人脸识别考勤机信息「进军」

人脸识别系统人脸比对

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：

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。

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-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-各及特征部位的方法。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。

当下人脸识别在生活中被应用得愈加广泛。那么，人脸识别是如何对人脸关键特征进行识别的？

人脸比对是通过计算两张照片灰度值矩阵的距离来实现的，图像预处理通过各种手段拉近了两个矩阵间的距离，从而让计算出来的结果更-。

但这样就够了吗？我们的计算是基于像素点的灰度值开展的，在计算中，各个像素点都参与运算，具有同等的重要性，对结果的贡献度也是一样的。

人脸识别face recognition实现了图像或视频中人脸的检测、分析和比对，包括人脸检测定位、人脸属性识别和人脸比对等独立服务模块，可为-和企业提供的在线api服务，应用于人脸ar、人脸识别和、-人脸检索、照片管理等各种场景。

人脸特征点定位

功能：提取图像中的人脸五官关键点，输出关键点位置信息。

优势：可毫秒级识别人脸105个关键点定位(眉毛24点，眼睛32点，鼻子6点，嘴巴34点，外轮廓9点)。

应用场景：可为人脸美化/美妆、人脸、检索、3d人脸等功能提供基础信息。

人脸验证

“人脸验证face verification”是判定两个人脸图是否为同一人的算法。

它的输入是两个人脸特征，通-脸比对获得两个人脸特征的相似度，通过与预设的阈值比较来验证这两个人脸特征是否属于同一人即相似度大于阈值，为同一人；小于阈值为不同。

人脸识别

“人脸识别(face recognition)”是识别出输入人脸图对应身份的算法。

它的输入一个人脸特征，通过和注册在库中n个身份对应的特征进行逐个比对，找出“一个”与输入特征相似度较高的特征。将这个较高相似度值和预设的阈值相比较，如果大于阈值，则返回该特征对应的身份，否则返回“不在库中”。