宣城人臉識別設備值得信賴「多圖」

人臉識別的難點

1、圖像光線：識別的視頻和圖片面臨各種環境光源的考驗，可能出現側光、頂光、背光和高光等現象，而且有可能出現各個時段的光照不同，甚至在監控區域內各個位置的光照都不同。

2、人臉姿態和飾物：因為監控是非配合型的，監控人員通過監控區域時以自然的姿態通過，因此可能出現側臉、低頭、抬頭等各種非正臉的姿態和佩戴帽子、黑框眼鏡、口罩等飾物現象。

3、人的臉部存在相似性：不同個體之間特別是同一民族的區別不大，所有人臉的結構都相似，甚至人臉的結構外形都很相似。這樣的特點對于利用人臉進行定位是有利的，但是對于利用人臉區分個體是不利的。再加上化妝的掩蓋及雙胞胎的天然相似性更增加了識別的難度。

4、人臉存在易變性：人臉的外形很不穩定，人可以通過臉部的變化產生很多表情，而在不同觀察角度，人臉的視覺圖像也相差很大。

在人臉識別過程中，對于前端在各種環境下采集到的圖像，需要先做預處理，譬如光線規整、圖像增強、關鍵點分析、人臉對齊等手段，在檢測到人臉后，再以預先訓練好的人臉特征模型進行特征值的提取與比對，即可知道待識別對象與目標對象是否為同一個人。

人臉識別的完整過程是：人臉數據采集-模型訓練-圖片拍攝-預處理-特征采集與比對-輸出結果。人臉檢測只是其中個別環節。

人臉識別是指能夠識別或驗證圖像或視頻中的主體的身份的技術。人臉識別算法誕生于七十年代初。自那以后，它們的準確度已經大幅提升，現在相比于指紋或虹膜識別等傳統上被認為更加穩健的生物識別方法，人們往往更偏愛人臉識別。讓人臉識別比其它生物識別方法更受歡迎的一大不同之處是人臉識別本質上是非侵入性的。

比如，指紋識別需要用戶將手指按在傳感器上，虹膜識別需要用戶與相機靠得很近，語音識別則需要用戶大聲說話。相對而言，現代人臉識別系統僅需要用戶處于相機的視野內（假設他們與相機的距離也合理）。這使得人臉識別成為了對用戶友好的生物識別方法。這也意味著人臉識別的潛在應用范圍更廣，因為它也可被部署在用戶不期望與系統合作的環境中，比如監控系統中。人臉識別的其它常見應用還包括訪問控制、欺詐檢測、身份認證和社交媒體。

?人臉識別技術應用概況

2014年是我國人臉識別技術的轉折點，使人臉識別技術從理論走向了應用，2018年則是人臉識別技術全方面應用的重要節點，"刷臉"時代正式到來。

目前，從我國人臉識別技術應用來看，主要集中在三大領域：考勤門禁、安防以及金融。

從具體應用來看，主要包含了公共安全領域的刑偵追逃、罪犯識別以及邊防安全等；信息安全領域的政府職能領域的電子政務、戶籍管理、社會福利和保險；商業企業領域的電子商務、電子貨幣和支付、考勤、市場營銷；場所進出領域的軍事機要部門、金融機構的門禁控制和進出管理等。