黃石人臉識(shí)別公司來電咨詢「在線咨詢」

人臉識(shí)別系統(tǒng)的研究始于20世紀(jì)60年代，80年代后隨著計(jì)算機(jī)技術(shù)和光學(xué)成像技術(shù)的發(fā)展得到提高，而真正進(jìn)入初級(jí)的應(yīng)用階段則在90年后期，并且以美國(guó)、德國(guó)和日本的技術(shù)實(shí)現(xiàn)為主；人臉識(shí)別系統(tǒng)成功的關(guān)鍵在于是否擁有的核心算法，并使識(shí)別結(jié)果具有實(shí)用化的識(shí)別率和識(shí)別速度；“人臉識(shí)別系統(tǒng)”集成了人工智能、機(jī)器識(shí)別、機(jī)器學(xué)習(xí)、模型理論、專家系統(tǒng)、視頻圖像處理等多種專業(yè)技術(shù)，同時(shí)需結(jié)合中間值處理的理論與實(shí)現(xiàn)，是生物特征識(shí)別的1新應(yīng)用，其核心技術(shù)的實(shí)現(xiàn)，展現(xiàn)了弱人工智能向工智能的轉(zhuǎn)化。基于統(tǒng)計(jì)的人臉檢測(cè)技術(shù)——通過對(duì)于“人臉”和“非人臉”的圖像大量搜集構(gòu)成的人臉正、負(fù)樣本庫(kù)，采用統(tǒng)計(jì)方法強(qiáng)化訓(xùn)練該系統(tǒng)，從而實(shí)現(xiàn)對(duì)人臉和非人臉的模式進(jìn)行檢測(cè)和分類。

主流的人臉檢測(cè)方法基于以上特征采用Adaboost學(xué)習(xí)算法，Adaboost算法是一種用來分類的方法，它把一些比較弱的分類方法合在一起，組合出新的很強(qiáng)的分類方法。人臉識(shí)別主要功能：信息采集：可將讀取到的居民身1份證芯片內(nèi)的人像信息及內(nèi)置攝像頭采集到的人像信息保存在設(shè)備內(nèi)，并進(jìn)行上傳。人臉檢測(cè)過程中使用Adaboost算法挑選出一些能代表人臉的矩形特征(弱分類器)，按照加權(quán)投1票的方式將弱分類器構(gòu)造為一個(gè)強(qiáng)分類器，再將訓(xùn)練得到的若干強(qiáng)分類器串聯(lián)組成一個(gè)級(jí)聯(lián)結(jié)構(gòu)的層疊分類器，有效地提高分類器的檢測(cè)速度。

易變性人臉的外形很不穩(wěn)定，人可以通過臉部的變化產(chǎn)生很多表情，而在不同觀察角度，人臉的視覺圖像也相差很大，另外，人臉識(shí)別還受光照條件（例如白天和夜晚，室內(nèi)和室外等）、人臉的很多遮蓋物（例如口罩、墨鏡、頭發(fā)、胡須等）、年齡等多方面因素的影響。它解決了兩個(gè)問題，一是住戶不需要攜帶卡，憑人臉進(jìn)入，免去了忘帶卡，杜絕非小區(qū)人員撿到卡去復(fù)1制。在人臉識(shí)別中，一類的變化是應(yīng)該放大而作為區(qū)分個(gè)體的標(biāo)準(zhǔn)的，而第二類的變化應(yīng)該消除，因?yàn)樗鼈兛梢源硗粋€(gè)個(gè)體。通常稱一類變化為類間變化（inter-class difference），而稱第二類變化為類內(nèi)變化。對(duì)于人臉，類內(nèi)變化往往大于類間變化，從而使在受類內(nèi)變化干擾的情況下利用類間變化區(qū)分個(gè)體變得異常困難。

人臉識(shí)別技術(shù)能帶來對(duì)生產(chǎn)力的提升

也有專家表示，“刷臉”只是計(jì)算機(jī)視覺技術(shù)中比較具體可感的一部分。“事實(shí)上，計(jì)算機(jī)視覺技術(shù)能夠給大家?guī)淼倪h(yuǎn)遠(yuǎn)不僅是‘刷臉’付款這么簡(jiǎn)單，如果應(yīng)用在一二產(chǎn)業(yè)，它將在更大層面帶來生產(chǎn)效益的提升和變革。”張毅說。

“人臉識(shí)別技術(shù)能夠帶來對(duì)生產(chǎn)力的提升?！鄙蚧战忉屨f，這種提升，一方面是對(duì)傳統(tǒng)行業(yè)中對(duì)跟視覺相關(guān)的人工部分的增強(qiáng)或替代，以便降低成本，提率；另一方面則是帶來新的交互體驗(yàn)和應(yīng)用，形成新的應(yīng)用場(chǎng)景。