此外，
1.
人脸识别门禁考勤系统，人脸识别防盗门等（企业、住宅安全和管理）
2.如利用人脸识别系统和网络，在全国范围内搜捕逃犯（公安、司法和刑侦）
......人脸识别前景广阔
人脸识别，作为一项新兴的生物技术，其环节无非有三：
1.建立人像档案
3.前面的两者的比对
最核心的东西，就是其中的识别算法。
主流的人脸识别技术基本上可以归结为三类，即：基于几何特征的方法、基于模板的方法和基于模型的方法。
人脸上的眼睛、鼻子、嘴巴、眉毛等，既是人们的共性，同时也是区分个体的关键（因为其大小、形状等不尽相同）。
我们经常用面部的特征来描述个体，机器同样也可以做这件事。
裁剪图片
机器通过对图像处理，得到对这些图像的集合特征描述（比如根据你的鼻子的显著特点导出一组用于识别的特征度量如距离、角度等）
当然，这些处理，会导致一些局部特征信息的丢失。
2.基于模板的方法
比如特征脸方法、线性判别分析方法、奇异值分解方法、神经网络方法等
特征脸法：（有许多改进方法，常与基于几何特征的方法结合）
特征脸法的基本思想，便是搜集大量的图像进行分析，寻找人脸图像分布的基本元素，即人脸图像样本集协方差矩阵的特征向量，以此近似地表征人脸图像。
神经网络方法：
神经网络（又称人工神经网络），是一种运算模型，由大量的节点以及它们之间的联接构成。每个节点代表一个函数，而联接则代表权重。
这玩意儿是人们对人脑神经网络工作方式抽象的一个产物，所以加了个“人工”来区别。
按照其反馈的机制，又可以分为前馈网络、递归网络等。
12年之前，运用于人脸识别的神经网络中类有前馈、递归等。
而后，深度学习基于大数据的卷积神经网络取得了更大的成果
（Yale人脸数据库）
有基于隐马尔柯夫模型，主动形状模型和主动外观模型的方法等。
以上的介绍可以说相当粗略，有关图像处理的细节（比如预处理的方式，如下图），
（图像二值化后的效果）
（直方图均衡化后的效果）
或是算法的细节（比如如何在一张人像中找到一个人的鼻子）等没有过多提及。
参考资料：
[1]姜贺. 基于几何特征的人脸识别算法的研究[D].大连理工大学,2008.
[2]赵显达,黄欢.基于卷积神经网络的人脸识别的研究[J].信息技术,2018(09):15-19+23.
[3]丹尼布里茨《理解NLP的卷积神经网络》
抹茶交易所官网
电话咨询
联系我们
一键分享