日照智能人脸通道闸价格服务介绍「华瑞电子」

在人工智能技术体系中，人脸识别无疑是应用场景较广泛的生物识别技术。人脸识别技术是指从人脸图像中提取有效的特征信息后，利用计算机进行分析，从而进行身份认证的一种***技术。当前人脸识别技术的研究已经成为人工智能与识别领域的热点。国内主要玩家有旷视、商汤、依图、优图、云天励飞等，其产品主要应用于和金融领域。

近两年来，随着人脸识别技术的快速迭代（据说每半年都会有一个质的飞跃），人脸识别适用的细分场景越来越多，并逐渐从大安防转向民用和商用应用市场。可以说，现阶段，人脸识别技术已经在我们的生活中随处可见，如公寓门禁闸机、社区刷脸，刷脸支付、刷脸考勤和刷脸取款等等。而因为它非接触式、方便、可靠，人们也正逐渐接受这种应用方式，虽然人脸识别具有一定的安全风险。

人脸图像特征提取：人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取，也称人脸表征，它是对人脸进行特征建模的过程。人脸特征提取的方法归纳起来分为两大类：一种是基于知识的表征方法；另外一种是基于代数特征或统计学习的表征方法。

基于知识的表征方法主要是根据人脸的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据，其特征分量通常包括特征点间的欧氏距离、曲率和角度等。人脸由眼睛、鼻子、嘴、下巴等局部构成，对这些局部和它们之间结构关系的几何描述，可作为识别人脸的重要特征，这些特征被称为几何特征。基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法。

人脸的外形很不稳定，人可以通过脸部的变化产生很多表情，而在不同观察角度，人脸的视觉图像也相差很大，另外，人脸识别还受光照条件（例如白天和夜晚，室内和室外等）、人脸的很多遮盖物（例如口罩、墨镜、头发、胡须等）、年龄等多方面因素的影响。

在人脸识别中，类的变化是应该放大而作为区分个体的标准的，而第二类的变化应该消除，因为它们可以代表同一个个体。通常称类变化为类间变化（inter-class difference），而称第二类变化为类内变化（intra-class difference）。对于人脸，类内变化往往大于类间变化，从而使在受类内变化干扰的情况下利用类间变化区分个体变得异常困难。