人臉的照片。因此，實際的人臉識別系統一般需要增加活體鑒別環節，例如，要求人左右轉頭，眨眼睛，開開口說句話等。

 

在乘坐滴滴順風車前用戶需要進行人臉識別認證，在識別過程中需要用戶左右擺頭和眨眼，這是活體鑒別很好的一個例子。當然活體鑒別還有其它的方式如立體性活體檢測、亞表面檢測、紅外FMP檢測等，很多時候都是會綜合使用多種活體檢測技術來進行檢測，最大化的減少活體入侵機率。

 

二、人臉識別的應用場景
了解了人臉識別的基本原理，我們再看看人臉識別能運用到什么場景中？場景有很多，如安防領域來發現犯罪分子，人臉認證用來門禁和手機解鎖等。但作為一個CRM的從業者我還是想從零售業的角度來探討下這個問題，總結來看有以下五個方面：

 

1、統計人流量
門店銷售額=客流量×成交率×客單價，可以這么說，門店客流統計直接和門店業績掛鉤，是實現精準營銷的基礎。目前可以通過三種方式進行流量統計：紅外線客流統計、視頻客流統計和WIFI客流統計，視頻客流統計的優勢是精度教高，并可進行人臉識別與CRM系統打通。

 

2、查看客戶軌跡
可捕捉顧客在店內的移動軌跡，根據人的微表情判斷旅人心情好壞，甚至他們視線注意力的變化等，大量旅人的數據匯總至后臺就可用于消費者的喜好和需求，商家從而更好的調整商品陳列、精準營銷等，為客戶帶去更好的服務。

 

3、營銷互動
如智慧試衣間，實質上就是基于人臉識別為顧客提供試衣服務的新嘗試。顧客只需在智慧試衣間前“刷臉”，系統就能根據顧客的相貌、身材，并結合該商店的商品種類，為顧客提供服裝搭配參考意見。

 

另外現在很多商場可根據夫妻相，顏值分數等小游戲來增加顧客的互動，并可通過發放折扣券（如相似度越高會得到越高的折扣券）的方式來吸引用戶消費。

 

4、會員識別
商家可通過手機app，小程序在會員注冊時采集人臉數據，也可采集每位進店客戶的臉部信息，獲得人臉ID并作為會員認定依據。當下次進入全國任意一家門店時，人臉識別設備就會分析其臉部特征信息進行身份識別，可知道他是會員、熟客亦或是新客。對于自己的會員，店員可提前掌握會員喜好，為其提供最精準的服務，增加客戶滿意度。

5、支付
人臉識別技術在支付環節的應用也愈發普及。無論是移動支付還是線下支付，人臉識別都被視為是重要選擇。支付寶人臉支付在肯德基餐廳上線，成為了首個支付寶人臉支付的試點，消費者不需要拿出手機進行掃碼付款，整個支付過程僅僅需要幾秒鐘，正規過程也不需要輸入任何密碼，也不需要掏出手機或者使用任何的APP,就可以完成支付。

好了，這次就說這么多。本文只是人臉識別入門級的介紹。