面部识别才用什么技术

1. 面部识别的原理是什么

面部识别软件可归入名为生物识别的一大类技术。生物识别技术使用生物信息来验证身份。生物识别背后的理论是：我们的身体包含一些独一无二的特征，可以使用它们将我们与他人区分开。除了面部识别之外，生物识别身份验证方法还包括：

指纹扫描

视网膜扫描

语音识别

面部识别方法有多种，但是通常涉及捕获、分析和对比等一系列步骤，将你的面孔与数据库中存储的图像进行对比。以下是FaceIt 系统用于捕获和对比图像的基本过程：

为了确定某人的身份，面部识别软件将新近捕获的图像与数据库中存储的图像进行对比。

检测——当系统连接到视频监视系统后，识别软件会在摄影机的视野中搜寻面部信息。如果在视野中存在一张面孔，它会在几分之一秒的时间内检测到它。它使用多尺度算法以低分辨率搜索面部图像。（算法是提供一组指令以完成特定任务的一个程序）。系统只有在检测到类似头部的形状后，才切换到高分辨率搜索。

对齐——一旦检测到面部图像，系统会确定头部的位置、大小和姿态。只有在面部与摄像机至少成35度角的情况下，系统才会记录它。

标准化——头部图像经过缩放和旋转，以便能记录和映射到相应的大小和姿态。无论头部的位置如何以及相距摄像机的距离有多远，都可以执行标准化过程。光线不会对标准化过程产生影响。

表示——系统将面部数据转换成一个唯一的代码。通过编码，可以更加容易地将新近捕获的面部数据与存储的面部数据进行比较。

匹配——将新捕获的面部数据与存储的数据进行对比，并（在理想情况下）链接到至少一个已存储的面部图像。

FaceIt面部识别系统的核心是局部特征分析（LFA）算法。这是系统在对面孔进行编码时使用的数学技术。系统对面孔进行测量，并生成一个面纹，即面部的唯一数字代码。在存储了面纹之后，系统会将它与数据库中存储的成千或成百万的面纹数据进行对比。每个面纹都存储为一个84字节的文件。

面部识别系统通过使用面部识别软件，警察可以缩放摄像机画面并拍摄某个面孔。

系统可以用每分钟6000万张面孔的速度对内存中的面纹数据进行匹配，对于硬盘中的面纹数据，每分钟可以匹配1500万张面孔。在进行对比时，系统会用介于1到10之间的一个值来表示对比结果。如果该值大于预先定义的阈值，则宣布找到一个匹配结果。然后，操作人员可以查看被宣布为匹配项的两张照片，确定计算机的工作是否准确。

与其他生物识别技术一样，面部识别被认为是一种会在不远的将来得到广泛使用的技术。在下一节中，我们将介绍它现在的使用情况。FaceIt这样的面部识别软件的主要用户一直是一些执法机构，它们使用这些系统在拥挤的人群中捕获随机出现的面孔。然后，将这些面孔与数据库中犯罪分子的照片进行对比。

除了进行执法和安全监视之外，面部识别软件还有其他几个用途，包括：

1. 消除投票欺诈

2. 取款身份验证

3. 计算机安全

2. 人脸识别是靠什么技术实现的

1.基于特征脸（PCA）的人脸识别方法
特征脸方法是基于KL变换的人脸识别方法,KL变换是图像压缩的一种最优正交变换.高维的图像空间经过KL变换后得到一组新的正交基,保留其中重要的正交基,由这些基可以转成低维线性空间.如果假设人脸在这些低维线性空间的投影具有可分性,就可以将这些投影用作识别的特征矢量,这就是特征脸方法的基本思想.这些方法需要较多的训练样本,而且完全是基于图像灰度的统计特性的.目前有一些改进型的特征脸方法.
2.神经网络的人脸识别方法
神经网络的输入可以是降低分辨率的人脸图像、局部区域的自相关函数、局部纹理的二阶矩等.这类方法同样需要较多的样本进行训练,而在许多应用中,样本数量是很有限的.
3.弹性图匹配的人脸识别方法
弹性图匹配法在二维的空间中定义了一种对于通常的人脸变形具有一定的不变性的距离,并采用属性拓扑图来代表人脸,拓扑图的任一顶点均包含一特征向量,用来记录人脸在该顶点位置附近的信息.该方法结合了灰度特性和几何因素,在比对时可以允许图像存在弹性形变,在克服表情变化对识别的影响方面收到了较好的效果,同时对于单个人也不再需要多个样本进行训练.
4.线段Hausdorff 距离(LHD) 的人脸识别方法
心理学的研究表明,人类在识别轮廓图（比如漫画）的速度和准确度上丝毫不比识别灰度图差.LHD是基于从人脸灰度图像中提取出来的线段图的,它定义的是两个线段集之间的距离,与众不同的是,LHD并不建立不同线段集之间线段的一一对应关系,因此它更能适应线段图之间的微小变化.实验结果表明,LHD在不同光照条件下和不同姿态情况下都有非常出色的表现,但是它在大表情的情况下识别效果不好.
5.支持向量机(SVM) 的人脸识别方法
近年来,支持向量机是统计模式识别领域的一个新的热点,它试图使得学习机在经验风险和泛化能力上达到一种妥协,从而提高学习机的性能.支持向量机主要解决的是一个2分类问题,它的基本思想是试图把一个低维的线性不可分的问题转化成一个高维的线性可分的问题.通常的实验结果表明SVM有较好的识别率,但是它需要大量的训练样本（每类300个）,这在实际应用中往往是不现实的.而且支持向量机训练时间长,方法实现复杂,核函数的取法没有统一的理论.

3. 人脸识别是靠什么识别的呢

人脸识别。是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸。进而对检测到的人脸进行脸部识别的一系列相关技术。人脸识别系统主要包括四个组成部分，分别是：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。

4. 人脸识别属于人工智能中的什么技术

属于生物识别技术，这种技术涵盖指纹、声纹、人脸、虹膜、静脉。相比较，指纹识别应用较多，人脸识别技术因生物特征的严谨性进一步的提高，其算法近几年发展的较为迅速，有着较为广泛的应用前景，相关的资料也比较丰富，希望能帮到你。

5. 人脸识别技术是什么

人脸识别是基于人的面部特征信息进行身份识别的一种生物识别技术。它通过采集含有人脸的图片或视频流，并在图片中自动检测和跟踪人脸，进而对检测到的人脸进行面部识别。人脸识别可提供图像或视频中的人脸检测定位、人脸属性识别、人脸比对、活体检测等功能。虹软科技在人脸识别方面做的不错

6. 人脸识别是靠什么技术实现的

人脸识别门禁技术如今已渐趋成熟，曾经很多企业、社区、景区、工地所依赖的指纹识别门禁、门禁卡门禁、密码锁门禁如今正被人脸识别门禁所取代，为各行业领域带来了极大的便捷。但人脸识别技术作为一种新兴的人员身份鉴别技术，大部分人对于这项技术还是相对陌生，关于与人脸识别相关的问题也时有发生，为了让大家快速学会使用人脸识别门禁系统，今天宝比万像人脸识别就来教大家如何学会人脸识别门禁的人脸信息录入使用。
启动设备
1.默认打开宝比万像人脸识别门禁考勤设备端APP，进入“宝比万像人脸识别门禁考勤系统设备端APP”启动页
2.默认进入人脸认证页面。
3.在人脸认证界面，点击“首页”按钮，返回人脸设备主菜单。
人脸验证
1.在人脸识别主界面点击“人脸认证”菜单进行人脸验证
2.人脸认证：通过认证，闸门开启，并显示人脸ID，姓名。
3.人脸认证：没有登记的人脸进行验证，提示“人脸无登记”。
人脸登记
1.在人脸识别主界面点击“人脸登记＋”，弹出登录界面。
2.输入登录账号、密码（xxxxxx），点击登录。
3.输入姓名，点击下一步，跳转到人脸登记界面。
4.人脸登记初始化页面。提示登记这，请面对摄像头。
5.人脸登记：拍摄成功后“确认注册”，提升“人脸登记成功”。
6.点解“重新获取”，即对需要登记的人脸进行重新拍摄登记。
7.已登记成功的用户，再次进行人脸登记，则提示；已登记。
8.点击当前页面的返回剪头，即返回到人脸识别设备APP首页。

7. 人脸识别技术利用的是什么原理

人脸识别，特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸识别是一项热门的计算机技术研究领域，人脸追踪侦测，自动调整影像放大，夜间红外侦测，自动调整曝光强度；它属于生物特征识别技术，是对生物体（一般特指人）本身的生物特征来区分生物体个体。

人脸识别技术包含三个部分：（1）人脸检测面貌检测是指在动态的场景与复杂的背景中判断是否存在面像，并分离出这种面像。一般有下列几种方法:①参考模板法首先设计一个或数个标准人脸的模板，然后计算测试采集的样品与标准模板之间的匹配程度，并通过阈值来判断是否存在人脸；②人脸规则法由于人脸具有一定的结构分布特征，所谓人脸规则的方法即提取这些特征生成相应的规则以判断测试样品是否包含人脸③样品学习这种方法即采用模式识别中人工神经网络的方法，即通过对面像样品集和非面像样品集的学习产生分类器④肤色模型法这种方法是依据面貌肤色在色彩空间中分布相对集中的规律来进行检测。⑤特征子脸法这种方法是将所有面像集合视为一个面像子空间，并基于检测样品与其在子孔间的投影之间的距离判断是否存在面像。值得提出的是，上述5种方法在实际检测系统中也可综合采用。（2）人脸跟踪面貌跟踪是指对被检测到的面貌进行动态目标跟踪。具体采用基于模型的方法或基于运动与模型相结合的方法。此外，利用肤色模型跟踪也不失为一种简单而有效的手段。（3）人脸比对面貌比对是对被检测到的面貌像进行身份确认或在面像库中进行目标搜索。这实际上就是说，将采样到的面像与库存的面像依次进行比对，并找出最佳的匹配对象。所以，面像的描述决定了面像识别的具体方法与性能。目前主要采用特征向量与面纹模板两种描述方法：①特征向量法该方法是先确定眼虹膜、鼻翼、嘴角等面像五官轮廓的大小、位置、距离等属性，然后再计算出它们的几何特征量，而这些特征量形成一描述该面像的特征向量。②面纹模板法该方法是在库中存贮若干标准面像模板或面像器官模板，在进行比对时，将采样面像所有象素与库中所有模板采用归一化相关量度量进行匹配。此外，还有采用模式识别的自相关网络或特征与模板相结合的方法。人脸识别技术的核心实际为“局部人体特征分析”和“图形/神经识别算法。”这种算法是利用人体面部各器官及特征部位的方法。如对应几何关系多数据形成识别参数与数据库中所有的原始参数进行比较、判断与确认。一般要求判断时间低于1秒。

8. 很多电子设备可以面部解锁,这使用了什么技术

人脸识别，人脸识别是基于人的面部信息特征的一种生物识别技术，广义上来说包括人像图像采集检测、人脸图像预处理、人脸图像特征提取、人脸图像识别与匹配等方面。而我们生活中所谈到的“人脸识别”通常指基于面部信息的身份验证。

人脸识别的整个技术流程一般而言是通过硬件物理设备（如相机、监控摄像头等）获取面部图像，得到相应的数据后，计算机将对数据进行预处理，如光线的补偿、灰度变换等操作，让计算机在“01世界”中更好地“读懂”信息。

预处理后，通过相应的核心算法进行数据加工，从而得到最终的结果并将其与数据库中存储的信息进行比对，若结果在特定的阈值（即大小范围）内则认为比对成功。

人脸识别技术应用

1、企业、住宅安全和管理。如人脸识别门禁考勤系统，人脸识别防盗门等。

2、电子护照及身份证。这或许是未来规模最大的应用。在国际民航组织（ICAO）已确定，从2010年4月1日起，其118个成员国家和地区，人脸识别技术是首推识别模式，该规定已经成为国际标准。

3、公安、司法和刑侦。如利用人脸识别系统和网络，在全国范围内搜捕逃犯。

4、自助服务。如银行的自动提款机，如果同时应用人脸识别就会避免被他人盗取现金现象的发生。

5、信息安全。如计算机登录、电子政务和电子商务。在电子商务中交易全部在网上完成，电子政务中的很多审批流程也都搬到了网上。而当前，交易或者审批的授权都是靠密码来实现。如果密码被盗，就无法保证安全。如果使用生物特征，就可以做到当事人在网上的数字身份和真实身份统一。

9. 人脸识别是一种什么样的技术

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。

宝比万像人脸识别门禁系统优势：

非接触性：在人脸识别门禁解决方案中，用户不需要和人脸设备进行任何肢体上的直接接触，刷脸成功即可通行，而能够有效避免细菌疾病通过接触传播，安全卫生。

并发性：人脸识别门禁解决方案突破了传统门禁系统只能进行一对一识别的局限，在不同的实际应用场景可以进行多个人脸分拣、判断及识别。

非强制性：当用户进入人脸识别的摄像范围时，人脸设备将主动获取用户的人脸信息，用户无需携带任何的信息载体，通行更加便捷，同时用户体验更好，接受度更高。

唯一性：人脸信息具有唯一性，人脸识别是活体生物特征识别技术，动态的人脸信息独一无二，难以复制，不存在被盗用的风险，安全性更高。

10. 人脸识别通过什么识别知乎

人脸识别是什么
人脸识别是什么？人脸识别特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸识别是一项热门的计算机技术研究领域，它属于生物特征识别技术，是对生物体(一般特指人)本身的生物特征来区分生物体个体。
广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。
生物特征识别技术所研究的生物特征包括人脸、指纹、手掌纹、掌型、虹膜、视网膜、静脉、声音(语音)、体形、红外温谱、耳型、气味、个人习惯(例如敲击键盘的力度和频率、签字、步态)等，相应的识别技术就有人脸识别、指纹识别、掌纹识别、虹膜识别、视网膜识别、静脉识别、语音识别(用语音识别可以进行身份识别，也可以进行语音内容的识别，只有前者属于生物特征识别技术)、体形识别、键盘敲击识别、签字识别等。
几何特征的人脸识别方法
几何特征可以是眼、鼻、嘴等的形状和它们之间的几何关系(如相互之间的距离)。这些算法识别速度快，需要的内存小，但识别率较低。
基于特征脸(PCA)的人脸识别方法
特征脸方法是基于KL变换的人脸识别方法，KL变换是图像压缩的一种最优正交变换。高维的图像空间经过KL变换后得到一组新的正交基，保留其中重要的正交基，由这些基可以转成低维线性空间。如果假设人脸在这些低维线性空间的投影具有可分性，就可以将这些投影用作识别的特征矢量，这就是特征脸方法的基本思想。这些方法需要较多的训练样本，而且完全是基于图像灰度的统计特性的。目前有一些改进型的特征脸方法。
神经网络的人脸识别方法
神经网络的输入可以是降低分辨率的人脸图像、局部区域的自相关函数、局部纹理的二阶矩等。这类方法同样需要较多的样本进行训练，而在许多应用中，样本数量是很有限的。
弹性图匹配的人脸识别方法
弹性图匹配法在二维的空间中定义了一种对于通常的人脸变形具有一定的不变性的距离，并采用属性拓扑图来代表人脸，拓扑图的任一顶点均包含一特征向量，用来记录人脸在该顶点位置附近的信息。该方法结合了灰度特性和几何因素，在比对时可以允许图像存在弹性形变，在克服表情变化对识别的影响方面收到了较好的效果，同时对于单个人也不再需要多个样本进行训练。
线段Hausdorff 距离(LHD) 的人脸识别方法
心理学的研究表明，人类在识别轮廓图(比如漫画)的速度和准确度上丝毫不比识别灰度图差。LHD是基于从人脸灰度图像中提取出来的线段图的，它定义的是两个线段集之间的距离，与众不同的是，LHD并不建立不同线段集之间线段的一一对应关系，因此它更能适应线段图之间的微小变化。实验结果表明，LHD在不同光照条件下和不同姿态情况下都有非常出色的表现，但是它在大表情的情况下识别效果不好。
支持向量机(SVM) 的人脸识别方法
近年来，支持向量机是统计模式识别领域的一个新的热点，它试图使得学习机在经验风险和泛化能力上达到一种妥协，从而提高学习机的性能。支持向量机主要解决的是一个2分类问题，它的基本思想是试图把一个低维的线性不可分的问题转化成一个高维的线性可分的问题。通常的实验结果表明SVM有较好的识别率，但是它需要大量的训练样本(每类300个)，这在实际应用中往往是不现实的。而且支持向量机训练时间长，方法实现复杂，核函数的取法没有统一的理论。