工地人臉識別性價比出眾“本信息長期有效”

人臉識別技術這些年已經發生了重大的變化。傳統方法依賴于人工設計的特征（比如邊和紋理描述量）與機器學習技術（比如主成分分析、線性判別分析或支持向量機）的組合。人工設計在無約束環境中對不同變化情況穩健的特征是很困難的，這使得過去的研究者側重研究針對每種變化類型的專用方法，比如能應對不同年齡的方法、能應對不同姿勢的方法、能應對不同光照條件的方法等。

近段時間，傳統的人臉識別方法已經被基于卷積神經網絡（CNN）的深度學習方法接替。深度學習方法的主要優勢是它們可用非常大型的數據集進行訓練，從而學習到表征這些數據的蕞佳特征。網絡上可用的大量自然人臉圖像已讓研究者可收集到大規模的人臉數據集，這些圖像包含了真實世界中的各種變化情況。使用這些數據集訓練的基于 CNN 的人臉識別方法已經實現了非常高的準確度，因為它們能夠學到人臉圖像中穩健的特征，從而能夠應對在訓練過程中使用的人臉圖像所呈現出的真實世界變化情況。

此外，深度學習方法在計算機視覺方面的不斷普及也在加速人臉識別研究的發展，因為 CNN 也正被用于解決許多其它計算機視覺任務，比如目標檢測和識別、分割、光學字符識別、面部表情分析、年齡估計等。

（1）軟件結構

針對機關的實際情況，從可靠性、可管理性、可擴充性、開發性和安全性等角度出發，本系統采用客戶/服務器和瀏覽器/服務器相結合的體系結構。客戶/服務器主要用于那些界面復雜、保密性、安全性高、以數據庫修改操作的部分。瀏覽器/服務器利用WWW技術的HTTP，基于頁面進行瀏覽信息。它用于那些以信息共享、信息通信、信息檢索查詢為主的部分。以瀏覽器/服務器結構設計系統，用戶使用時不需要安裝專用的客戶端軟件便可查詢公用信息，也不需要對用戶進行專門的培訓，而且在系統升級時，只需修改服務器端的數據與應用，維護方便。

在進行應用程序的設計和開發時，采用站點與構件方式。不同的業務對應于不同的功能模塊。并且，每個操作人員和用戶在訪問某一個系統時，站點上僅出現其權限范圍內的應用和相關處理數據。通過系統的定制功能，可以提高系統的友好性和安全性。

（2）網絡結構

該系統可以在機關原有一卡通網上平滑升級，也可以單獨組成網絡。

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。下面宣城盛宇小編給大家介紹一下人臉圖像匹配與識別。

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身份進行判斷。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。