1樓：ccc菜辣椒
人臉識別是一種依據人的面部特徵，自動進行身份識別的一種生物識別技術，通常我們所說的人臉識別是基於光學人臉影象的身份識別與驗證的簡稱。
人臉識別利用攝像機或攝像頭採集含有人臉的影象或**流，並自動在影象中檢測和跟蹤人臉，進而對檢測到的人臉影象進行一系列的相關應用操作，技術上包括影象採集、特徵定位、身份的確認和查詢等等。
簡單來說，就是從**中提取人臉中的特徵，比如眉毛高度、嘴角等等，再通過特徵的對比輸出結果。人臉識別的一般流程：
一、人臉採集：
不同的人臉影象通過攝像鏡頭採集得到，比如靜態影象、動態影象、不同位置、不同表情等，當採集物件在裝置的拍攝範圍內時，採集裝置會自動搜尋並拍攝人臉影象。
人臉採集的主要影響因素：
影象大小。人臉影象過小會影響識別效果，人臉影象過大會影響識別速度，影象大小反映在實際應用場景就是人臉離攝像頭的距離。
影象解析度。
越低的影象解析度越難識別，影象大小綜合影象解析度，直接影響攝像頭識別距離。
光照環境。過曝或過暗的光照環境都會影響人臉識別效果，可以從攝像頭自帶的功能補光或濾光平衡光照影響，也可以利用演算法模型優化影象光線。
模糊程度。實際場景主要著力解決運動模糊，人臉相對於攝像頭的移動經常會產生運動模糊。部分攝像頭有抗模糊的功能，在成本有限的情況下，考慮通過演算法模型優化此問題。
遮擋程度。五官無遮擋、臉部邊緣清晰的影象為最佳，在實際場景中，很多人臉都會被帽子、眼鏡、口罩等遮擋物遮擋，這部分資料需要根據演算法要求決定是否留用訓練。
採集角度。人臉相對於攝像頭角度為正臉最佳，因此演算法模型需訓練包含左右側人臉、上下側人臉的資料。
2樓：山水阿銳
您好，方法。
1、人臉檢測：檢測到人臉、捕捉人臉影象，通過過濾器過濾資訊。
2、人臉規範化：將人臉進行大小同一化，對人臉面部區域進行切割分析。
3、人臉建模：對區域性紋理和特徵進行建模分析，包括26個區域以及2000多個特徵。
4、分類對比：將被識別的人臉特徵與資料庫中人臉特徵作對比，速度在100萬次/秒。
5、人臉身份識別完成。
人臉識別原理
3樓：匿名使用者
臉部識別技術。
face detection臉部識別技術的原理聽起來並不深奧，它通過識別畫面中的眼睛、嘴等特徵資訊，鎖定畫面中的人臉位置，並自動將人臉作為拍攝的主體，設定準確的焦距和**量。當face detection臉部識別功能開始工作的時候，相機就會自動根據畫面中人臉的位置和照度進行設定，確保人臉的清晰和**準確。此外，當畫面中有多個人物時，face detection臉部識別功能也能夠準確工作，挑選最主要的物件。
如何實現臉部識別技術。
在以往的拍攝中，如何處理人物和背景的關係一直是個麻煩的問題：如果人物不是在取景器的中間，相機就可能把焦點對在遠處的背景，導致人物模糊；當人物和背景的亮度差別很大，則會導致人臉部**不足或過度。為了解決這些問題，專業的數位相機配備了「5點、9點」的對焦系統和「面測光、點測光、包圍測光」測光系統，還要加上「ae/af鎖」。
如此複雜的設定對拍攝者的經驗和手指靈活性都是巨大的考驗，而對於許多不具備這些功能的數位相機來說，拍攝者就完全束手無策了。臉部識別技術face detection技術的出現，則讓這個難題不復存在。這一技術能夠讓相機自動識別畫面中是否有人的臉部，並自動將人臉作為拍攝的主體。
然後，相機在對焦和**控制方面都將針對人臉的狀況來調整。
這一智慧型功能帶來兩個最直接的好處：一是讓攝影者更加集中精力在取景上，可以實現更完美的構圖；二是提公升了拍攝的速度。比如，富士的face detection臉部識別功能是基於硬體實現的，也就是在相機的處理晶元中有專門的積體電路來進行運算，每次處理的時間不到0.
05秒，比起以往的「對準主體－－半按快門――按ae/af鎖――取景」過程來，要快上不少，更適合抓拍的需要。
人臉識別怎麼做的
4樓：小慕專業解答
人臉識別原理：傳統的人臉識別技術主要是基於可見光影象的人臉識別，這也是人們熟悉的識別方式，已有30多年的研發歷史。但這種方式有著難以克服的缺陷，尤其在環境光照發生變化時，識別效果會急劇下降，無法滿足實際系統的需要。
解決光照問題的方案有三維影象人臉識別，和熱成像人臉識別。但這兩種技術還遠不成熟，識別效果不盡人意。
人臉識別優點：1、非接觸的，使用者不需要和裝置直接接觸；
2、非強制性，被識別的人臉影象資訊可以主動獲取；
3、併發性，即實際應用場景下可以進行多個人臉的分揀、判斷及識別。
人臉識別的缺點：1、對周圍的光線環境敏感，可能影響識別的準確性；
2、人體面部的頭髮、飾物等遮擋物，人臉變老等因素，需要進行人工智慧補償；（如可通過識別人臉的部分關鍵特性做修正）。
5樓：北問邇
有可能或卡bug，隔天就好。有可能是你的身份證近過期時間，已經提前跟**不相融。
6樓：看啥看愛
1套人臉識別門禁管理系統主機，外接1個人臉識別終端及9個讀卡器（採用雙攝像頭終端，彩色+紅外）；安裝一套人臉識別idvr，連線幹警通道及家屬通道ab門外的攝像頭（idvr的功能：除有dvr功能外，另有面像捕捉功能）；安裝8個報警盒矩陣，與門禁系統連線，並外接1000個櫃子的櫃鎖，達到自動彈出櫃子方便換b卡。
3）1套人臉識別門禁管理系統主機，外接1個人臉識別終端及5個讀卡器（採用雙攝像頭終端，彩色+紅外）；
7樓：小韓老師
我這裡以自己的個人**為例，隨意點選開啟一張帶有頭像的**。
4.隨後會看到神奇的人臉識別系統已經啟動。
5.稍等片刻，即可看到系統自動把有相同頭像的**集合顯示在頁面下方。
另外在**的「時光軸」下，你們還可以選擇以單人、雙人，三人等來識圖**，也可以用食物，自然風景等來識別**。
您好，因為看到您對我上次的回答沒有評分，對於您的體驗我非常關注。如果您對我的服務滿意，希望可以給乙個『贊』呢！如果對我的服務有**不滿意，也可以點選我的頭像，私信告訴我，我一定會在下次服務中給您滿意的體驗！
8樓：王天
建議查一下阿里人臉識別，開放平台有介面。
人臉識別怎麼實現
9樓：愛電子數碼的發燒友
人臉識別的實現方法如下：
1）參考模板法：首先設計乙個或數個標準人臉的模板，然後計算測試採集的樣品與標準模板之間的匹配程度，並通過閾值來判斷是否存在人臉。
2）人臉規則法：由於人臉具有一定的結構分布特徵，所謂人臉規則的方法即提取這些特徵生成相應的規則以判斷測試樣品是否包含人臉。
3）樣品學習法：這種方法即採用模式識別中人工神經網路的方法，即通過對面像樣品集和非面像樣品集的學習產生分類器。
4）膚色模型法：這種方法是依據面貌膚色在色彩空間中分布相對集中的規律來進行檢測。
5）特徵子臉法：這種方法是將所有面像集合視為乙個面像子空間，並基於檢測樣品與其在子空間的投影之間的距離判斷是否存在面像。
人臉識別系統的工作原理是什麼
10樓：蘿漠脈
首先是，人臉採集。和手機的人臉識別一樣，第一步是需要對你的面部進行採集。在第一次錄入人臉資料時，需要通過攝像頭對你臉部的正面、左右側面進行採集。
這是目前普遍的人臉識別門禁的做法，而漢瑪智慧型所生產的人臉識別門禁則有所不同，它除了支援現場的人臉識別資料採集，還支援由使用者終端上傳人臉識別資料，再通過管理員後台審核通過就可以完成資料的首次錄入。
然後就是建模儲存。當人臉資料採集完成後，會通過後台系統的統一處理，比如提取人臉的特徵並進行數位化建模並加密儲存進資料庫生成索引。並且繫結屬於這個人的所有資訊如姓名、住址等資訊，方便物業公司和網格人員的管理。
接著就是人臉比對了。前面說到，做好建模儲存生成索引後，只需要在人臉識別門禁面前走過，攝像頭會動態跟蹤取樣並生成特徵資料，再通過和比對庫中的資料進行匹配，就可以快速的確認這個人的身份，並顯示與這個人繫結的相關資訊。另，在人臉識別技術應用到手機的初期，就出現過使用**騙過人臉識別系統並成功解鎖手機的案例。
歸根到底，這只是演算法的問題，目前除了手機，人臉識別門禁也採用了3d面部識別的技術，能夠判斷是真人還是**，有效的解決了這個尷尬的問題。
人臉識別是怎麼實現的？
11樓：英碼科技
人臉識別技術是指利用分析比較的計算機技術識別人臉。人臉識別是一項熱門的計算機技術研究領域，其中包括人臉追蹤偵測，自動調整影像放大，夜間紅外偵測，自動調整**強度等技術。
12樓：蓋賞亞酥舅示
人臉識別系統通常由以下構建模組組成。
1、人臉檢測。人臉檢測器用於尋找影象中人臉的位置，如果有人臉，就返回包含每張人臉的邊界框的座標。
2、人臉對齊。人臉對齊的目標是使用一組位於影象中固定位置的參考點來縮放和裁剪人臉影象。這個過程通常需要使用乙個特徵點檢測器來尋找一組人臉特徵點，在簡單的 2d 對齊情況中，即為尋找最適合參考點的最佳仿射變換。
圖 3b 和 3c 展示了兩張使用了同一組參考點對齊後的人臉影象。更複雜的 3d 對齊演算法（如 [16]）還能實現人臉正面化，即將人臉的姿勢調整到正面向前。人臉表徵。
在人臉表徵階段，人臉影象的畫素值會被轉換成緊湊且可判別的特徵向量，這也被稱為模板（template）。理想情況下，同乙個主體的所有人臉都應該對映到相似的特徵向量。
3、人臉匹配。在人臉匹配構建模組中，兩個模板會進行比較，從而得到乙個相似度分數，該分數給出了兩者屬於同乙個主體的可能性。
13樓：
人臉識別主要有人臉檢測、特徵提取、人臉分類三個過程來實現。如果想做人臉識別可以找wakedata
人臉識別系統運用什麼技術
14樓：6阿克希亞
以下幾種：
1.基於特徵臉（pca）的人臉識別方法。
特徵臉方法是基於kl變換的人臉識別方法，kl變換是影象壓縮的一種最優正交變換。高維的影象空間經過kl變換後得到一組新的正交基，保留其中重要的正交基，由這些基可以轉成低維線性空間。如果假設人臉在這些低維線性空間的投影具有可分性，就可以將這些投影用作識別的特徵向量，這就是特徵臉方法的基本思想。
這些方法需要較多的訓練樣本，而且完全是基於影象灰度的統計特性的。目前有一些改進型的特徵臉方法。
2.神經網路的人臉識別方法。
神經網路的輸入可以是降低解析度的人臉影象、區域性區域的自相關函式、區域性紋理的二階矩等。這類方法同樣需要較多的樣本進行訓練，而在許多應用中，樣本數量是很有限的。
3.彈性圖匹配的人臉識別方法。
彈性圖匹配法在二維的空間中定義了一種對於通常的人臉變形具有一定的不變性的距離，並採用屬性拓撲圖來代表人臉，拓撲圖的任一頂點均包含一特徵向量，用來記錄人臉在該頂點位置附近的資訊。該方法結合了灰度特性和幾何因素，在比對時可以允許影象存在彈性形變，在克服表情變化對識別的影響方面收到了較好的效果，同時對於單個人也不再需要多個樣本進行訓練。
4.線段hausdorff 距離(lhd) 的人臉識別方法。
心理學的研究表明，人類在識別輪廓圖（比如漫畫）的速度和準確度上絲毫不比識別灰度圖差。lhd是基於從人臉灰度影象中提取出來的線段圖的，它定義的是兩個線段集之間的距離，與眾不同的是，lhd並不建立不同線段集之間線段的一一對應關係，因此它更能適應線段圖之間的微小變化。實驗結果表明，lhd在不同光照條件下和不同姿態情況下都有非常出色的表現，但是它在大表情的情況下識別效果不好。
5.支援向量機(svm) 的人臉識別方法。
近年來，支援向量機是統計模式識別領域的乙個新的熱點，它試圖使得學習機在經驗風險和泛化能力上達到一種妥協，從而提高學習機的效能。支援向量機主要解決的是乙個2分類問題，它的基本思想是試圖把乙個低維的線性不可分的問題轉化成乙個高維的線性可分的問題。通常的實驗結果表明svm有較好的識別率，但是它需要大量的訓練樣本（每類300個），這在實際應用中往往是不現實的。
而且支援向量機訓練時間長，方法實現複雜，核函式的取法沒有統一的理論。
希望有幫助。
人臉識別的風險都有哪些呢，人臉識別技術有哪些潛在的隱私安全風險？
如果人臉識別用於支付的話，有相似臉型的人，就會出現一些問題。我覺得人臉識別是比較方便的。風險的話就怕壞人綁架。臉產業即幫無法完成賬號實名認證的人群完成實名認證獲取利益。威脅獵人提出過臉產業的運作體系由 身份證資源商 過臉工作室 和 需求人群 組成 很容易被盜取個人資訊而且非常危險被人利用。可能有的人...
照相機人臉識別的原理是什麼
臉部識別技術 face detection臉部識別技術的原理聽起來並不深奧，它通過識別畫面中的眼睛 嘴等特徵資訊，鎖定畫面中的人臉位置，並自動將人臉作為拍攝的主體，設定準確的焦距和 量。當face detection臉部識別功能開始工作的時候，相機就會自動根據畫面中人臉的位置和照度進行設定，確保人臉...
王者人臉識別？ 5，王者人臉識別？
王者人臉識別？王者榮耀人臉識別不要操作的，就是一種 登入 方式，登入遊戲的時候就會開始要求人臉識別了，認證人臉是一次性的，識別成功以後就不需要了，不通過或者拒絕人臉識別都會被納入健康系統，一天1小時，晚上還不能進遊戲。王者榮耀怎樣人臉識別。王者榮耀人臉識別設定就是一種 登入 方式，也就是說玩家是無法...