关于人脸识别的杂七杂八

  下面我们来谈谈关于人脸识别一些琐碎的知识——识别算法、识别数据、配合程度以及主要用途。

  识别算法

  一般地，该系统包括图像拾取的面部识别、人脸位置、图像预处理、和面部识别（识别或标识查找）。

  人脸识别算法分类——

  基于人脸特征点的识别算法。

  识别算法基于面部整体图像。

  基于一个模板的识别技术算法。

  神经网络识别算法。

  神经网络识别

  基于光照估计模型理论；

  提出了一种基于Gamma灰度矫正的光照预处理研究方法,并且在不同光照估计分析模型的基础上，进行设计相应的光照补偿和光照平衡发展策略。

  优化的形变统计校正理论；

  基于统计变形校正理论的人脸姿态优化及迭代理论的强化；

  加强迭代理论是DLFA人脸检测算法的有效扩展；

  独创的实时特征识别理论；

  该理论研究侧重于人脸进行实时信息数据的中间值处理，从而我们可以在识别速率和识别效能之间，达到一个最佳的匹配效果；

  识别数据

  面部识别需要积累收集了大量的人脸图像的相关用来验证算法，不断提高这些数据——如神经网络的人脸识别分配的识别精度的数据、ORL人脸数据库、麻省理工学院生物和计算机学习中心的人脸识别数据库、埃塞克斯大学计算机和电子工程脸部识别数据。

  配合程度

  现有的人脸识别信息系统在用户配合、采集条件分析比较理想的情况下取得令人满意的结果。然而，如果用户不配合，采集条件不理想，现有系统的识别率将急剧下降。例如，当存储在系统中的人脸对准人脸不同，例如，剃掉他的胡子，改变发型，眼镜等等，可能会改变表达的比率导致失败。

  主要用途

  身份识别人脸识别技术的主要用途。由于视频监控的迅速传播是众多视频监控应用迫切需要一个长期的，非用户快速识别技术的状态，以确认他们的身份遥远的快速，智能预警。人脸识别信息技术发展自然是最佳选择，采用快速人脸检测系统技术企业可以从监控视频图象中实时查找人脸，并与人脸数据库管理进行实时比对，从而能够实现快速身份识别。

  总结一下，上面主要讲了：识别算法、识别数据、配合程度以及主要用途。关于人脸识别零碎的知识是不是也很有趣呢？

更多产品了解

欢迎扫码加入云巴巴企业数字化交流服务群

产品交流、问题咨询、专业测评

都在这里！