3分鐘前 北京人臉識(shí)別系統(tǒng)承諾守信「智科晶菱機(jī)電」[智科晶菱機(jī)電f2eaa0a]內(nèi)容：人臉識(shí)別系統(tǒng)的研究始于20世紀(jì)60年代，80年代后隨著計(jì)算機(jī)技術(shù)和光學(xué)成像技術(shù)的發(fā)展得到提高，而真正進(jìn)入初級(jí)的應(yīng)用階段則在90年后期，并且以美國(guó)、德國(guó)和日本的技術(shù)實(shí)現(xiàn)為主；人臉識(shí)別系統(tǒng)成功的關(guān)鍵在于是否擁有的核心算法，并使識(shí)別結(jié)果具有實(shí)用化的識(shí)別率和識(shí)別速度；“人臉識(shí)別系統(tǒng)”集成了人工智能、機(jī)器識(shí)別、機(jī)器學(xué)習(xí)、模型理論、系統(tǒng)、視頻圖像處理等多種技術(shù)，同時(shí)需結(jié)合中間值處理的理論與實(shí)現(xiàn)，是生物特征識(shí)別的應(yīng)用，其核心技術(shù)的實(shí)現(xiàn)，展現(xiàn)了弱人工智能向工智能的轉(zhuǎn)化。人臉圖像預(yù)處理人臉圖像預(yù)處理：對(duì)于人臉的圖像預(yù)處理是基于人臉檢測(cè)結(jié)果，對(duì)圖像進(jìn)行處理并終服務(wù)于特征提取的過(guò)程。

人臉檢測(cè)過(guò)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(quán)的方式將弱分類器構(gòu)造為一個(gè)強(qiáng)分類器，再將訓(xùn)練得到的若干強(qiáng)分類器串聯(lián)組成一個(gè)級(jí)聯(lián)結(jié)構(gòu)的層疊分類器，有效地提高分類器的檢測(cè)速度。隨著技術(shù)的進(jìn)一步成熟和社會(huì)認(rèn)同度的提高，人臉識(shí)別技術(shù)將應(yīng)用在更多的領(lǐng)域。人臉圖像預(yù)處理人臉圖像預(yù)處理：對(duì)于人臉的圖像預(yù)處理是基于人臉檢測(cè)結(jié)果，對(duì)圖像進(jìn)行處理并終服務(wù)于特征提取的過(guò)程。系統(tǒng)獲取的原始圖像由于受到各種條件的限制和隨機(jī)干擾，往往不能直接使用，必須在圖像處理的早期階段對(duì)它進(jìn)行灰度校正、噪聲過(guò)濾等圖像預(yù)處理。

人臉圖像匹配與識(shí)別：提取的人臉圖像的特征數(shù)據(jù)與數(shù)據(jù)庫(kù)中存儲(chǔ)的特征模板進(jìn)行搜索匹配，通過(guò)設(shè)定一個(gè)閾值，當(dāng)相似度超過(guò)這一閾值，則把匹配得到的結(jié)果輸出。人臉檢測(cè)：人臉檢測(cè)在實(shí)際中主要用于人臉識(shí)別的預(yù)處理，即在圖像中準(zhǔn)確標(biāo)定出人臉的位置和大小。人臉識(shí)別就是將待識(shí)別的人臉特征與已得到的人臉特征模板進(jìn)行比較，根據(jù)相似程度對(duì)人臉的進(jìn)行判斷。這一過(guò)程又分為兩類：一類是確認(rèn)，是一對(duì)一進(jìn)行圖像比較的過(guò)程，另一類是辨認(rèn)，是一對(duì)多進(jìn)行圖像匹配對(duì)比的過(guò)程。

現(xiàn)有的人臉識(shí)別系統(tǒng)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(jié)果。人臉圖像特征提取人臉圖像特征提取：人臉識(shí)別系統(tǒng)可使用的特征通常分為視覺(jué)特征、像素統(tǒng)計(jì)特征、人臉圖像變換系數(shù)特征、人臉圖像代數(shù)特征等。但是，在用戶不配合、采集條件不理想的情況下，現(xiàn)有系統(tǒng)的識(shí)別率將陡然下降。比如，人臉比對(duì)時(shí)，與系統(tǒng)中存儲(chǔ)的人臉有出入，例如剃了胡子、換了發(fā)型、多了眼鏡、變了表情都有可能引起比對(duì)失敗。優(yōu)勢(shì)困難優(yōu)勢(shì)人臉識(shí)別的優(yōu)勢(shì)在于其自然性和不被被測(cè)個(gè)體察覺(jué)的特點(diǎn)。