LFW由马萨诸塞大学于2007年建立，用于评测非约束条件下的人脸识别算法性能，是人脸识别领域使用最广泛的评测集合。目前为止全球数十个团队共提交了80多次测试结果，其中包括Google、Facebook、微软亚洲研究院、百度、腾讯、商汤、Face++、香港中文大学等顶级的工业界与学术界团队，许多当时排名靠前的方法都对人脸识别技术的发展起到了至关重要的推动作用。

图1 LFW评测结果显示Dahua-FaceImage排名第一

　　近年来人脸识别技术取得了长足的进步，很大程度上依赖于深度学习的发展——一种模拟人类神经系统机制的机器学习方法。深度卷积神经网络(一种常用的深度学习模型)的性能与网络深度密切相关，但是由于深层网络难以优化，之前人脸识别中的网络深度一般有几层到几十层。大华股份人脸识别技术团队设计了一个上百层的深度网络(目前已公开的人脸识别网络中最深的模型)，提出了一种新的度量学习方法，可以使得同一人之间的相似度尽量高，同时约束不同人之间的相似度足够低，在训练时，结合一种高效的在线采样技术，可以极大地加快收敛速度。通过训练多个模型以及一种非线性多模型融合技术，大华股份在LFW上取得了99.78%的准确率。

图2 大华人脸识别技术原理示意

　　大华股份人脸识别团队隶属于研发中心先进技术研究院，依托于研究院在深度学习技术、硬件资源、数据等方面的深厚积累，将在人脸领域持续发力，为大华人脸相关产品(人脸检测、人脸特征点定位、人脸识别、人脸属性分析、微笑检测等)提供更有力的技术保障。

　　大华人脸识别技术团队负责人汪海洋博士认为，尽管在公开数据集上成绩领先，实际场景下的人脸识别仍面临着巨大的挑战。大华在安防监控领域深耕多年，拥有得天独厚的优势。近年来大华积累了海量的视频数据，使用这些数据对模型调整，算法在实际场景下的性能得到大幅提升。此外，安防领域要求算法具备较高的实时性，技术团队通过网络剪枝与一种多模型特征共享技术，大大降低了冗余运算，使得上百层的网络计算量与以往数十层的网络持平。

图3 大华海量监控视频人脸数据

　　目前，大华的人脸识别技术已经应用于公安、金融等多个领域。此次全球瞩目的G20安保就成功应用了大华人脸识别技术。G20核心区域及诸多交通枢纽部署了大华人像卡口，其抓拍的实时人像数据，自动与后台公安黑名单库进行对比碰撞。当高危、重点人员出现时，系统会立即发出预警信息，方便一线民警及时响应和布控。本系统在G20期间发挥了重要的作用，在系统还处于测试阶段之时，就协助了警方抓获了数名在逃人员。坚持客户至上，坚持自主创新，大华人脸识别以为客户提供更好的技术与产品、更成熟的方案与服务、更低的成本为奋斗目标。