什么？方案里没有人脸识别，看来你们的方案还是老旧的方案。上面就是客户给你的方案汇报一个总结。是不是很委屈，是不是很郁闷，你是不是想说，我们也不是人脸识别企业，为什么要懂这么多啊。

 

但是作为一个称职的咨询顾问不仅要懂本行业的知识，还要能够掌握十八般武艺，什么大数据、物联网和人工智能AI样样精通，做片子，写代码无所不能。如果你在零售业里混的话，还要了解最近非常火的人脸识别技术，近期在跟进一些零售客户发现大家都在关注人脸识别，而且很多都已经计划实施或者已经开始实践这项技术。

 

现在学还来得及，毕竟人脸识别的应用还远没达到普及的程度。那么今天的小课堂开始，我们主要讨论以下两点：
一、人脸识别技术的简单认知
二、人脸识别的应用场景

 

一、人脸识别技术的简单认知
我们来看看人脸识别技术的原理是怎样的，首先我们了解下人脸识别的大致流程：

1、图像的采集和预处理
图像的采集是人脸识别的基础，如果连基础的人脸库都没有的话，又何谈识别呢？在人脸采集上各个企业是八仙过海各显神通，比如我们经常在微信上玩的明星脸小游戏或是商场中的颜值pk等等都是获取人脸基础数据的方式。当然除了这些方式外常规采集的方式大致有几种：摄像头、人脸照片、视频录像。

摄像头采集是我们预先安装在门店各个位置的，一般人脸识别企业会帮助商家确认摄像头的安装位置，以便获得更高质量的照片。

人脸照片采集是通过会员注册时或后期补录的方式通过商家提供的APP或小程序等方式录入到系统内。

另外一种方式是通过视频录像提取用户照片，可通过技术手段提取视频中的人脸照片，然后进行采集和存储。

 

预处理是人脸识别过程中的一个重要环节。输入图像由于图像采集环境的不同，如光照明暗程度以及设备性能的优劣等，往往存在有噪声，对比度不够等缺点。另外，距离远近，焦距大小等又使得人脸在整幅图像中间的大小和位置不确定。为了保证人脸图像中人脸大小，位置以及人脸图像质量的一致性，必须对图像进行预处理。 

 

人脸图像的预处理主要包括人脸扶正，人脸图像的增强，以及归一化等工作。人脸扶正是为了得到人脸位置端正的人脸图像；图像增强是为了改善人脸图像的质量，不仅在视觉上更加清晰图像，而且使图像更利于计算机的处理与识别。归一化工作的目标是取得尺寸一致，灰度取值范围相同的标准化人脸图像。

 

2、人脸检测
首先说明下，人脸检测只是人脸识别的一个环节，千万不要把人脸检测和人脸识别弄混了。早期的人脸识别研究主要针对具有较强约束条件的人脸图象（如无背景的图象），往往假设人脸位置一直或者容易获得，因此人脸检测问题并未受到重视。但是随着人脸识别的场景增加，我们在人脸识别前首先要检测图像中是否含有人脸。

 

百度百科给的定义是：人脸检测是指对于任意一幅给定的图像，采用一定的策略对其进行搜索以确定其中是否含有人脸，如果是则返回人脸的位置、大小和姿态。实际的场景是我们在拍照时经常能看到一些标识人脸的小框框，这就是利用人脸检测技术所实现的功能。

 

3、人脸特征提取
以基于知识的人脸识别提取方法中的一种为例，因为人脸主要是由眼睛、额头、鼻子、耳朵、下巴、嘴巴等部位组成，对这些部位以及它们之间的结构关系都是可以用几何形状特征来进行描述的，也就是说每一个人的人脸图像都可以有一个对应的几何形状特征，它可以帮助我们作为识别人脸的重要差异特征。

 

4、人脸识别
人脸识别大致可以分为两类：
1:1的筛选其身份验证模式本质上是计算机对当前人脸与人像数据库进行快速人脸比对，并得出是否匹配的过程，可以简单理解为证明你就是你。就是我们先告诉人脸识别系统，我是张三，然后用来验证站在机器面前的“我”到底是不是张三。

 

这种模式最常见的应用场景便是人脸解锁，终端设备(如手机)只需将用户事先注册的照片与临场采集的照片做对比，判断是否为同一人，即可完成身份验证。

1：N的比对，即系统采集了“我”的一张照片之后，从海量的人像数据库中找到与当前使用者人脸数据相符合的图像，并进行匹配，找出来“我是谁”。比如疑犯追踪，小区门禁，会场签到，以及新零售概念里的客户识别。

5、活体鉴别
生物特征识别的共同问题之一就是要区别该信号是否来自于真正的生物体，比如，指纹识别系统需要区别带识别的指纹是来自于人的手指还是指纹手套，人脸识别系统所采集到的人脸图像，是来自于真实的人脸还是含有人脸的照片。因此，实际的人脸识别系统一般需要增加活体鉴别环节，例如，要求人左右转头，眨眼睛，开开口说句话等。

 

在乘坐滴滴顺风车前用户需要进行人脸识别认证，在识别过程中需要用户左右摆头和眨眼，这是活体鉴别很好的一个例子。当然活体鉴别还有其它的方式如立体性活体检测、亚表面检测、红外FMP检测等，很多时候都是会综合使用多种活体检测技术来进行检测，最大化的减少活体入侵机率。

 

二、人脸识别的应用场景
了解了人脸识别的基本原理，我们再看看人脸识别能运用到什么场景中？场景有很多，如安防领域来发现犯罪分子，人脸认证用来门禁和手机解锁等。但作为一个CRM的从业者我还是想从零售业的角度来探讨下这个问题，总结来看有以下五个方面：

 

1、统计人流量
门店销售额=客流量×成交率×客单价，可以这么说，门店客流统计直接和门店业绩挂钩，是实现精准营销的基础。目前可以通过三种方式进行流量统计：红外线客流统计、视频客流统计和WIFI客流统计，视频客流统计的优势是精度教高，并可进行人脸识别与CRM系统打通。

 

2、查看客户轨迹
可捕捉顾客在店内的移动轨迹，根据人的微表情判断旅人心情好坏，甚至他们视线注意力的变化等，大量旅人的数据汇总至后台就可用于消费者的喜好和需求，商家从而更好的调整商品陈列、精准营销等，为客户带去更好的服务。

 

3、营销互动
如智慧试衣间，实质上就是基于人脸识别为顾客提供试衣服务的新尝试。顾客只需在智慧试衣间前“刷脸”，系统就能根据顾客的相貌、身材，并结合该商店的商品种类，为顾客提供服装搭配参考意见。

 

另外现在很多商场可根据夫妻相，颜值分数等小游戏来增加顾客的互动，并可通过发放折扣券（如相似度越高会得到越高的折扣券）的方式来吸引用户消费。

 

4、会员识别
商家可通过手机app，小程序在会员注册时采集人脸数据，也可采集每位进店客户的脸部信息，获得人脸ID并作为会员认定依据。当下次进入全国任意一家门店时，人脸识别设备就会分析其脸部特征信息进行身份识别，可知道他是会员、熟客亦或是新客。对于自己的会员，店员可提前掌握会员喜好，为其提供最精准的服务，增加客户满意度。

5、支付
人脸识别技术在支付环节的应用也愈发普及。无论是移动支付还是线下支付，人脸识别都被视为是重要选择。支付宝人脸支付在肯德基餐厅上线，成为了首个支付宝人脸支付的试点，消费者不需要拿出手机进行扫码付款，整个支付过程仅仅需要几秒钟，正规过程也不需要输入任何密码，也不需要掏出手机或者使用任何的APP,就可以完成支付。

好了，这次就说这么多。本文只是人脸识别入门级的介绍。