小區人臉識別點擊了解更多「在線咨詢」

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。

當前，隨著人工智能、物聯網等前沿技術的迅速發展，智能時代已悄然到來，"刷臉"逐漸成為了新的風潮。在人臉識別技術商業化應用領域不斷擴張的趨勢下，"刷臉"辦事正愈發常見。

人臉識別，是基于人的臉部特征信息進行身份識別的一種生物識別技術。用攝像機或攝像頭采集含有人臉的圖像或視頻流，并自動在圖像中檢測和跟蹤人臉，進而對檢測到的人臉進行臉部識別的一系列相關技術，通常也叫做人像識別、面部識別。

人臉識別系統主要包括四個組成部分，分別為：人臉圖像采集及檢測、人臉圖像預處理、人臉圖像特征提取以及匹配與識別。下面宣城盛宇小編來給大家介紹一下人臉圖像采集及檢測。

人臉圖像采集：不同的人臉圖像都能通過攝像鏡頭采集下來，比如靜態圖像、動態圖像、不同的位置、不同表情等方面都可以得到很好的采集。當用戶在采集設備的拍攝范圍內時，采集設備會自動搜索并拍攝用戶的人臉圖像。

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。人臉圖像中包含的模式特征十分豐富，如直方圖特征、顏色特征、模板特征、結構特征及Haar特征等。人臉檢測就是把這其中有用的信息挑出來，并利用這些特征實現人臉檢測。

在人臉識別中，由一組特征臉基圖象張成一個特征臉子空間，任何一幅人臉圖象（減去平均人臉后）都可投影到該子空間，得到一個權值向量。計算此向量和訓練集中每個人的權值向量之間的歐式距離，取蕞小距離所對應的人臉圖像的身份作為測試人臉圖像的身份。

特征臉方法利用主分量分析進行降維和提取特征。主分量分析是一種應用十分廣泛的數據降維技術，該方法選擇與原數據協方差矩陣前幾個蕞大特征值對應的特征向量構成一組基，以達到蕞佳表征原數據的目的。因為由主分量分析提取的特征向量返回成圖像時，看上去仍像人臉，所以這些特征向量被稱為“特征臉”。