旌德圖書(shū)館人臉識(shí)別來(lái)電咨詢(xún) 宣城盛宇智能設(shè)備

在人臉識(shí)別過(guò)程中，對(duì)于前端在各種環(huán)境下采集到的圖像，需要先做預(yù)處理，譬如光線(xiàn)規(guī)整、圖像增強(qiáng)、關(guān)鍵點(diǎn)分析、人臉對(duì)齊等手段，在檢測(cè)到人臉后，再以預(yù)先訓(xùn)練好的人臉特征模型進(jìn)行特征值的提取與比對(duì)，即可知道待識(shí)別對(duì)象與目標(biāo)對(duì)象是否為同一個(gè)人。

人臉識(shí)別的完整過(guò)程是：人臉數(shù)據(jù)采集-模型訓(xùn)練-圖片拍攝-預(yù)處理-特征采集與比對(duì)-輸出結(jié)果。人臉檢測(cè)只是其中個(gè)別環(huán)節(jié)。

人臉識(shí)別技術(shù)這些年已經(jīng)發(fā)生了重大的變化。傳統(tǒng)方法依賴(lài)于人工設(shè)計(jì)的特征（比如邊和紋理描述量）與機(jī)器學(xué)習(xí)技術(shù)（比如主成分分析、線(xiàn)性判別分析或支持向量機(jī)）的組合。人工設(shè)計(jì)在無(wú)約束環(huán)境中對(duì)不同變化情況穩(wěn)健的特征是很困難的，這使得過(guò)去的研究者側(cè)重研究針對(duì)每種變化類(lèi)型的專(zhuān)用方法，比如能應(yīng)對(duì)不同年齡的方法、能應(yīng)對(duì)不同姿勢(shì)的方法、能應(yīng)對(duì)不同光照條件的方法等。

近段時(shí)間，傳統(tǒng)的人臉識(shí)別方法已經(jīng)被基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的深度學(xué)習(xí)方法接替。深度學(xué)習(xí)方法的主要優(yōu)勢(shì)是它們可用非常大型的數(shù)據(jù)集進(jìn)行訓(xùn)練，從而學(xué)習(xí)到表征這些數(shù)據(jù)的蕞佳特征。網(wǎng)絡(luò)上可用的大量自然人臉圖像已讓研究者可收集到大規(guī)模的人臉數(shù)據(jù)集，這些圖像包含了真實(shí)世界中的各種變化情況。使用這些數(shù)據(jù)集訓(xùn)練的基于 CNN 的人臉識(shí)別方法已經(jīng)實(shí)現(xiàn)了非常高的準(zhǔn)確度，因?yàn)樗鼈兡軌驅(qū)W到人臉圖像中穩(wěn)健的特征，從而能夠應(yīng)對(duì)在訓(xùn)練過(guò)程中使用的人臉圖像所呈現(xiàn)出的真實(shí)世界變化情況。

此外，深度學(xué)習(xí)方法在計(jì)算機(jī)視覺(jué)方面的不斷普及也在加速人臉識(shí)別研究的發(fā)展，因?yàn)?CNN 也正被用于解決許多其它計(jì)算機(jī)視覺(jué)任務(wù)，比如目標(biāo)檢測(cè)和識(shí)別、分割、光學(xué)字符識(shí)別、面部表情分析、年齡估計(jì)等。

人臉識(shí)別是一種識(shí)別技術(shù)，用于檢測(cè)保存在數(shù)據(jù)集中的個(gè)人圖像的面部。 盡管其他身份識(shí)別方法可以更準(zhǔn)確，但面部識(shí)別一直是研究的重點(diǎn)，因?yàn)樗哂蟹歉深A(yù)性質(zhì)，而且它對(duì)于人們來(lái)說(shuō)是一種輕松的個(gè)人識(shí)別方法。

1、基于幾何/基于模板

人臉識(shí)別算法分為基于幾何或基于模板的算法?；谀０宓姆椒梢允褂肧VM(支持向量機(jī))、PCA(主成分分析)、LDA(線(xiàn)性判別分析)、核方法或跟蹤變換等統(tǒng)計(jì)工具構(gòu)建。基于幾何特征的方法主要分析局部人臉特征及其幾何關(guān)系因此它也被稱(chēng)為基于特征的方法。  

2、局部的/整體的

要素之間的關(guān)系或功能與整張臉之間的聯(lián)系并不影響數(shù)量，許多研究人員遵循這種方法，試圖推斷出相關(guān)的特征。有些方法嘗試用眼睛，一些特征的組合等。一些隱馬爾可夫模型方法也屬于這一類(lèi)，他們的特征處理在人臉識(shí)別中非常有名。

3、基于外貌/基于模型

基于外觀的方法顯示了一張包含多個(gè)圖像的臉。被認(rèn)為是高維向量的圖像。該技術(shù)通常用于從圖像分割中提取特征空間。另一方面，基于模型的方法嘗試對(duì)人臉進(jìn)行建模。將新樣本實(shí)現(xiàn)到模型中，并用模型的參數(shù)對(duì)圖像進(jìn)行識(shí)別。  

基于外觀的方法可以分為線(xiàn)性和非線(xiàn)性?xún)深?lèi)。PCA、LDA、IDA用于直接法，而核PCA用于非線(xiàn)性方法。另一方面，在基于模型的方法中可分為二維或三維非彈性束圖匹配方法。

人臉識(shí)別門(mén)禁的作用

社區(qū)人口集中，人員收支情況復(fù)雜，既有親朋好友、快遞外賣(mài)，也有陌生人。因?yàn)槿硕?，辦理人員精力問(wèn)題，收支口辦理作業(yè)一向不大理想，再加上磁卡丟掉、暗碼泄露、指紋被盜等問(wèn)題得不到有用處理，不少非1法分子趁機(jī)潛入，導(dǎo)致社區(qū)內(nèi)安全事情頻發(fā)。

人臉辨認(rèn)門(mén)禁體系，結(jié)合人臉辨認(rèn)、人臉對(duì)比、物聯(lián)網(wǎng)等技能完成身份穿插驗(yàn)證，幫忙社區(qū)辦理人員準(zhǔn)確用戶(hù)身份。據(jù)了解，因?yàn)槿四樀闹庇^性和不易被仿1制的特性，人臉辨認(rèn)門(mén)禁體系可以有用阻攔陌生人隨意進(jìn)出社區(qū)，盡可能下降社區(qū)安全事故發(fā)作的頻率，強(qiáng)化社區(qū)安防體系。

跟著人臉辨認(rèn)技能的飛速發(fā)展，人臉辨認(rèn)門(mén)禁的優(yōu)化更進(jìn)一步?，F(xiàn)在人臉辨認(rèn)技能的辨認(rèn)率已不受化裝技能、人像相片、面具模型、白天黑夜等外在因素影響。陌生人想要憑仗偽裝進(jìn)入社區(qū)大門(mén)難如登天。