3分鐘前 北京人臉識別系統承諾守信「智科晶菱機電」[智科晶菱機電f2eaa0a]內容：人臉識別系統的研究始于20世紀60年代，80年代后隨著計算機技術和光學成像技術的發展得到提高，而真正進入初級的應用階段則在90年后期，并且以美國、德國和日本的技術實現為主；人臉識別系統成功的關鍵在于是否擁有的核心算法，并使識別結果具有實用化的識別率和識別速度；“人臉識別系統”集成了人工智能、機器識別、機器學習、模型理論、系統、視頻圖像處理等多種技術，同時需結合中間值處理的理論與實現，是生物特征識別的應用，其核心技術的實現，展現了弱人工智能向工智能的轉化。人臉圖像預處理人臉圖像預處理：對于人臉的圖像預處理是基于人臉檢測結果，對圖像進行處理并終服務于特征提取的過程。

人臉檢測過程中使用Adaboost算法挑選出一些代表人臉的矩形特征(弱分類器)，按照加權的方式將弱分類器構造為一個強分類器，再將訓練得到的若干強分類器串聯組成一個級聯結構的層疊分類器，有效地提高分類器的檢測速度。隨著技術的進一步成熟和社會認同度的提高，人臉識別技術將應用在更多的領域。人臉圖像預處理人臉圖像預處理：對于人臉的圖像預處理是基于人臉檢測結果，對圖像進行處理并終服務于特征提取的過程。系統獲取的原始圖像由于受到各種條件的限制和隨機干擾，往往不能直接使用，必須在圖像處理的早期階段對它進行灰度校正、噪聲過濾等圖像預處理。

人臉圖像匹配與識別：提取的人臉圖像的特征數據與數據庫中存儲的特征模板進行搜索匹配，通過設定一個閾值，當相似度超過這一閾值，則把匹配得到的結果輸出。人臉檢測：人臉檢測在實際中主要用于人臉識別的預處理，即在圖像中準確標定出人臉的位置和大小。人臉識別就是將待識別的人臉特征與已得到的人臉特征模板進行比較，根據相似程度對人臉的進行判斷。這一過程又分為兩類：一類是確認，是一對一進行圖像比較的過程，另一類是辨認，是一對多進行圖像匹配對比的過程。

現有的人臉識別系統在用戶配合、采集條件比較理想的情況下可以取得令人滿意的結果。人臉圖像特征提取人臉圖像特征提取：人臉識別系統可使用的特征通常分為視覺特征、像素統計特征、人臉圖像變換系數特征、人臉圖像代數特征等。但是，在用戶不配合、采集條件不理想的情況下，現有系統的識別率將陡然下降。比如，人臉比對時，與系統中存儲的人臉有出入，例如剃了胡子、換了發型、多了眼鏡、變了表情都有可能引起比對失敗。優勢困難優勢人臉識別的優勢在于其自然性和不被被測個體察覺的特點。