人脸识别调研报告（共20篇）

第1篇：人脸识别小结

人脸识别总结

一、概述

生物特征识别技术包括人脸识别、指纹识别、语音识别、表情分析及理解、虹膜识别等 人脸识别的实质就是借助计算机工具来分析人脸面部图像，采用不同的特征表示方法提取有效地人脸特征，是可用来辨识身份的一门自动处理技术，常见重要应用案例包括银行和军事重地的自动门禁系统、智能人脸监控系统、用于公共交通体系中安检系统的嫌疑人自动识别系统、网络服务中的在线验证系统等。产生不同个体较大差异性的内在因素主要有种族、性别、年龄、心理等。外在因素主要有光照变化、角度偏转、姿态、噪声千扰、遮挡、以及化妆遮挡物等。18世纪,就有一篇依据人脸特征信息进行身份鉴别的文章发表在《Nature》上,开启了近代最早的人脸识别研宄，最早的自动人脸识别系统是由Chan和Bledsoe创于1965年 人脸识别包括四个主要步骤：图像预处理、人脸检测、面部特征提取和分类识别。

二、研究领域

1、身份验证领域：通过人脸识别技术来判断和鉴别当前用户是否合法或者具备相应的功能权限，例如2008年北京奥运所采用的人脸识别系统。

2、智能视频监控领域，例如车站安装智能监控系统,该系统中加入了人脸识别技术以捕捉人群中的可疑罪犯。

3、人机交互领，例如人脸面部为视觉系统提供了最为主要的特征信息。

三、人脸识别方法及其算法

（一）方法分类

可以分为：基于几何特征的人脸识别、基于弹性图匹配的人脸识别、基于子空间分析的人脸识别、基于神经网络的人脸识别、基于隐马尔可夫模型等。 经典的特征脸“Eigenface”就是该时期由麻省理工学院的M.Turk和A.Pentlaiid提出的，采用PCA变换对原始图像进行降维处理,然后再进行分类识别。  P.Belhumeur等提出的Fisherfaces人脸也被广泛应用在人脸识别中。

90年代中后期,出现了一种基于动态连接结构(Dynamic Link Architecture)的弹性图匹配(Elastic GraphMatching)识别方法。 90年代末支持向量机被应用到人脸识别技术中。

（二）流行算法

主要分为：等距离映射_(Isometrical Mapping,简称 ISOMAP)、局部线性嵌入(Locally LinearEmbedding,简称LLE、拉普拉斯算子特征映射(Laplacian Eigenmaps)、拉普拉斯脸(Laplacianface)方法。基于拉普拉斯Belkin M等提出局部投影(LPP)方法。近期算法包括：  基于稀疏表示的人脸识别方法(Sparserepresentation recognition, SRC)针对此识别方法还出现了较多的改进模型,典型的有

 基于Gabor的稀疏表示  基于Metaface的稀疏表示等

（三）难点

1、人脸图像的成像条件包括较大的随机性：光照变化、姿态变换、表情变化、发 型改变、化妆、以及遮挡等复杂条件

2、人脸面部图像的复杂的三维结构属性：包括线性结构和非线性结构

3、人脸图像数据的维数问题

4、不同个体间的面部特征的差异性

四、人脸特征提取研究

（一）人脸特征提取和识别算法分类

  基于统计方法 基于几何方法

（二）具体实现

 主成分分析(principal component analysis, PCA)是一种典型的数据处理和数据降维方法

 Sirovich和Kirby首先研究人脸降维过程，采用基于镜像脸的技术  M.Turk_提出了基于PCA表示的特征脸的概念

 Fisher线性判别方法也是人工智能和模式识别领域中的重要方法之一

 Foley和Sammon提出了基于Sammon最佳鉴别平面的技术

 Duchene和Leclercq提 出了针对多类问题的Foley-Sammon最佳鉴别矢量集的求解公式

 Turk和Pentland提出了基于特征脸的特征提取方法  Kittler又提出了基于Fisher鉴别准则的提取面部特征方法  Hong和Yang提出了采用SVD进行特征提取方法  Cheng等改进并提出了一种新的相似性鉴别准则

 Liu等提出了基于最佳鉴别广义平面和最佳鉴别广义矢量集的一系列特征提取方法  郭等在此基础上提出了改进的最佳鉴别矢量方法  吴等又改进了广义最佳鉴别矢量方法  基于模型的特征提取方法

 Ka等首次提出了主动轮廊线模型(Active Contour Model,ACM), ACM也被称为Snake模型

 Lee等提出了一种改进Snake模型的方法,改进方法是由正面和侧面结构化特征来对面部进行特征点定位

 基于统计参数化模型的主动形状模型(Active Shape Model, ASM) 优势在于它不仅能有效地定位和提取目标物体的外部轮廓信息,而且能提取目标物体的内部轮廓和形状特征

 Cootes等在ASM基础上提出了主动表观模型(Active AppearanceModel,AAM)

（三）需要解决的问题

1、根据奇异值分解原理可以得到人脸图像的奇异值向量所在的基空间(矩阵)是由 人脸图像本身决定的。

2、当光照、姿态、表情变化以及遮挡等复杂条件下,人脸的表象会产生较大变化, 从而造成人脸识别系统的性能下降。

3、需要构造一种能有效描述目标纹理特性的局部纹理轮廓模型,进一步提高模型的 特征点定位精度。

第2篇：银行用人脸识别

银行人脸识别运用

银行是国家货币流通的主要场所，业务中涉及大量现金、有价证券及贵重物品，因而银行的安全一直以来都是国家安全防范的重点。近年来，金融行业市场发展迅猛，随着营业网点、ATM机、银行资金流动等的增多，银行安防系统所面临的挑战越来越大。为加强对银行、储蓄所、金库、贵重物品集中场所的安全防范，银行越来越重视技防的作用，作为防止犯罪发生的有效途径，双门互锁门禁系统也应运而生。目前市场上的双门互锁门禁系统大都采用读卡或者指纹的身份验证方式，由于这两种方式都存在一定的安全隐患或不足，因而人脸识别技术的应用受到用户关注。

双门互锁系统是指两道门具有互锁联动的功能，即当一道门被打开时，另一道门则打不开，只有当两道门都关上时，才能打开其中的任一道门。根据《银行营业场所风险等级和防护级别的规定》等相关银行安全管理规范，储蓄网点等现金柜台的进出口必需设置两道门，而且员工在进入第一道门后必需要按照规范锁好第一道门才能进入第二道门，如进入第一道门后没有按要求关好此道门，员工将不能进入第二道门，从而更好地防止犯罪分子尾随作案。目前，市场上的双门互锁门禁系统大都采用读卡或者指纹的身份验证方式，但是这两种身份验证方式均存在一定的安全隐患。例如：磁卡和智能IC卡均容易被复制，窃取，丢失，它们作为验证模式已经不能满足日益增长的安全需要。而指纹门禁虽然成本低，但是对某类人群的适应性很差，例如指纹不清晰，有磨损等，同时在指纹上有油渍，水渍，蜕皮等情况下，指纹识别的误差也是很大的。另外，由于多年来指纹一直被当成辨识犯罪的工具，部分人会因为指纹被采集而在心理上产生抵触情绪。而人脸识别利用人的面部特征进行身份辨识，友好，直观，不需要人的刻意配合，是目前所有生物识别技术中对使用者影响最小的，准确性也高。更为可贵的是，有人脸识别门禁摄像头采集的人脸图像，也可为事后调查提供最直观的证据，因此，用人脸识别技术取代双门互锁系统中的读卡或者指纹的验证方式，是实现银行营业厅出入控制的一种最佳的选择。

人脸识别安全性更高

人脸识别技术上划分为1：1比对和1：N比对，对于银行可采用智能卡与人脸识别1：1比对方式相结合，其优势是双重的验证机制。首先需要智能IC卡或者ID卡验证，验证通过之后，进行人脸识别验证，人脸识别验证通过之后，才能开门。与单纯的采用智能卡的门禁系统相比，安全性更高，适合银行这样的高安全性场所使用。根据目前银行营业厅等重要场所的实际情况，可以设计安全通道门，由两道带人脸识别装备的防盗门、一台两门联动控制器等组成。

其工作原理是：首先在管理系统中注册人员，注册时每人分配一张IC卡或者ID卡，将人员的注册信息和人员图像注册到联动控制器中。以从公共区进入安全区为例，正常使用时，当人脸在门1的人脸识别上验证时，首先联动控制器查询门2是否闭合，如果门2处于开启状态，则拒绝在门1处进行验证，只有当门2闭合，才允许启动验证。

验证时，先刷卡，同时人脸识别摄像头会捕获一张图像，将卡号信息和图像传输至联动控制器中，控制器根据卡号信息找到注册时的图像，与捕获的图像进行比对识别，比对通过则控制器控制电锁开启，关上门1，在门2处重复上述的验证步骤。

在一些特殊情况下，比如卡丢失，员工需要进行挂失，重新补卡才能使用该系统；如果是有入侵者胁迫开门的情况，员工会使用胁迫开门功能，同时向后台管理系统报警，监控中心的人员在管理系统的实时监控中获取警情，可以采取相关报警动作;如果是多人脸识别，系统允许一定时间内，多人相继验证通过，系统才会开门。智能化管理

通过管理电脑对进出人员的权限，进出时间以及进入方式进行管理。并同时存储相应数据，以备事后查询。多人脸识别开门功能

在重要的区域，系统可以设置同时多个人脸识别（两人以上）才能开门的方式，即打开一道门要有多人同时在规定时间内通过人脸识别验证后，门才能打开。优势

综上所述，使用本方案有以下几个方面的优点。第一，使安全防范级别得到有效提升。

在原有智能卡门禁系统上融入人脸识别技术，可有效防止盗取他人智能卡或者监守自盗现象的发生，是原有出入控制系统安全防范级别的有效提升。第二，能与CCTV系统无缝结合。随着人们安防要求的逐渐提高，CCTV系统早已成为银行安防系统中的重要环节。本系统无须另添加任何其它设备即可与银行原有的CCTV系统无缝结合。本方案所述的人脸识别门禁系统还设计有一些通讯接口，可以和视频监控系统进行通讯。比如，在发生胁迫报警时，可以通知视频监控系统，使其调整监控画面，更方便观看现场的情况等。第三，灵活的事件处理和报警联动。

本系统可以与其它报警系统联动，对各种异常事件，如非法读卡，开门超时，门锁损坏，强行进入等，可根据用户实际需求设定相应的报警处理和提示，以确保安全防范区域的安全可靠，并对犯罪分子具有极大的威慑作用。结语

近些年来，人脸识别技术虽然取得了很大的发展，但是用户担心识别精度还是会受到光照、姿态、表情、伪装等因素的影响，正缘于此，他们在选用人脸识别产品上会有一些担心与顾虑，可喜的是，人脸识别技术的算法已越来越具鲁棒性（鲁棒性，在此指人脸识别算法的健壮性，减弱外界的光照，姿态，表情等因素对人脸识别的影响），再采用红外成像等手段，可以提升识别精度，使得人脸识别产品真正应用起来。

出入口控制作为安全防范系统中的重要环节，直接影响着整个系统内部的安全。目前，较为成熟的门禁解决方案是卡片或者卡片加密码的模式，但一旦卡片丢失或者密码遗失，对整个系统的安全就构成很大威胁或者对用户的使用造成不便。而人脸识别门禁系统用人脸作为“钥匙”来开门明显安全性更高，并且具有受场地环境影响小、识别准确率高、识别速度快、结果直观等优点，已经越来越受到广大客户的重视。

第3篇：人脸识别技术解读

人脸识别，特指利用分析比较的计算机技术。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。

中文名 人脸识别技术 实 质

输入的人脸图象或者视频流 研究领域

热门的计算机技术研究领域 技 术

生物特征识别技术

目录

1基本介绍

2技术原理 ▪ 人脸识别内容 ▪ 人脸的识别过程 3分析算法

4功能模块

▪ 人脸捕获与跟踪功能 ▪ 人脸识别比对 ▪ 人脸的建模与检索 ▪ 真人鉴别功能 ▪ 图像质量检测 5基本方法

6技术细节 7优缺点

▪ 人脸识别优点 ▪ 人脸识别的弱点 8技术应用

9应用前景

1基本介绍编辑

人脸识别技术是基于人的脸部特征，对输入的人脸图象或者视频流.首先判断其是否存在人脸 , 如果存在人脸，则进一步的给出每个脸的位置、大小和各个主要面部器官的位置信息。并依据这些信息，进一步提取每个人脸中所蕴涵的身份特征，并将其与已知的人脸进行对比，从而识别每个人脸的身份。

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脸、指纹、手掌纹、虹膜、视网膜、声音（语音）、体形、个人习惯（例如敲击键盘的力度和频率、签字）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、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。2技术原理编辑

人脸识别内容

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样品学习法

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空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。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。人脸的识别过程

一般分三步：

(1)首先建立人脸的面像档案。即用摄像机采集单位人员的人脸的面像文件或取他们的照片形成面像文件，并将这些面像文件生成面纹(Faceprint)编码贮存起来。

(2)获取当前的人体面像。即用摄像机捕捉的当前出入人员的面像，或取照片输入，并将当前的面像文件生成面纹编码。

(3)用当前的面纹编码与档案库存的比对。即将当前的面像的面纹编码与档案库存中的面纹编码进行检索比对。上述的“面纹编码”方式是根据人脸脸部的本质特征和开头来工作的。这种面纹编码可以抵抗光线、皮肤色调、面部毛发、发型、眼镜、表情和姿态的变化，具有强大的可靠性，从而使它可以从百万人中精确地辨认出某个人。人脸的识别过程，利用普通的图像处理设备就能自动、连续、实时地完成。3分析算法编辑

人脸识别技术中被广泛采用的区域特征分析算法，它融合了计算机图

人脸识别

像处理技术与生物统计学原理于一体，利用计算机图像处理技术从视频中提取人像特征点，利用生物统计学的原理进行分析建立数学模型,即人脸特征模板。利用已建成的人脸特征模板与被测者的人的面像进行特征分析，根据分析的结果来给出一个相似值。通过这个值即可确定是否为同一人。4功能模块编辑

人脸捕获与跟踪功能

人脸捕获是指在一幅图像或视频流的一帧中检测出人像并将人像从背景中分离出来，并自动地将其保存。人像跟踪是指利用人像捕获技术，当指定的人像在摄像头拍摄的范围内移动时自动地对其进行跟踪。人脸识别比对

人脸识别分核实式和搜索式二种比对模式。核实式是对指将捕获得到的人像或是指定的人像与数据库中已登记的某一对像作比对核实确定其是否为同一人。搜索式的比对是指，从数据库中已登记的所有人像中搜索查找是否有指定的人像存在。

人脸的建模与检索

可以将登记入库的人像数据进行建模提取人脸的特征，并将其生成人脸模板（人脸特征文件）保存到数据库中。在进行人脸搜索时（搜索式），将指定的人像进行建模，再将其与数据库中的所有人的模板相比对识别，最终将根据所比对的相似值列出最相似的人员列表。

真人鉴别功能

系统可以识别得出摄像头前的人是一个真正的人还是一幅照片。以此杜绝使用者用照片作假。此项技术需要使用者作脸部表情的配合动作。

图像质量检测

图像质量的好坏直接影响到识别的效果，图像质量的检测功能能对即将进行比对的照片进行图像质量评估，并给出相应的建议值来辅助识别。5基本方法编辑

人脸识别的方法很多，主要的人脸识别方法有：

（1）几何特征的人脸识别方法：几何特征可以是眼、慧眼人脸识别考勤机 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。

（2）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，由这些基可以张成低维线性空间。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。

（3）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。

（4）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。

（5）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。

慧眼人脸识别考勤机

（6）支持向量机(SVM)的人脸识别方法：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，该函数的取法没有统一的理论。6技术细节编辑

一般来说，人脸识别系统包括图像摄取、人脸定位、图像预处理、以及人脸识别（身份确认或者身份查找）。系统输入一般是一张或者一系列含有未确定身份的人脸图像，以及人脸数据库中的若干已知身份的人脸图象或者相应的编码，而其输出则是一系列相似度得分，表明待识别的人脸的身份。

人脸识别的算法可以分类为：

基于人脸特征点的识别算法（Feature-based recognition algorithms）。基于整幅人脸图像的识别算法（Appearance-based recognition algorithms）。

基于模板的识别算法（Template-based recognition algorithms）。利用神经网络进行识别的算法（Recognition algorithms using neural network）。7优缺点编辑

人脸识别优点

相比较其他生物识别技术而言：

非接触的，用户不需要和设备直接接触；

非强制性，被识别的人脸图像信息可以主动获取；

并发性，即实际应用场景下可以进行多个人脸的分拣、判断及识别。

人脸识别的弱点

对周围的光线环境敏感，可能影响识别的准确性； 人体面部的头发、饰物等遮挡物，人脸变老等因素，需要进行人工智能补偿；（如可通过识别人脸的部分关键特性做修正）。8技术应用编辑

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。美国已经要求和它有出入免签证协议的国家在2006年10月 26日之前必须使用结合了人脸指纹等生物特征的电子护照系统，到 2006年底已经有 50多个国家实现了这样的系统。美国运输安全署（Transportation Security Administration）计划在全美推广一项基于生物特征的国内通旅行证件。欧洲很多国家也在计划或者正在实施类似的计划，用包含生物特征的证件对旅客进行识别和管理[7]。中国的电子护照计划公安部一所正在加紧规划和实施。

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。从而大大增加电子商务和电子政务系统的可靠性。9应用前景编辑

生物识别技术被广泛用于政府、军队、银行、社会福利保障、电子商务、安全防务等领域。例如，一位储户走进了银行，他既没带银行卡，也没有回忆密码就径直提款，当他在提款机上提款时，一台摄像机对该用户的眼睛扫描，然后迅速而准确地完成了用户身份鉴定，办理完业务。这是美国德克萨斯州联合银行的一个营业部中发生的一个真实的镜头。而该营业部所使用的正是现代生物识别技术中的“虹膜识别系统”。此外，美国“9.11”事件后，反恐怖活动已成为各国政府的共识，加强机场的安全防务十分重要。美国维萨格公司的脸像识别技术在美国的两家机场大显神通，它能在拥挤的人群中挑出某一张面孔，判断他是不是通缉犯。

随着技术的进一步成熟和社会认同度的提高，人脸识别技术将应用在更多的领域。

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，国际民航组织(ICAO)已确定，从2010年起，其118个成员国家和地区，必须使用机读护照，人脸识别技术是首推识别模式，该规定已经成为国际标准。中国的电子护照计划公安部一所正在加紧规划和实施。

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，如果用户卡片和密码被盗，就会被他人冒取现金。如果同时应用人脸识别就会避免这种情况的发生。

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。但是使用生物特征，就可以做到当事人在网上的数字身份和真实身份统一，从而大大增加电子商务和电子政务系统的可靠性。[1]

2012年无锡采用物联网人脸识别技术规范建筑市场。无锡的建筑工地将从6月1日起每天通过物联网技术进行人脸识别，通过考勤管理，确保项目负责人到位，挂靠、层层转包等现象将有望受到限制。

京沪高铁三站将建人脸识别系统，整容也能被识别。铁路部门发布计划表示，将在京沪高铁段的上海虹桥站、天津西站、济南西站这三个站点，建设人脸识别系统工程，以协助公安部门抓捕在逃罪犯。利用这个系统，作案后的犯罪分子，即使整容，也将能够被识别。[2]

读书的好处

1、行万里路，读万卷书。

2、书山有路勤为径，学海无涯苦作舟。

3、读书破万卷，下笔如有神。

4、我所学到的任何有价值的知识都是由自学中得来的。——达尔文

5、少壮不努力，老大徒悲伤。

6、黑发不知勤学早，白首方悔读书迟。——颜真卿

7、宝剑锋从磨砺出，梅花香自苦寒来。

8、读书要三到：心到、眼到、口到

9、玉不琢、不成器，人不学、不知义。

10、一日无书，百事荒废。——陈寿

11、书是人类进步的阶梯。

12、一日不读口生，一日不写手生。

13、我扑在书上，就像饥饿的人扑在面包上。——高尔基

14、书到用时方恨少、事非经过不知难。——陆游

15、读一本好书，就如同和一个高尚的人在交谈——歌德

16、读一切好书，就是和许多高尚的人谈话。——笛卡儿

17、学习永远不晚。——高尔基

18、少而好学，如日出之阳；壮而好学，如日中之光；志而好学，如炳烛之光。——刘向

19、学而不思则惘，思而不学则殆。——孔子

20、读书给人以快乐、给人以光彩、给人以才干。——培根

第4篇：前沿人脸识别综述解读

人脸识别综述

王军军

（西安交通大学，西安，710086）

摘要：人脸识别已成为多个学科领域的研究热点之一，本文对人脸识别的发展历史、研究现状进行了综述，系统地对目前主流人脸识别方法进行了分类针对人脸识别面临的挑战，着重对近几年来在光照和姿态变化处理方面的研究进展进行了详细沦述，并对未来人脸识别的发展方向进行了展望。

关键词：人脸识别，人脸检测，模式识别

一、引言

人脸识别是近年来模式识别、图像处理、机器视觉、神经网络以及认知科学等领域研究的热点课题之一。所谓人脸识别，是指给定一个场景的静态图像或动态视频，利用存储有若干已知身份的人脸图像的数据库验证和鉴别场景中单个或者多个人的身份[1]。人脸识别按照人脸信息的来源可以分为两类:基于静态人脸图像的识别和基于包含人脸的动态视频信息的识别。因为动态视频信息并不能明显提高人脸识别的性能，因此本文只研究基于静态人脸图像的识别[2]。

作为生物特征识别的一个重要方面，人脸识别在档案管理系统、安全验证系统、信用卡验证、公安系统的罪犯身份识别、银行和海关的监控、人机交互等领域具有广阔的应用前景。与指纹识别、视网膜识别、虹膜识别等[3]技术相比，人脸识别技术在数据采集方面手续比较简单，使用者更容易接受。人脸作为生物特征，虽然唯一性比指纹和虹膜要差[4]，在高安全性要求的系统中只能作为辅助手段。然而，对于一般安全性要求的身份验证和鉴别系统[5]，人脸识别技术已经足够应用了。

人脸识别研究在二十世纪六七十年代引起了诸多学科领域研究者的浓厚兴趣。进人九十年代后，随着各行业对人脸识别系统的迫切需求，人脸识别研究再次成为热门课题。当前世界各国有许多研究机构在从事这方面的研究，这些研究受到军方、警方以及大公司的高度重视和资助[6]。美国军方还专门组织了人脸识别竞赛以促进人脸识别研究的发展。经过三十多年的研究，人脸识别已经成为图像分析与图像理解领域最成功的应用之一研究人员提出了很多识别方法，建成了一些实验系统，也有一些成功的人脸识别商业软件投人市场。

人脸识别作为模式识别的一种，一般可以分为三个组成部分:从场景中检测并分割人脸;抽取人脸特征;匹配和识别人脸[7]。由于人脸检测已经发展成为一个独立的课题，具有特定的思想和方法，所以本文假定人脸已经被正确检测并从场景中分割出来。

二、人脸识别的方法

目前，人脸识别的方法大致可以分为以下几类：基于几何特征的方法、基于模型的方法、基于统计的方法、基于神经网络的方法和多分类器集成的方法[8]。目前主流的方法有基于几何特征的方法和基于模型的方法。

2.1基于几何特征的方法

文献中记载最早的人脸识别方法就是Bledsoe[9]提出的基于几何特征的方法。该方法以面部特征点之间的距离和比率作为特征，通过最近邻方法来识别人脸，以该方法建立的人脸识别系统是一个半自动系统，面部特征点必须由人手工定位。也正是由于人工的参与，该系统对光照变化和姿态变化不敏感[10]。

侧影[11](Profile)识别也是早期基于几何特征人脸识别的一个重要方法，其基本原理是从人脸的侧影轮廓线上提取特征点，将侧影转化为轮廓曲线，从中提取基准点，根据这些点之间的几何特征来进行识别，由于侧影识别相对较简单且应用面小，对侧影识别的研究较少。

基于几何特征的方法非常直观，识别速度快，内存要求较少，提取的特征在一定程度上对光照变化不太敏感[12]。但是，当人脸具有一定的表情或者姿态变化时，特征提取不精确，而且由于忽略了整个图像的很多细节信息，识别率较低，所以近年来已经很少有新的发展。

2.2基于模型的方法

隐马尔可夫模型[13](Hidden Markov Model,HMM)是一种常用的模型，基于HMM的方法首先被用于声音识别等身份识别上，之后被Nefian和Hayes引人到人脸识别领域。它是用于描述信号统计特性的一组统计模型。HMM用马尔可夫链来模拟信号统计特性的变化，而这种变化又是间接通过观察序列来描述的，因此马尔可夫过程是一个双重的随机过程。在HMM中结点表示状态，有向边表示状态之间的转移，一个状态可以具有特征空间中的任意特征，对同一特征，不同形态表现出这一特征的概率不同[14]。在人脸识别过程中，Nefian首先采用两维离散余弦变换(Discrete Cosine Transform,DCT)抽取人脸特征，得到观察向量，构建HMM人脸模型，然后用EM(Expectation Maximization)算法训练，利用该模型就可以算出每个待识别人脸。观察向量的概率，从而完成识别。HMM方法的鲁棒性较好，对表情、姿态变化不太敏感，识别率高[15]。

主动形状模型[16](Active Shape Model, ASM)方法由Cootes等人提出，Cootes对形状和局部灰度表象建模，用建立的ASM在新的图像中定位易变的物体。后来，Lanitis等将其应用于解释人脸图像，在使用ASM找出人脸的形状后，将人脸切割并归一到统一的框架，对这个与形状无关的人脸采用亮度模型来进行解释和识别，其鲁棒性和识别效率均较高，但需要手动标会人脸的特征点，算法的自动化程度有待加强。

主动表象模型[17](Active Appearance Model, AAM)可以看成是对ASM的进一步扩展，是一种通用的非线性图像编码模式，通过变形处理将通用人脸模型与输人图像进行匹配，并将控制参数作为分类的特征向量。

2.3 基于统计的方法

基于统计的方法将人脸图像视为随机向量，从而用一些统计方法来分析人脸模式，这类方法有着完备的统计学理论支持;得到了较好地发展，出现了一些较成功的算法。

特征脸[18](Eigenface)方法由Turk和Pentland提出。对于每一幅人脸图像，按照从上到下、从左到右的顺序将所有像素的灰度值串成一个高维向量，然后通过主成分分析(Principal component Analysis, PCA)将高维向量降低维数。用PCA[19]降维主要基于以下三点:(1)压缩功能，在低维空间内比较图像将提高计算效率;(2)人脸样本的分布近似正态分布，方差大的维可能与有用信号相关，而方差小的维可能对应噪声，因此去掉小方差对应的维将有利于提高识别精确率;(3)因为每幅图像都被减去均值，且被放缩成单位向量，两幅图像之间的相关性与特征空间中投影之间的距离成反比，因此特征空间中的最近邻匹配是图像相关性的有效近似。PCA技术首先由Kirby[20]和Sirovich引人到人脸识别领域，并且证明了PCA是使原始图像与重构图像之间的均方误差极小化的最佳压缩方式。一幅图像在各个特征脸上的投影组成了该图像的权值向量，将待识别图像的权值向量与人脸数据库中各图像的权值向量相比较，确定哪一幅图像与待识别图像的权值向量最接近。后来Pentland等人进一步扩展了特征脸方法，将类似的思想运用到面部特征上，分别得到了本征眼、本征鼻、本征嘴，并且将它们结合起来进行人脸识别。实验结果表明，这样比单独使用特征脸效果更好。特征脸方法计算量低，使用方便，并且效果良好，目前已经成为人脸识别的基准程序(Benchmark)和事实上的工业标准。但是它对于外界因素所带来的图像差异和人脸自身所造成的差异是不加区分的，因此外界因素(例如光照、姿态)变化会引起识别率的降低。

特征脸方法使用由各个特征脸扩展的空间来表示人脸，虽然可以有效地表示人脸信息，但是并不能有效鉴别和区分人脸。很多研究者提出了使用其他线性空间来代替特征脸空间以取得更好的识别效果。此中线性判别分析方法[21](也叫Fisher脸方法)，利用了类别归属信息，它选择类内散布正交的矢量作为特征脸空间，从而压制了图像之间与识别信息无关的差异，强调了不同人脸之间的差别，同时弱化了同一人脸由于光照、视角和表情而引起的变化，获得了比特征脸更好的识别效果。LDA[22]是一种监督学习方法，而PCA是非监督学习方法。Belhumeur对16个人的各10幅图像进行识别实验，PCA方法的识别率为81%，而Fisher脸方法的识别率为99.4%。

Moghaddam[23]等人提出了贝叶斯人脸识别方法。他们提出了一种基于概率的图像相似度度量方法，将人脸图像之间的差异分为类间差异和类内差异。其中类间差异表示不同对象之间的本质差异。类内差异为同一对象的不同图像之间的差异。而实际人脸图像之间的差异为两者之和。如果类内差异大于类间差异，则认为两人脸图像属于同一对象的可能性大，他们提出了类间差异和类内差异度量的概率模型和计算方法。由于贝叶斯相似度的计算涉及复杂的非线性计算。Moghaddam等人提出了一种线性的快速计算方法。这种人脸识别方法在1996年美国DAPAR组织的FERET人脸测试中是效果最好的方法之一特别是在克服光照和表情变化对识别的影响方面性能较好。

奇异值分解[24](Singular Valor Decomposition。SVD)是一种有效的代数特征提取方一法。奇异值特征具有良好的稳定性、转置不变性、旋转不变性、位移不变性以及镜像变换不变性等重要性质。因此奇异值分解技术也被应用到人脸识别领域。

独立成分分析[25](Independent component Anal-ysis,ICA)，可以看成是对PCA的推广，PCA利用二阶矩去掉输人数据的相关性。使得数据的协方差为零。而ICA使得输人数据的二阶和高阶矩依赖性最小，ICA首先被用于盲源分离(Blind Source Separation。BSS)问题，用来将观察信号分解成一系列独立信号的线性组合。ICA用于人脸识别有两种结构(ICA Architecture I和ICA Architecture II)和多种算法(例如FastICA和InfoMax)，PCA和ICA Architecture II利用的是全局特征，而ICA Architecture I利用的是空间局部特征。B Draper等人详细比较了PCA和ICA在人脸验证和面部表情识别中的性能，人脸验证实验中，ICA Architecture II的性能最好。PCA的性能与距离度量标准有关。ICA Architecture I的性能较差，ICA用Fast I-CA算法较好;表情识别实验中，用InIoMax算法实现的ICA A rchitecture I性能最好。

3、人脸识别面临的挑战

当光照、姿态、表情变化时，人脸的表象会产生较大变化，从而造成人脸识别系统的性能下降。FE-RET测试川表明，光照和姿态变化问题是当前人脸识别系统面临的挑战。随着人脸识别研究的深人，很多研究者对光照和姿态变化进行了专门的研究，也取得了一定的进展。本节专门针对这两方面问题进行论述。

3.1 光照变化

因为光照会改变人脸图像灰度的相对分布，所以由光照引起的人脸图像变化甚至比因个体差异引起的变化还要大。因此，光照变化会造成人脸识别系统性能的严重下降。对光照变化的处理已经引起了很多研究者的重视，并且取得了较大进展。目前已经出现了很多光照处理方法，这些方法大致可以分为三类: 第一类方法的主要思想是寻找对于光照变化不敏感的人脸图像表示方法。第二类方法是对原来某些不存在光照变化时人脸识别算法的简单改进和推广。第三类方法的主要出发点是构建图像合成(Synthesize)模型[26]，这些模型可以合成与测试(Probe)图像具有相同或相似光照条件的新图像作为数据库(Gallery)中的图像。这类方法的关键是对光照进行建模。

3.2 姿态变化

视角的变化，即人脸姿态变化也会造成人脸识别系统性能的降低，因此对多视角人脸图像的处理是人脸识别面临的另一挑战。Beymer[27]先对输人图像的视角进行估计，接着根据自动检测到的三个特征点进行二维仿射变换使之与原型(Prototype)的视角相同，然后直接使用模板匹配来实现多视角人脸识别。在一个62人的多视角人脸数据库上取得了较好的实验结果，但测试集和训练集的视角比较接近，因此识别难度较低。

Pentland[28]等人提出的基于视角的特征脸(View-based Eigenface)方法为每个视角构建一个

特征空间。取得了比标准特征脸方法更高的性能。Huang等人在基于视角的特征脸方法的基础上，采用神经网络集成(Neural Network Ensemble)的方法，实现多视角人脸的识别。这类方法的缺点是每人需要多张人脸图像作为训练集，而且将光照变化问题与视角变化问题分开来考虑，这些前提条件在很多场合不能满足。

3.3同时存在光照和姿态变化

上述的很多方法只是对光照或姿态变化中的一种进行了处理，但在现实情况下，光照和姿态变化会同时存在。因此，要使人脸识别技术真正实用，人脸识别系统必须能够处理同时存在两种甚至任意多种成像条件变化的情况。光场(Light Field)[29]方法是最新提出的较有效的方法，对各种外部成像条件的变化都能进行较好处理。由于人脸是三维的，因此利用三维模型(或者三维和两维相结合)可以显著地提高识别性能。

4总结与展望

本文对人脸识别的发展历史、研究现状进行了综述，尤其是对近几年来在光照和姿态变化处理方面的研究进展进行了详细论述。

经过几十年的研究，人脸识别已经取得了很大的进展，但现有的人脸识别方法一般都是针对某一类问题提出的，由于人脸识别问题的复杂性，实现一个通用的人脸识别系统目前还不现实。因此，解决特定条件或者特定应用领域的人脸识别问题仍然是目前人脸识别研究的重要课题。要构建一个稳健的人脸识别系统，以下是有待于解决的几个主要问题:

1、非线性建模问题。目前统计方法中的子空间方法有一个共同的特点，即都是线性方法。人脸图像显然是一种高度非线性的模式。也就是说，人脸图像的分布应该是位于某种高度非线性的流形[30](Mani-fold)上的，因此用非线性方法来进行人脸识别是一个必然的发展趋势。人脸识别技术由线性向非线性发展可能的现实途径有两条:一是利用核理论将现有的线性分析方法向非线性扩展，这是一种间接的方法。典型代表是核主成分分析(Kernel Principal component Analysis, KPCA)，也就是利用核理论对PCA进行扩展;二是直接从数据分布本身出发，研究高效的非线性流形学习算法，从而将人脸图像投影到其实际分布所在的流形上进行识别，目前，已有研究人员将其应用到人脸识别领域，对人脸图像采用流型的方法来进行识别。

2、三维建模问题。目前只利用二维信息的人脸识别方法只能在特定环境下取得较好的性能，然而在处理光照、视角和表情等方面的变化时会遇到较大的困难。由于人脸是三维的，因此利用三维模型可以显著提高识别性能本文论述的三维可变型模型方法就是在这方面较好地尝试。但是目前三维人脸识别在识别算法、三维人脸库以及实验方法等方面还存在很多挑战。

3、三维模型计算开销问题。利用三维模型可以显著提高识别性能，然而，构造和存储完整的三维人脸模型需要的开销太大，因此如何通过二维图像对三维人脸参数进行建模将是未来人脸识别研究的一个热点。另外，利用2.5维信息进行识别也是减小存储和计算开销的一条可能途径。

4、算法的自动化与时间开销问题。本文所提到的算法中，基于几何特征的方法与基于模型的方法中的部分算法存在手工标定人脸特征点的问题，算法的自动化程度有待进一步加强。另外，算法中某些鲁棒性与准确率较高的算法，计算量巨大，运算时间比较长，人脸识别的实时性有待加强。[1] 厉小润,赵光宙,赵辽英.改进的核直接Fisher描述分析与人脸识别[J].浙江大学学报:工学版, 2008,42(4): 583-589.[2] YU Hua, YANG Jie.A direct LDA algorithm for high-dimensionaldatawith application to face recognition [J].Pattern Recognition,2001,34(10): 2067-2070.[3] 周大可,杨新,彭宁嵩.改进的线性判别分析算法及其在人脸识别中的应用[J].上海交通大学学报, 2005,39(4): 527-530.[4] BARTLELLM S, MOVELLAN JR, SEJNOWSKIT J.Face recognition by independent component analysis [J].IEEE Trans on NeuralNetworks, 2002,13(6): 1450-1464.[5] 洪子泉,杨静宇.基于奇异值特征和统计模型的人像识别算法[J].计算机研究与发展, 1994,31(3): 60-65.[6] 杜干,朱雯君.基于局部奇异值分解和模糊决策的人脸识别方法[J].中国图象图形学报, 2006,11(10): 1456-1459.[7] 高全学,梁彦,潘泉,等.SVD用于人脸识别存在的问题及解决方法[J].中国图象图形学报, 2006,11(12): 1784-1791.[8] COOTES T F, EDWARDS G J, TAYLOR C J.Active appearance models: active appearance models [ J].IEEE Trans on Pattern Analysis and Machine Intelligence, 2001,23(6): 681-685.[9] WISKOTTL, FELLOUS JM, KRUGER N,et al.Face recognition by elastic bunch graphmatching [J].IEEE Trans on Pattern Analysis and Machine Intelligence, 1997,19(7): 775-779.[10] WURTZ R P.Object recognition robust under translations, deformations, and changes in background [ J].IEEE Trans on Pattern Analysis and Machine Intelligence, 1997,19(7): 769-775.[11] 孙大瑞,吴乐南.基于特征的弹性图匹配人脸识别算法[J].应用科学学报, 2002,20(4): 377-381.[12] 张海旸,马华东.基于网格的自适应弹性图人脸匹配方法[J].计算机辅助设计与图形学报, 2008,20(2): 253-258.[13] 刘小军,王东峰,张丽飞,等.一种基于奇异值分解和隐马尔可夫模型的人脸识别方法[J].计算机学报, 2003,26(3): 340-344.[14] 李耀东,崔霞,肖柏华,等.自动人脸识别技术综述[J].计算机科学, 2002,29(12): 1-11.[15] 邹志煌,孙鑫,程武山.人脸识别技术产品的发展概况[J].视频应用与工程, 2008,32(3): 91-93.[16] 刘瑾,徐可欣,陈小红,等.采用图像融合技术的多模式人脸识别[J].工程图学学报, 2007,28(6): 72-78.[17] 王耀明,王仲国,沈毅俊.基于图像集似然度的人脸识别[J].计算机工程, 2001, 27(7): 113-114.[18] 王宏勇，廖海斌，段新华，丁汨.基于奇异值与特征融合矩阵的自适应人脸识别[J].计算机工程与应用，2010，46（7）：162-174.[19] 斯华龄,张立明.智能视觉图像处理-多通道图像的无监督学习方法及其他方法[M].上海:上海科技教育出版社,2002.[20] 郭武,张鹏,王润生.独立分量分析及其在图像处理中的应用现状[J].计算机工程与应用，2008，44（23）：172-176.[21] 白晓明,王成章,石勤.基于二维线性判别分析的彩色人脸识别[J].北京工业大学学报.2010,12(36):1717-1721.[22] 王晓慧.线性判别分析与主成分分析及其相关研究评述[J].中山大学研究生学刊(自然科学、医学版).2007,4(28):50-59.[23] 聂会星,梁坤,徐枞巍.基于小波变换和支持向量机的人脸识别研究[J].合肥工业大学学报(自然科学版).2022，2（34）：208-211 [24] 段锦著.人脸自动机器识别[M].北京: 科学出版社, 2009．

[25] 吴巾一，周德龙.计算机应用研究[J].人脸识别方法综述，2009，9（26）: 3205-3209 [26] SIROVITCH L, KIRBYM.Low-dimensionalprocedure for the characterization of human face[ J].Journal of the Optical Society of America, 1987,4(3): 519-524.[27] KIRBYM, SIROVITCH L.Application ofKarhunen-Loeve procedure for the characterization ofhuman faces[J].IEEE Trans on Pattern Analysis and Machine Intelligence, 1990,12(1): 103-108.[28] 刘成明，张立明.一种改进的人脸特征点定位方法[J].复旦学报：自然科学版，2006,45(4)：452-463.[29] 杜春华.人脸特征点定位及识别的研究[D].上海：上海交通大学.2008.[30] 马艳妮，耿国华等.脸部特征点的定位与提取方法[J].计算机工程与应用，2009,45(18)：167-170.读书的好处

1、行万里路，读万卷书。

2、书山有路勤为径，学海无涯苦作舟。

3、读书破万卷，下笔如有神。

4、我所学到的任何有价值的知识都是由自学中得来的。——达尔文

5、少壮不努力，老大徒悲伤。

6、黑发不知勤学早，白首方悔读书迟。——颜真卿

7、宝剑锋从磨砺出，梅花香自苦寒来。

8、读书要三到：心到、眼到、口到

9、玉不琢、不成器，人不学、不知义。

10、一日无书，百事荒废。——陈寿

11、书是人类进步的阶梯。

12、一日不读口生，一日不写手生。

13、我扑在书上，就像饥饿的人扑在面包上。——高尔基

14、书到用时方恨少、事非经过不知难。——陆游

15、读一本好书，就如同和一个高尚的人在交谈——歌德

16、读一切好书，就是和许多高尚的人谈话。——笛卡儿

17、学习永远不晚。——高尔基

18、少而好学，如日出之阳；壮而好学，如日中之光；志而好学，如炳烛之光。——刘向

19、学而不思则惘，思而不学则殆。——孔子

20、读书给人以快乐、给人以光彩、给人以才干。——培根

第5篇：人脸识别监狱管理系统

人脸识别监狱通道管理系统

一、概述

人脸识别技术简介

随着高科技的蓬勃发展，人体特征分析技术已经作为身份快速识别及视频监控等领域的最新增值点与应用点，在身份识别、智能安防、智能监控、出入管理、证卡认证等方面发挥巨大作用。

面部检测识别技术，是利用计算机图像分析、模型理论、人工智能及模式识别技术的非接触性高端模式识别技术，其可完成从复杂的图像场景中检测、检出特征人像信息，并进行匹配识别的智能分析过程。

面部识别的流程如下图所示：

二、人脸识别监狱通道管理系统需求

随着计算机和网络技术的推广应用，信息化管理的新思路也开始进入到监狱管理的实践之中。根据司法部监狱安防技术要求，加强对出入监狱人员的管理和控制，提高监舍监管安全，提高监狱的安全技术防范水平和信息化管理水平，实现监狱管理的数字化。监狱是强制管理违法犯罪人员的场所，是实现社会治安综合治理的最重要环节之一。随着新一轮数字化监狱系统的改造升级，监狱管理正在朝着网

人脸识别监狱通道管理系统

络化、信息化、数字化方向快速发展。数字化监狱通道管理系统的建设可由视频监控、人像识别、出入口管理、周界报警、巡更管理、监舍对讲和进出通道管理、服狱人员定位等几部分组成。

而监狱通道出入人员身份快速识别及看守所安全方面的管理要求，具备非接触特点的人像生物特征识别技术，可以依靠常规的视频图像获取设备快速进行人员身份识别及陌生人预警等功能，满足监狱、看守所等特殊场所的管理要求及安全管理要求。场所现状及人脸识别需求：

滚闸门1滚闸门3出卡机进门闸门4B门出A门进值班室值班民警(还卡处)B门进滚闸门2A门出出门

监狱/看守所通道示意图

1.进入监狱通道时，临时人员需由1个狱警带队并从出卡机取卡方可进入； 2.临时人员在值班室办完手续后并进行人像注册，进入A门进区域，需进行刷卡人像识别验证，如果不是带队狱警所带入的人员，系统报警。禁止开启启B门出；

3.出滚闸门2时，临时人员需刷卡人像识别验证，如果不是带队狱警带入注册人员，系统报警，滚闸门2禁止开启。

4.离开人员在值班室办完离开手续后，出滚闸门3需再一次刷卡人像识别验证，果不是带队狱警带入注册人员，系统报警，滚闸门3禁止开启。

第1页 /共 12页

人脸识别监狱通道管理系统

三、人脸识别监狱通道管理系统

3.1系统架构

系统采用了最普通的IP摄像机与工业PC机及TCP/IP网为基础设备，配合人脸智能识别技术为核心，通过协议转换器，使系统在完成人脸识别的同时，也给道闸的闸机一个开关信号，同步开启人行通道的闸机，并且存储、分析所识别的人脸数据，生成统计信息与报表，主要构成：高清网络摄像机、读卡器、IC卡、门禁控制器、电控锁、服务器、PC机、高速局域网及人脸识别监狱通道管理系统。

系统应用架构分为三部分：

1、人脸采集与制证部分；主要用于通过照片信息或摄像机采集信息把来人身份信息及人脸信息建模、入库，并用于证件信息制作。

2、人脸识别与闸机触发部分；主要通过IP摄像机采集将要通过人行闸机的人员的人脸信息，并跟库中人员信息进行比对，如果识别结果正确，闸机将开启，允许通过。如果库中没有人员人脸信息，则可以通过刷卡方式，开启闸机。

3、人脸识别结果统计与大屏显示；保存人脸识别结果，提供统计分析功能，且能通过大屏显示现场人脸识别情况及查询识别结果。

3.2系统应用部署

第2页 /共 12页

人脸识别监狱通道管理系统

数据库服务器人像识别服务平台报警系统门禁控制器门禁控制器摄像机1摄像机2摄像机3摄像机4滚闸门2滚闸门3刷卡器1刷卡器2

部署说明：机房部署数据库服务器、人脸识别服务平台，前端部署显示端，出入通道设置4台高清网络摄像机和

滚闸门N台及IC卡读卡器数台。

第3页 /共 12页

人脸识别监狱通道管理系统

其中：

1、高清网络摄像机：捕获人脸视频设备；

2、闸门：通过门禁控制器控制的闸门，软件系统通过给控制器信号来控制滚闸门的开关。当比对成功后，闸门自动开启

3、刷卡器：用于刷卡时读取IC卡信息；

4、数据库服务器：存贮人像信息数据库及基础信息数据；

5、人脸识别服务器平台：主要将前端摄像机传输过来的人像信息与数据库中注册人员信息进行比对，并将比对结果显示到屏幕上。

系统运行流程：进出人员通过安装于出入通道的高清网络摄像机，系统自动检测并采集人像图片，建模后传送至人像识别服务平台与后台人像数据库信息进行比对，并将比对结果输送到显示屏显示，同时发送信号到门禁控制器进行滚闸门自动开启，非库内人员，则滚闸门关闭，并进行报警。

狱警刷卡B门进出门人员刷卡取卡登记出门人员刷卡失败人像采集注册人像比对成功失败人像比对报警成功报警狱警刷卡开启A门进滚闸门2开启出滚闸门2滚闸门3开启出滚闸门3进门人员刷卡狱警刷卡开启A门出还卡出门报警失败人像比对成功办理出门手续狱警刷卡开启B门出 第4页 /共 12页

人脸识别监狱通道管理系统

3.3系统功能设计

人员信息管理

1、人员基础信息管理

实现监狱干警及需中、长期进出监狱大门通道人员的基础信息管理功能，包括人员基本信息的新增、修改、删除、查询维护及进出人员的IC卡发卡管理。

2、人像信息注册

实现监狱干警及中、长期进出通道人员的视频人像信息注册功能，系统采集注册人员的人像信息，建立监狱正常出入通道人员的识别比对人像库。

值班人员信息管理

1、值班人员基础信息管理

实现监狱进出通道看守值班人员的基础信息管理功能，包括通道看守人员基本信息的新增、修改、删除、查询维护及通道看守人员的身份IC卡发卡管理。

2、值班人员登录确认

实现监狱进出通道看守值班人员的系统登录确认功能，通道值班人员在接班后，首先必须使用自己的登录帐户与登录密码登录系统后才能使用。

系统自动记录通道看守人员的人工确认记录信息（值班员姓名、放行时间等）。

3、值班人员交班信息 硬件管理

1、摄像机设备管理

第5页 /共 12页

人脸识别监狱通道管理系统

实现对现场安装的摄像机进行管理功能。包括摄像机基本信息的新增、修改、删除、查询维护。

2、刷卡机设备管理

实现对现场安装的摄刷卡设备进行管理功能。包括刷卡机基本信息的新增、修改、删除、查询维护。人像身份识别验证

1、临时人员发卡注册

实现监狱临时进入通道人员的发卡及人像注册功能。临时进入人员首先取一张临时通行卡（系统事先已编好一组指定号段），在得到值班人员身份确认后，由值班人员对临时人员进行人像采集注册。

2、出监人员身份识别验证

实现监狱出通道人员的视频人像识别验证功能。出通道人员包括临时人员，走入通道时，在该人员刷卡时，系统自动跟踪采集人像，并识别该人员的身份信息。一旦识别通过，报告被识别人员姓名，系统自动把识别结果显示在安装通道屏幕及值班室监控视频上，狱警通过人工识别确认无误后开启门禁，同时发出人员身份验证通过的提示声音或信号提示。

3、带队狱警放行确认

实现带队狱警确认开启门禁功能。在出监人员人像身份识别验证通过后，必须再进行带队狱警人工确认才能开启门禁。

4、出入日志信息查询

实现监狱出入通道通行人员的日志信息查询功能，实时按时间段、临时人员信息、人员类型、值班人员等信息字段的组合查询功能，实现系统审计功能。陌生人预警

1、陌生人报警管理

实现监狱陌生人的识别预警功能，系统自动采集识别视频监控范

第6页 /共 12页

人脸识别监狱通道管理系统

围出现的人像信息，一旦发现无法识别人员，系统自动采集该人员的人像信息并展示在值班看守人员的报警界面上，提示看守值班人员警示与确认。系统维护管理

1、用户管理

实现系统的使用用户信息管理，包括用户的基础信息、用户的登录信息、登录口令等数据内容。

2、用户权限管理

实现系统用户的权限管理功能，管理系统使用用户的操作权限与数据权限，实现系统用户角色的定义，用户角色权限的管理，用户所属角色维护等功能。

3、数据字典管理

实现系统基础数据字典的维护管理功能。

4、系统参数配置管理

维护系统的系统参数配置数据信息，管理系统各个控制字段配置信息，如人员类型、人像采集参数等。

四、公司简介

河南海一电子科技有限公司成立于2010年，是一家专业从事计算机软件开发、电子产品开发，生物识别技术研发的的高科技企业，第7页 /共 12页

人脸识别监狱通道管理系统

主要从事公安、银行、电信、旅店业、娱乐业等多个领域的应用软件、硬件研发、系统集成；在福州、西安、无锡等地设有分公司。公司致力于生物智能科技方面的技术研究，联合海外研发机构协同研发顶尖的人像识别技术，并同省内多家高校广泛深入的合作，不断最求与提升核心技术竞争力。公司秉承“海纳百川、一秉虔诚”的理念，始终坚持以人为本、恪守诚信、凝智聚心，有德有情。努力打造成立足于河南、面向全球高速发展的高科技企业。

河南海一电子科技有限公司基于人像生物识别技术针对不同的行业特点和需求成功研发了诸多行业的软、硬件产品。生物识别技术系列产品：

人脸识别技术--公安行业应用：

1、人脸识别技术—人证识别系统；

2、人脸识别技术—重点场所人脸识别追逃系统

3、人脸识别技术—卡口人证识别身份确认系统；

4、人脸识别技术—人证识别访客登记系统 人脸识别技术—金融行业应用

5、人脸识别技术—金融、证券交易人证识别身份确认系统 人脸识别技术—海关、港口、机场应用

6、人脸识别技术—人证识别身份核查系统 人脸识别技术—校园安全

7、人脸识别技术—校安通

8、人脸识别技术—高校学生智能考勤验证系统； 人脸识别技术—企事企单位应用

9、人脸识别技术—智能考勤系统

第8页 /共 12页

第6篇：人脸识别相关技术分析报告解读

人脸识别相关技术

分析报告

2015年10月

目 录

第一章 分析概述...........................................................................................................................................2

一、背景调研............................................................................................................................................2

二、检索及分析内容................................................................................................................................2 第二章 人脸识别专利态势及技术研发分析...............................................................................................4

一、专利态势及技术研发分析................................................................................................................4

（1）人脸识别专利申请趋势分析......................................................................................................4

（2）技术生命周期..............................................................................................................................5（3）人脸识别技术构成......................................................................................................................6（4）人脸识别竞争对手分析..............................................................................................................7

二、技术路线分析...................................................................................................................................8

（1）人脸定位技术路线....................................................................................................................8（2）图像获取技术路线....................................................................................................................9（3）人脸跟踪技术路线....................................................................................................................10 第一章 分析概述

一、背景调研

人脸检测识别技术是基于人脸特征来进行身份识别的技术。与其他识别方式相比，由于人脸始终暴露在外面，采集人脸特征有直接、友好、方便的特点。现在，国际银行组织、国际民航组织的生物特征识别护照的标准中明文规定必选的特征是人脸，可选的特征是指纹、虹膜或者在其它特征中任何一种。目前我国公民的第二代身份证有嵌入可机读的人脸图像信息，这也为下一步人脸识别广泛应用打下有利的基础。

上世纪九十年代以来，人脸检测识别技术研究达到了高潮时期，一批具有代表性的论文和算法产生，自动人脸识别技术也得到了长足的发展，相关机构组织了如人脸手势识别等专门的国际学术会议。另外，现在很多的研究型理工大学和兀公司都在着手人脸检测识别研究。领域内最著名的国际研究机构包括：美国麻省理工学院媒体实验室及人工智能实验室、南加州大学、马里兰大学、卡内基一梅隆大学机器人研究及交互系统实验室等。在我国，清华大学计算机系、电子系瞻嘲、中科院自动化所阳吲、南京理工大学、南京航空航天大学、哈尔滨工业大学等进行了许多很有意义的尝试，积累了经验。国内的研究工作主要是集中在三大类方法的研究：基于几何特征的人脸识别方法、基于代数特征的人脸识别方法和基于连接机制的人脸识别方法。人脸识别由于具有直接、友好、方便的特点，使用者无任何心理障碍，易于被用户所接受，从而得到了广泛的应用。主要在以下几个方面：(1)档案管理系统(2)安全验证系统(3)信用卡验证(4)公安系统的罪犯身份识别(5)银行和海关的监控(6)人机交互等。

人脸识别系统包括：(1)人脸图像的获取(2)人脸的检测(3)特征提取(4)基于人脸图像比对的身份识别(5)基于人脸图像比对的身份验证

二、检索及分析内容

本分析对人脸识别相关专利进行了中国专利检索，检索采用国家知识产权局专利数据库，以该专利数据为基础对其相关技术进行了分析，以期能从战略层面为汉柏的技术研发、专利布局和专利风险预防提供借鉴参考。

具体分析项如下：（1）专利申请趋势分析（2）技术构成（3）竞争对手分析（4）技术路线图分析

第二章 人脸识别专利态势及技术研发分析

第二章 人脸识别专利态势及技术研发分析

截至报告检索完成日期，共检索得到人脸识别公司专利3516件。我们以此3516件专利作为基础进行人脸识别技术专利态势技术及研发分析，包括专利申请趋势分析、技术生命周期、技术构成、发明人分析、竞争对手分析等，由此获取人脸识别技术发展情况，为汉柏的科研和决策提供参考。

一、专利态势及技术研发分析

（1）人脸识别专利申请趋势分析

图表 1 人脸识别专利申请趋势

图表1显示了人脸识别专利申请趋势。如上图所示，自1995年起首次出现人脸识别相关专利申请，1995-2004年期间专利申请量发展平稳，增长率不大，自2005年起该领域专利申请量呈快速增长，2010年后呈爆发式增长。

应注意的是，受到报告截止的统计时间的影响，2015年的数据必然不是最终数据，仅起到一定参考作用，以下情况相同，不做另述。

第二章 人脸识别专利态势及技术研发分析

（2）技术生命周期

分析人脸识别相关技术的申请人数量及专利申请数量随时间分布，可分析该技术生命周期发展情况。

图表 2 人脸识别专利申请趋势

1995-2005年为该技术发展起步阶段，申请人及申请量都较少，2005-2014年为该技术发展的成长阶段，申请人数量及申请量均迅猛增长，2015年之后，将陆续有专利超过保护期限而失效，行业壁垒逐渐减少，可能竞争会更加激烈。

第二章 人脸识别专利态势及技术研发分析

（3）人脸识别技术构成分析人脸识别相关技术的技术构成，可以看出该的技术发展的热点。

图表 3 人脸识别重点技术随时间分布图

图表2显示了人脸识别技术构成前10位技术领域的IPC和专利量。人脸识别的技术构成主要集中于：G06K 数据识别；数据表示

第二章 人脸识别专利态势及技术研发分析

（4）人脸识别竞争对手分析

通过对该技术申请人统计分析，可以找到掌握该技术最重要的竞争对手。

图表4 人脸识别技术重要竞争对手

图表4显示出掌握该技术专利数量最大的几个申请人，主要以应用类产品研发的公司及研究型大学为主。

第二章 人脸识别专利态势及技术研发分析

二、技术路线分析

（1）人脸定位技术路线

第二章 人脸识别专利态势及技术研发分析

（2）图像获取技术路线

第二章 人脸识别专利态势及技术研发分析

（3）人脸跟踪技术路线

读书的好处

1、行万里路，读万卷书。

2、书山有路勤为径，学海无涯苦作舟。

3、读书破万卷，下笔如有神。

4、我所学到的任何有价值的知识都是由自学中得来的。——达尔文

5、少壮不努力，老大徒悲伤。

6、黑发不知勤学早，白首方悔读书迟。——颜真卿

7、宝剑锋从磨砺出，梅花香自苦寒来。

8、读书要三到：心到、眼到、口到

9、玉不琢、不成器，人不学、不知义。

10、一日无书，百事荒废。——陈寿

11、书是人类进步的阶梯。

12、一日不读口生，一日不写手生。

13、我扑在书上，就像饥饿的人扑在面包上。——高尔基

14、书到用时方恨少、事非经过不知难。——陆游

15、读一本好书，就如同和一个高尚的人在交谈——歌德

16、读一切好书，就是和许多高尚的人谈话。——笛卡儿

17、学习永远不晚。——高尔基

18、少而好学，如日出之阳；壮而好学，如日中之光；志而好学，如炳烛之光。——刘向

19、学而不思则惘，思而不学则殆。——孔子

20、读书给人以快乐、给人以光彩、给人以才干。——培根

第7篇：人脸识别技术是什么原理

人脸识别技术是什么原理

1面像识别原理

2、1、1面像识别技术概述

面像识别是近年来随着计算机技术、图象处理技术、模式识别技术等技术的快速进步而出现的一种崭新的生物特征识别技术。生物识别技术是依靠人体的身体特征来进行身份验证的一种高科技识别技术，如同人的指纹、掌纹、眼虹膜、DNA以及相貌等人体特征具有人体所固有的不可复制的唯一性、稳定性、无法复制一样，不易失窃或被遗忘。由于每个人的这些特征都不相同，因此利用人体的这些独特的生理特征可以准确地识别每个人的身份。

随着计算机技术的迅速发展，人们开发了指纹识别、声音识别、掌形识别、签名识别、眼纹（视网膜）识别等多种生物识别技术，目前许多技术都己经成熟并得以应用。而面像识别技术则是生物识别技术的新秀，与其他识别技术相比较，面像识别具有简便、准确、经济及可扩展性良好等众多优势，可广泛应用于安全验证、监控、出入口控制等多个方面。

面像识别技术包含面像检测、面像跟踪与面像比对等课题。面像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面像，面像跟踪指对被检测到的面像进行动态目标跟踪，面像比对则是对被检测到的面像进行身份确认或在面像库中进行目标搜索。

面像检测分为参考模板、人脸规则、样本学习、肤色模型与特征子脸等方法。参考模板方法首先设计一个或数个标准人脸模板，然后计算测试样本与标准模板之间的匹配程度，通过阀值来判断是否存在人脸；人脸具有一定的结构分布特征，人脸规则即提取这些特征生成相应的规则以判断测试样本是否包含人脸；样本学习则采用模式识别中人工神经网络方法，通过对面像样本集和非面像样本集的学习产生分类器；肤色模型依据面像肤色在色彩空间中分布相对集中的规律来进行检测；特征子脸将所有面像集合视为一个面像子空间，基于检测样本与其在子空间的投影之间的距离判断是否存在面像。

上述方法在实际系统中也可综合采用。

面像跟踪一般采用基于模型的方法或基于运动与模型相结合的方法，另外，肤色模型跟

踪也不失为一种简单有效的手段。

面像比对从本质上讲是采样面像与库存面像的依次比对并找出最佳匹配对象。因此，面像的描述决定了面像识别的具体方法与性能。目前主要有特征向量与面纹模板两种描述方

法，特征向量法先确定眼虹膜、鼻翼、嘴角等面像五官轮廓的大小、位置、距离、角度等等

属性，然后计算出它们的几何特征量，这些特征量形成一描述该面像的特征向量；面纹模板

法则在库中存储若干标准面像模板或面像器官模板，在比对时，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。另外，还有模式识别的自相关网络或特征与模板结

合的方法。

面像识别技术的最新进展是可以通过摄象机来搜索捕捉识别活动的人像，而不仅仅

识别照片。例如，最近由美国新泽西州Visionics公司开发的面像局部特征分析法识别

系统，仅用一部摄象机和一台计算机，即可在人群中识别出某个人来。

该系统利用摄象机扫描拍摄的某一区域，搜索有可能是人脸的形状。然后在存储器

中搜索已事先存入的与之类似的面部特征。为了确认扫描到的眼睛、鼻子和嘴等特征就是一

个活人而不是人体模型或图片，系统还对眨眼或其他可以提供信息的面部动作进行搜索。

然后系统对组成面部图像的像素进行分析。它将每个像素点的明暗度与相邻点进行比较，查找明暗度向周围呈放射突变的区域。在眉骨、眼睛、或者其他突起的特征，比如颧骨和鼻子等处，都会出现这种突变。系统将勾勒出每一个这种像素点的位置，这些点称为“参照点”然后在点之间连线，形成一个由三角形构成的网络。

系统将测量每个三角形的角度，生成由672个1和0组成的数来描述一张面孔。之后程

序尝试从它的数据库中找出与该数据相匹配的类似记录。这种匹配不可能绝对理想，因此软

件会将相似程度分为不同的等级。软件是根据骨络结构描绘参考点的，因此胡须、化妆和眼

睛等伪装都不可能骗过它。

用于扑捉面部图像的除了为标准视频外，近来的发展趋势是热成像技术。热成像技术通

过分析由面部的毛细血管的血液产生的热线来形成面部图像，与视频摄像头不同，热成像技

术并不需要在较好的光源条件下，因此即使在黑暗情况下也可以使用。并可更好地排除胡须、头发以及化妆引起的面部变化的干扰。

2、1、2面像识别过程

1．建立面像档案:可以从摄像头采集面像文件或取照片文件，生成面纹(Faceprint)编码；

2．获取当前面像，可以从摄像头捕捉面像或取照片输入，生成其面纹；

3．将当前面像的面纹编码与档案中的面纹编码进行检索比对。

“面纹”编码方式是根据脸部的本质特征和开头来工作的，它可以抵抗光线、皮肤色调、面部毛发、发型、眼镜、表情和姿态的变化，具有强大的可靠性，使得它可以从百万人中精确地辨认出一个人。

上述整个过程都自动、连续、实时地完成，而且系统只需要普通的处理设备。几乎所有的生物测量过程对人们来说都是一种干扰。指纹和掌纹的测定需要人们将手放在玻璃表面。虹膜扫描需要用激光照射你的眼睛。面部识别最大的优越性在于它的方便性, 快速性，而且是非侵扰的。面部识别无需干扰人们行为而达到识别效果，无需为是否愿意将手放在指纹采集设备上，或对着麦克风讲话，或是将他们的眼睛对准激光扫描装置而进行争辩。你只要很快从一架摄像机前走过，你就已经被快速的检验。

2、1、3面像识别技术应用范围

面像识别技术作为生物识别技术体系的后起之秀，将有着十分广泛的应用前景。可应用于诸多领域，如出入口控制、银行金融系统、公安追辑嫌疑犯、反恐怖斗争以及互联网中等等。在我国开展的“追逃”斗争，如果能利用面像识别技术，则可大大提高工作效率，并能对犯罪分子产生极大的威慑力量。使用面像识别系统只要在重要的车站、码头、机场、海关出入口附近架设摄像机，系统即可在无人职守的状态下，自动捕捉进、出上述场所的人员的头像，并通过计算机网络将面像特征数据传送到计算机中心数据库，自动与面像数据库中的逃犯面像比较，迅速准确地作出身份判断。一旦发现吻合的头像，可以自动报警并记录。

我国银行金融系统对安全控制有着极高的要求，如电子商务信息系统、金库的安全设施、保险柜、自动柜员机的使用等。由于近年来金融诈骗、抢劫发生率有所增高，对传统安全措施提出了新的挑战。面像识别技术不需要携带任何电子、机械“钥匙”，可以杜绝丢失钥匙、密码的现象，如果配合IC卡、指纹识别等技术可以使安全系数成倍增长。同时，在ATM自动取款机上应用面像识别技术，可以免除用户忘记密码的苦恼，还可以有效防止冒领、盗取的事件发生。

目前，在我国，面部识别技术的研究和应用还刚刚开始，但在欧美等发达国家这一技术已被应用在许多场所。特别是“9.11”恐怖事件之后，美国警方率先在冰岛国际机场、美国波士顿机场、美国奥克兰机场、美国亚特兰大机场、美国休斯敦机场等开始应用这一先进技术，借助闭路监视系统监控扫描人群自动搜寻警方所需要的恐怖分子目标。

蒋遂平:人脸识别技术及应用简介人脸识别的分类

1.1 鉴别、验证和监控

(1)鉴别(identification)：鉴别回答"这是谁？" 将给定的人脸图象与计算机中存储的N个人的图象逐个比较，输出M幅图象，这些按与给定图象的相似度从大到小排列，再由人来确定这是谁。通常，一个人在计算机中只存储一幅正面图象。

(2)验证(verification)：验证回答"这是否为某人？" 将给定的人脸图象与与计算机中存储的某人的图象比较，回答给定的图象是否为某人的图象。通常，一个人在计算机中存储多幅不同角度的图象。

(3)监控(watch list)：监控同时具有鉴别和验证，回?quot;这是否为要找的人？"(Are you looking for me?)。将未知身份的人的图象输入计算机，计算机决定这个人是否在监控名单中，如果在，还必须确定这个人的身份。

1.2 人脸识别和人头识别

(1)人脸识别：输入给计算机识别的人脸图象，只包括人的脸部部分，没有背景、头发、衣服等。这时，计算机在进行真正的人脸识别。

(2)人头识别：输入给计算机识别的人脸图象，除了包括人的脸部有皮肤的部分外，还有部分背景、头发、衣服。这时，人脸的五官特征是次要的，头发、背景、人脸轮廓等是主要特征，一旦头发、背景等变化，识别率下降。

1.3 自动与半自动人脸识别

(1)自动人脸识别：输入到计算机的图象可以是包含人脸的图象，由计算机自动检测人脸部分进行分割后，进行识别。最初人们认为人脸检测是件容易的事，后来发现人脸检测可能比人脸识别更困难（特别是在灰度图象情况下，这时没有运动信息和肤色信息可利用），人脸检测已经是一个独立的研究课题。

(2)半自动人脸识别：采用人工确定人脸图象中两眼各自的中心位置，计算机根据这两个位置分割人脸图象，进行识别。常用于人脸鉴别。人脸识别的性能

2.1主要性能指标

测量人脸识别的主要性能指标有：（1）误识率(False Accept Rate, FAR)：这是将其他人误作指定人员的概率；（2）拒识率(False Reject Rate, FRR)：这是将指定人员误作其它人员的概率。

计算机在判别时采用的阈值不同，这两个指标也不同。一般情况下，误识率FAR 随阈值的增大（放宽条件）而增大，拒识率FRR 随阈值的增大而减小。因此，可以采用错误率（Equal Error Rate, ERR）作为性能指标，这是调节阈值，使这FAR和FRR两个指标相等时的FAR 或 FRR。

2.2 影响人脸识别性能的因素及解决方法

(1)背景和头发：消除背景和头发，只识别脸部图象部分。

(2)人脸在图象平面内的平移、缩放、旋转：采用几何规范化，人脸图象经过旋转、平移、缩放后，最后得到的脸部图象为指定大小，两眼水平，两眼距离一定。

(3)人脸在图象平面外的偏转和俯仰：可以建立人脸的三维模型，或进行三维融合(morphing)，将人脸图象恢复为正面图象。

(4)光源位置和强度的变化：采用直方图规范化，可以消除部分光照的影响。采用对称的从阴影恢复形状(symmteric shape from shading)技术，可以得到一个与光源位置无关的图象。

(5)年龄的变化：建立人脸图象的老化模型。

(6)表情的变化：提取对表情变化不敏感的特征，或者将人脸图象分割为各个器官的图象，分别识别后再综合判断。

(7)附着物（眼镜、胡须）的影响。

(8)照相机的变化：同一人使用不同的照相机拍摄的图象是不同的。应用情况

在无数影视或新闻中出现过这样的场景：警方利用人脸识别技术抓住了罪犯。然而，在现实生活中，人脸识别技术的效果并不令人满意。

美国陆军实验室在13周时间内，用270人的图象测试一个人脸识别系统，发现识别率只有 51%。这套系统在机场中进行测试时，存储了250人的图象，其中的15人在1个月内通过摄影机958次，只有455次被正确辨认，识别率只有47%。在美国一个机场开展的一项为期8周的公开测试中，使用一家公司的人脸识别系统，在4个星期出错率为53%。在另一个机场开展的一项为期90天的测试中，人脸识别系统发出的错误警报也太多。

人脸识别技术效果不尽如人意的原因：真人的电视图像与存储在数据库中的照片在布光和角度方面有差别。目前的人脸识别技术在人处于静止状态或一小群人通过检测点时有效，因此不适合在交通流量大的机场和街道拐角处使用。人脸识别要得到广泛采用，还很有待时日。

第8篇：二进制人脸表情识别

1、我觉得团队介绍的时候应该介绍一下老师，毕竟我们的基础还是比较薄弱的吧~~~ 老师的介绍（从申请表中摘录的）：发表十几篇科研论文，并且取得很好的成果，获得苏州大学本科生毕业设计优秀指导教师。

2、下面是我找到的素材，我觉得可能会让人感兴趣，你看一下能串到你的稿子里么？

（1）心理学家梅尔贝因给出了一个公式：

感情表露=7%的言词+38%的声音+55%的面部表情，通过研究人脸表情，我们可以大致了解一个人的内心情感。

（2）6种基本情感类别：惊奇、恐惧、厌恶、高兴、愤怒、悲伤

（3）目前存在的缺陷：特征提取的方法存在一些缺陷；某些表情易于识别，某些表情不易识别，心理学方面的研究认为，最容易辨认的是快乐、痛苦，较难辨认的是恐惧、悲哀，更难辨认的是怀疑、怜悯

（4）应用前景：①安全领域：表情识别可用于核电站的管理和长途汽车司机等着重强调安全的工作岗位。在岗者一旦出现疲劳、瞌睡的征兆，识别系统及时发出警报避免险

情发生。②医疗领域：表情识别还可用于机器人手术操作和电子护士的护理。可根据患者面部表情变化及时发现其身体状况的变化，避免悲剧发生。③电脑游戏：如果游戏可以根据游戏者的喜、怒、衷、乐来做出实时的反应，那么这样的游戏肯定比那些传统规定好规则的游戏更加吸引人。

第9篇：人脸识别在金融方面的应用

浅析人脸识别在金融行业应用方向

背景

2015年年末，央行发布了《中国人民银行关于改进个人银行账户服务加强账户管理的通知》，明确提出“提供个人银行账户开立服务时，有条件的银行可探索将生物特征识别技术和其他安全有效的技术手段作为核验开户申请人身份信息的辅助手段”。至此，这两年火遍天际的人脸识别终于得到了“正式名份”!将在银行大显身手的人脸识别到底能做什么?备受银行青睐的人脸识别真有那么“万能”吗? 目前人脸识别在银行的应用主要集中在自助终端、移动金融/营销和柜面系统三大方向。

“人脸识别”自助终端

“人脸识别”自助终端是当前银行应用最为普遍的方向，交通银行的自助发卡机、民生银行的VTM、农业银行的超级柜台等都是将人脸识别系统引入到自助设备中，利用人脸识别技术将现场采集的照片与已存照片、身份证照片进行比对并提供人脸相似值，工作人员即可根据相似值的高低判断是否直接通过或进行人工审核。

目前，用户可以在自助终端上实现自助开卡、业务变更、密码重置等个人业务，全流程电子化不仅节约时间和成本，也更加环保。不仅如此，银行工作人员也可以通过人脸识别自助终端实现一对多服务，通过客户自助办理＋现场审核授权，原本只能服务一个客户的工作人员可以同时服务6-8人。

移动金融/营销

银行在开展移动金融/营销时，也经常遇到一个难题：在移动端如何确认客户身份?而人脸识别则可以较好的解决虚拟世界两端“你是谁”的身份认证难题：一方面用户可以借助于手机等移动设备的摄像头进行人脸身份核查，另一方面银行工作人员也可以通过便携性移动终端进行客户人脸身份核查，为客户办理业务。目前包括民生银行、攀枝花商行在内的众多银行已经开始基于多模态生物识别统一身份认证平台，通过人脸识别技术平台布局移动金融和移动营销：直销银行、远程贷款、大客户上门服务等都是典型应用。与此同时，该平台还具有强大的渠道管理能力，一旦前端出现报错情况，可以迅速反查、定位并进行修复。

柜面系统

人脸识别在柜面系统中发挥了更大的作用：内能进行风险管控，外可1S核验客户身份。银行通过人脸识别可以实现内部员工系统登录与授权管理，增强银行的风险管控能力;同时，也可以通过人脸联网核查，将现场照片与公安部已存的身份证照片进行比对、核查，更客观、科学的实现“人证合一”，降低“肉眼”观察的主观意识和失误辨认。

第10篇：人脸识别的原理和发展解读

人脸识别系统的原理与发展应用

【摘要】地球上居住着近70亿人。每个人的面孔都是由额头、眉毛、眼睛、鼻子、嘴巴、双颊等区域组合而成，它们之间的大体位置关系也是固定的，大小不过七八寸见方。然而，即使是面容极其相似的双胞胎，其家人通常也能够非常容易地根据他们面孔上的细微差异将他们区分开来。我们不得不承认这个世界上找不出两张完全相同的人脸。那么，区分如此众多的不同人脸的“特征”到底是什么?能否设计出具有与人类一样的人脸识别能力的自动机器?这种自动机器的人脸识别能力是否能够超越人类自身?对这些问题的分析和解答无疑具有重要的理论和应用价值，这正是众多从事自动人脸识别研究的研究人员所面临的挑战。

【关键词】 人脸识别，原理，发展现状

一、人脸识别系统原理

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，可以将人脸明暗侦测，自动调整动态曝光补偿，人脸追踪侦测，自动调整影像放大；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。人脸识别技术一般包含三个部分：人脸检测、人脸跟踪、人脸比对(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/ 6

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样品学习法；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。(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。/ 6

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。

二、人脸的识别过程

一般分三步：

(1)首先建立人脸的面像档案。即用摄像机采集单位人员的人脸的面像文件或取他们的照片形成面像文件，并将这些面像文件生成面纹编码贮存起来。(2)获取当前的人体面像。即用摄像机捕捉的当前出入人员的面像，或取照片输入，并将当前的面像文件生成面纹编码。

(3)用当前的面纹编码与档案库存的比对。即将当前的面像的面纹编码与档案库存中的面纹编码进行检索比对。上述的“面纹编码”方式是根据人脸脸部的本质特征和开头来工作的。这种面纹编码可以抵抗光线、皮肤色调、面部毛发、发型、眼镜、表情和姿态的变化，具有强大的可靠性，从而使它可以从百万人中精确地辩认出某个人。人脸的识别过程，利用普通的图像处理设备就能自动、连续、实时地完成。

三、人脸识别的发展

人脸是人类情感表达和交流的最重要、最直接的载体。通过人脸可以推断出一个人的种族、地域，甚至身份、地位等信息；人们还能通过人脸丰富而复杂细小的变化，得到对方的个性和情绪状态。科学界从计算机图形学、图像处理、计/ 6

算机视觉、人类学等多个学科对人脸进行研究。最早的人脸识别技术的研究可以追溯到20世纪50年代，当时的研究人员主要涉及的是社会心理学领域；到了60年代，开始有一些工程文献陆续发表出来；但是，真正的自动人脸识别的研究是从20世纪70年代开始的，当时采用的技术基本上都是典型的模式识别技术，例如利用脸部重要特征点之间的距离进行分类识别。随着计算机技术的发展，从80年代到90年代初期，人脸识别技术得到了很大的发展并进入了实际应用领域。在这一阶段，基于人脸外貌的统计识别方法得到了很大的发展，其中在大规模的人脸数据库上进行的实验得到了相当不错的结果。同时，基于人脸特征的识别方法也逐渐发展起来，此类方法对光线和视角的变化、人脸的定位都不太敏感，有利于识别率的提高，但是其采用的特征提取方法还不够成熟和可靠。

90年代后期，一些商业性的人脸识别系统逐渐进入市场；近几年来人脸识别作为计算机安全技术在全球范围内迅速发展起来，特别是美国遭受“9·11”恐怖袭击以后，人脸识别技术更引起了广泛的关注。在这一阶段，更多的研究集中在基于视频的人脸识别上面。人脸识别技术具有广泛的应用前景,在国家安全、军事安全和公共安全领域，智能门禁、智能视频监控、公安布控、海关身份验证、司机驾照验证等是典型的应用；在民事和经济领域,各类银行卡、金融卡、信用卡、储蓄卡的持卡人的身份验证、社会保险人的身份验证等具有重要的应用价值；在家庭娱乐等领域，人脸识别也具有一些有趣有益的应用,比如能够识别主人身份的智能玩具、家政机器人、具有真实像的虚拟游戏玩家等。

四、人脸识别的意义

研究人脸识别在理论和技术上都有重要的意义：一是可以推进对人类视觉系/ 6

统本身的认识；二是可以满足人工智能应用的需要。采用人脸识别技术，建立自动人脸识别系统，用计算机实现对人脸图像的自动识别有着广阔的应用领域和诱 人的应用前景。同时人脸识别作为一种生物体征识别与其它较成熟的识别方法（如指纹、虹膜、DAN检测等）相比有以下几个优点：①无侵犯性，人脸图像的获取不需要被检测人发生身体接触，可以在不惊动被检测人的情况下进行；②低成本、易安装，人脸识别系统只需要采用普通的摄像头、数码摄像机或手机上的嵌入式摄像头等被广泛使用的摄像设备即可，对用户来说也没有特别的安装要求；③无人工参与，整个人脸识别过程不需要用户或被检测人的主动参与，计算机可以根据用户预先的设置自动进行。

四、结语

人脸识别是一项既有科学研究价值，又有广泛应用前景的研究课题。国际上大量研究人员几十年的研究取得了丰硕的研究成果，自动人脸识别技术已经在某些限定条件下得到了成功应用。这些成果更加深了我们对于自动人脸识别这个问题的理解，尤其是对其挑战性的认识。尽管在海量人脸数据比对速度甚至精度方面，现有的自动人脸识别系统可能已经超过了人类，但对于复杂变化条件下的一般人脸识别问题，自动人脸识别系统的鲁棒性和准确度还远不及人类。这种差距产生的本质原因现在还不得而知，毕竟我们对于人类自身的视觉系统的认识还十分肤浅。但无论如何，赋予计算设备与人类似的人脸识别能力是众多该领域研究人员的梦想。相信随着研究的继续深入，我们的认识应该能够更加准确地逼近这些问题的正确答案。/ 6

读书的好处

1、行万里路，读万卷书。

2、书山有路勤为径，学海无涯苦作舟。

3、读书破万卷，下笔如有神。

4、我所学到的任何有价值的知识都是由自学中得来的。——达尔文

5、少壮不努力，老大徒悲伤。

6、黑发不知勤学早，白首方悔读书迟。——颜真卿

7、宝剑锋从磨砺出，梅花香自苦寒来。

8、读书要三到：心到、眼到、口到

9、玉不琢、不成器，人不学、不知义。

10、一日无书，百事荒废。——陈寿

11、书是人类进步的阶梯。

12、一日不读口生，一日不写手生。

13、我扑在书上，就像饥饿的人扑在面包上。——高尔基

14、书到用时方恨少、事非经过不知难。——陆游

15、读一本好书，就如同和一个高尚的人在交谈——歌德

16、读一切好书，就是和许多高尚的人谈话。——笛卡儿

17、学习永远不晚。——高尔基

18、少而好学，如日出之阳；壮而好学，如日中之光；志而好学，如炳烛之光。——刘向

19、学而不思则惘，思而不学则殆。——孔子

20、读书给人以快乐、给人以光彩、给人以才干。——培根/ 6

第11篇：人脸识别技术应用在铁路系统

人脸识别技术应用在铁路系统

由于铁路系统部门众多、地点分散，现场环境复杂，日常维护非常困难。随着铁路系统信息化改革的不断深入，智能人脸识别技术已经广泛的应用在铁路系统。本铁路人脸识别技术监控方案可让操作员和各部门领导可利用铁路系统现有的计算机网络和办公微机，在调度中心或者当地机务段实现对全部监控现场或者当地的道口，车站和铁路沿线环境的监控，大大减轻日常人员巡视的工作量，便于及时发现危险隐患，保障安全运行。

智能人脸识别技术的功能，主要体现在以下几个方面：

1.通过智能人脸识别技术能及时了解站内的人流量（高、中、低），另外根据客户需求还可以增加计数功能，对站内的进出人员进行统计。

2.站内轨道检测，对于铁轨上的异常物体或人员跳入铁轨现象检测，如发现情况，及时报警。3.站台安全线功能，对于一些候车乘客候车不守规，跨越安全线候车，现场警告。4.路段检测，对于非法人员盗窃铁轨或破坏轨道设施先行检测。5.站内出现突然加速和倒地现象检测。6.与铁路其它系统配合使用，实现无缝整合。

其它监控的功能，主要是前段使用摄像机或云台和编码器配合使用，实现数字化传输和存储。主要监控一般性场所。

华天成人脸识别技术功能特点： 1.监视和录像功能

利用安装在监视目标区域的摄像机对生产设备和环境进行监控和录像，并将被监视目标的动态图像传输到监控中心，监控中心可通过网络控制实现对监控主机的各种控制。

监控中心、铁路站运行维护人员通过业务台或监控主机对站内监控范围的目标区域中设备或现场进行监视，同时在业务台或监控主机上完成对前端设备的控制（左右、上下、远近景、调焦等），画面切换的控制和录像控制。

监控中心可通过系统的浏览功能查看监控中心或下属的管理的录像或图片。

2．报警功能

报警类别：消防报警、防盗报警、动态检测、智能分析报警系统实现告警录像，同时传送报警信息和相关图像至监控中心，并自动在地理区域图上或相关表格进行提示，显示报警的内容和具体位置。

系统告警时能联动相关设备，如灯光、警笛等。当发生报警时，能把报警信息发送到指定的移动电话上。

3．控制功能

对系统被授权的用户，可以进行对应权限的操作（设备和系统设置、云台控制等）。如被授权的网上任一操作人员能对任一摄像点进行控制，实现对摄像机视角、方位、焦距、光圈、景深的调整，进行云台的预置和控制。

人脸识别技术应用方案：

第12篇：公证处探索人脸识别防欺诈

公证处探索人脸识别防欺诈

北京日报讯（实习记者 王维维）昨天是我国《公证法》颁布实施六周年。记者从周末召开的首都公证事业发展论坛上获悉，为应对日益增加的骗取公证书谋取利益案件，避免欺诈公证的风险，有公证处准备探索引入人脸识别系统帮助识别身份。

据北京市方圆公证处副主任吴凤友介绍，随着《公证法》的颁布实施，公众办理公证的意识逐年提高，目前全市公证机构年办理60余万件公证事项。其中，民事公证增长最快。目前，首都公证事业已走过了六十年，公证机构也由原来的行政机关变成了一个独立执业的、具有民事主体地位的法人单位，在执业过程当中所产生的责任也要独立承担。尤其是在房产等迅速升值的同时，巨大的财产利益考验着社会诚信系统，欺诈公证、骗取公证书谋取利益的情况层出不穷，成了公证机构最大的困扰。

记者了解到，在婚姻法司法解释

（三）正式实施后，夫妻间婚前婚后公证房产的案件也有所增加，导致欺诈公证、骗取公证书谋取利益的案件也有所增多。如在办理银行的抵押贷款时，房产可能属于夫妻一方，也可能是共同财产，这时，公证机构在审查婚姻状况时要求配偶进行表态，就会遭遇通过造假结婚证，雇人客串配偶等欺诈公证。甚至有些不法分子公然就在公证处的门前，当场培训如何作假对付公证人员的技巧。据介绍，市司法局和市公安局已经联合发文，对于在办理公证过程中提供假证件或者是身份造假骗取公证书的行为，要予以严厉的制裁和打击。目前为防假，公证机构都安装了二代身份证识别系统，实时录像刻录系统，对于办理财产公证，当事人必须现场拍照。但是，公安系统的个人相关信息，比如身份证件的核对，公证部门都必须付费才能查询。这在某种程度上，延长了公证办理的时间，也使得公证的程序将安全防范欺诈当成第一要求，快速服务则退居其次。

吴凤友副主任说，目前全市公证机构都设置了现场录音、拍照系统，并借鉴法院的庭审刻录系统，全程对公证过程进行同步录制。虽然不能杜绝不法人员欺诈公证的欲望，但至少可以用声画影像证明公证过程和认定事实，一定程度上规避被欺诈的风险。他透露，作为本市成立最早、规模最大的公证机构，方圆公证处正准备探索引入人脸识别系统，改变以往只靠肉眼对照身份证进行识别的不足。

据悉，市司法局和市公证协会举办的首都公证事业六十年成果巡回展也正式拉开帷幕，真实记录、反映首都公证工作60年来发展情况的展览将在全市25家公证处巡展。此外，从昨日起，全市25家公证机构也根据市司法局的统一部署，深入各企业、社区、村庄，以组织专题讲座、发放宣传材料、现场解答群众咨询等形式，开展公证法律咨询和宣传活动，讲解、宣传公证法律知识，解答群众关心的婚姻、继承、房产转让等法律问题。

第13篇：语音识别技术调研报告

语音识别技术的原理和应用

语音识别技术就是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的高技术。其目标是将人类的语音中的词汇内容转换为计算机可读的输入，例如按键、二进制编码或者字符序列。语音识别技术主要包括特征提取技术、模式匹配准则及模型训练技术三个方面。

在语音识别的特征提取过程中，主要有语音信息量大，语音的模糊性，重音、音调、音量和音速的变化，环境噪声和干扰等难点。导致语音识别在互联网和传媒行业一直没有得到广泛的应用。但是近几年来，借助机器学习领域深度学习研究的发展，以及大数据语料的积累，硬件的性能的提升和算法的改进，语音识别技术得到突飞猛进的发展。例如音频指纹技术和音频二维码技术等。下面本文具体讨论这两种技术。

音频二维码 音频二维码技术

二维码技术经过多年的发展，已成为大家耳熟能详的名词了。二维码取代传统的键盘树盘输入技术的部分功能，成为互联网行业的第二大入口方式。但是普通的二维码技术只是将文本信息进行加码和解码。这导致二维码只能传输普通的文本信息。如果将音频技术和二维码的概念相结合，利用声音实现终端之间的近距离信息传输，那么毫无疑问音频信息将成为互联网行业的第三大入口方式。

音频二维码技术采用仿生学技术，利用声音实现文件的快速传输。采用跨平台的技术，实现手机、电脑、智能机顶盒等智能设备间的图片、文字、链接的传输。音频二维码技术能在一定程度上取代图像二维码、近磁场传输和蓝牙等技术。

2012年底蛐蛐儿创始人朱连兴开发了一套音频二维码的引擎，名字叫蛐蛐儿SDK。在朱连兴推出了蛐蛐儿SDK之后，音频二维码的开发也变的比以前更加快速和简单。蛐蛐儿通过声音传输的不是文件，而是在发送端生成一个四位的二进制数。这四位二进制数是待发送文件的ID。发送端向接收端发送的其实只是上述生成的ID。发送端在向客户端发送ID的同时向云端发送ID和数据。在接收端接收到ID后，通过该ID向云端获取对应的数据。

音频二维码应用

音频二维码的应用非常广泛。音频二维码通过声音传递信息。广播和电视也通过声音传递信息。如果结合音频二维码技术和广播电视技术，将使二者相得益彰。音频二维码可以使广播电视用户不再是单一的受众，也是参与者。通过音频二维码可以让用户的手机等终端设备接入电视屏幕或者广播。用户在欣赏电视节目或者收听广播节目的同时，也可以通过手持终端参与节目互动环节。这会在给用户带来更好体验的同时，拉动广播电视行业的收视率和收听率。

例如在非诚勿扰的节目播放结束时，孟非不需要说那么长的一串话让观众知道如何来报名参加非诚勿扰，只需要说“欢迎在听到嘀声后报名参加非诚勿扰”就可以了。观众的终端在听到嘀声后解析相应的内容，获取到报名所需要的电话号码和电子邮箱。观众可以任选一种进行报名。这样观众再也不需要拿笔和纸去记录这些信息了。

观众在观看好享购频道的时候，在一个节目结束的时候插入一个声音。观众的手机在听到这个声音后自动解析购买此商品的号码，用户按拨号键就可以直接购买自己想要的商品。使用了音频二维码技术，用户便从对着电视屏幕记录购买号码中解脱出来了。

不像电视技术同时通过声音和画面来传递信息，广播技术只能通过声音来传递信息。所以在广播行业中，尤其需要其它的手段让听众接收信息。在这个需求下，音频二维码技术变得尤为重要。

通过音频二维码技术，广播和电视可以向用户推送广告，例如团购消息、好享购商品信息以及商场打折券等等；可以向用户推送增值服务，例如天气预报、银行还款等等；可以向用户发起投票活动；还可以允许用户分享这些内容到各大社交论坛，吸引物联网用户的眼球。

缺点

蛐蛐儿SDK采用的是人耳可以听到的四千到一万伏的频段。这导致非常容易被周围环境中的噪声干扰。经过测试，该SDK在咖啡店和火锅店等公共场所中，在两米以内的传输率能达到百分之百，距离越远，传输率越低。蛐蛐儿SDK采用的是人耳听觉范围内的音频，这对于广播电视行业来说是个缺点。因为在原本纯内容的声音信息中加入了其它的对人耳来说无用的声音，可能会让观众无法接受。这个问题可以通过采用超声波或者次声波来代替可听波来解决。但是如果采用超声波，会显著增加功耗，并且不能绕过障碍物。在电视前站一个人将把所有信息拒之门外。并且某些频率的次声波对人体产生的危害非常大。所以确定音频的频率是一个非常重要的研究。

音频指纹 音频指纹技术

音频指纹技术是一种通用音频处理技术。它能根据音频对象的特征准确识别该对象的信息。音频指纹是音频对象简短的摘要。音频指纹技术在音频对象和指纹之间建立一种映射关系。通过这种机制，不需要通过比较较大的音频对象本身，而是通过比较相关的指纹，就可以确定音频之间知觉平等的关系。

音频技术的研究起步较早，现在已发展的非常成熟。音频指纹的研究主要有两个方向。一是基于水印嵌入的指纹方法。周鸿飞提出了一种基于混沌和系数均指统计特性的音频指纹方案。首先使用用户信息生成混沌映射初值，然后应用混沌方法把混沌映射初值生成用户指纹，再根据小波系数统计恒定特性将指纹嵌入到每帧中。这种方法具有一定的鲁棒性，但是需要嵌入多余的数据。另一种是基于内容的指纹方法。Haitsma J.提出了一种鲁棒的音频哈希指纹方法，对相邻2帧提取频域能量的差异作为哈希指纹。

音频指纹应用

音频指纹起步较早，应用也非常广泛。目前应用最广的领域是音乐播放软件中。根据音乐的旋律能够准确识别歌名歌手等信息。飞利浦公司研制了一款手机软件。只要把手机贴近正在播放歌曲的收音机，不出三秒钟的时间就能记下这首歌曲的音频指纹。然后手机可以通过该音频指纹去音频指纹数据库寻找匹配的歌曲。酷我音乐也采用了这种技术实现了类似的功能。

音频指纹也可以应用到电视媒体中。例如可以使用音频指纹对电视广告进行检测。商业公司可以检测电视台的广告是否按合同规定播出。媒体研究机构和广告策略公司可以统计广告的信息，对其进行整理和数据挖掘。

音频指纹还可以用于版权控制。版权所有者可以对广播和电视进行音频指纹采集，然后根据音频指纹对比音视频数据库，找到该音视频，进而挖掘传播者是否具有该音视频的版权。

音频指纹也可以用于向电视和广播用户的终端推送服务，增加与用户的互动。例如用户的手机接收到特定的音频指纹后就打开web浏览器，转到一个URL。该URL可以是与用户互动的投票系统，也可以是广告，或者是一些增值服务。

音频指纹同样也可以用于物联网行业。当用户上传或者下载音频的时候，首先传递该音频的指纹。如果发现已存在该音频，将直接完成此次下载任务。达到秒级的用户体验。

总结

随着技术的迭代更新，语音识别技术也会越来越完善和先进。其应用背景非常广泛，其商机也无限大。可以预测在近五到十年内，语音识别系统的应用将更加广泛。各种各样的语音识别系统产品将出现在市场上。人们也将调整自己的说话方式以适应各种各样的识别系统。

第14篇：汉王人脸识别考勤机操作流程简介

汉王“人脸通”操作流程

1、固定考勤机的高度与位置（必须在室内避光的地方，高度必须按图纸上的尺寸安装）并在一边贴好“注意事项”。

2、在电脑上新建一个文本文件，文件名必须改为：userlist，打开userlist文本文件录入工号和名字，工号和名字中间用“TAB”键隔开，输完一个工号和名字回车换行，再输入别的工号和名字，切记不能有多余的空格和回车！

3、把userlist文件拷贝到U盘里。

（userlist文件必须是唯一的；用户在建立完Userlist文件后，要妥善保存该文件，当用新员工入职的时候，在原由的文件上增加，如果重新建立该文件的话，有可能造成原用户姓名丢失；Userlist文件中的工号前不需要加0，如果加了，软件也会自动给清楚掉的。）

4、在考勤机上设定一个管理员（最好设两到三个管理员）。

5、管理员把“工号和姓名列表导入到设备”中。

6、登记人脸：登记用户时，输入工号就会显示出中文姓名，对照工号和姓名不定期采集人脸数据；（一定要按照注意事项中提示来登记，如果是带眼镜的客户，最好是戴眼镜录一半不戴眼镜录一半）人脸到摄像头的距离为30-80CM之间。

7、所有员工登记完后，管理员用“U盘”导出所有用户，会在U盘上自动保存一个userall的文本文件。

8、安装汉王人脸门禁考勤管理软件，注意：安装默认的路径中盘符可以修改，其它的不要修改。软件只能在windowsXP下运行！

9、在“设备管理”中添加一个设备，默认IP为192.168.0.210、打开“员工管理”选“导入”再选“从文本文件导入”找到U盘或硬盘里的“userall”文件，点“打开”即可导入所有用户的信息。

11、修改和添加部门名称，刚开始导入的用户默认都在“未分配人员”中，可以给员工分配部门，以便日后方便管理。

12、班次设置：根据不同的单位上班情况来设置。如：正常班，倒班，签到班等。

13、排班与出勤调整（注：只有给员工排班后才可以生成报表！）

14、开始考勤（做好保护设施，防止有人故意破坏设备）

15、月底导出考勤记录到U盘，再从软件中：记录下载 / 选择一个设备 / 从文件接收 / 选择Time文件，即可接收考勤记录。

16、记录处理与报表，生成报表以及考勤记录、门禁记录查询等。

（月底注意：在导出本月考勤记录后，保存到电脑上，并在下个月考勤前把设备上本月考勤记录删除，以便下个月考勤记录操作不受影响，否则数据太大造成操作缓慢！）

第15篇：人脸识别考勤机简单使用说明

考勤机软件简单使用：

使用方法：

 贵学校采用定时签到的考勤方式，因此需要班次类型为“签到班”。

 已在管理电脑考勤软件【班次设置】上设定了签到班的多种签到班次形式。

 在【人员排班设置】里把每个人的班次设上，（鼠标左键选定需要排班的日期，也可左

键拖动选择连续的多个天数），暂全部设置为“正常签到班”，周日不选，为空白。周六设为“周六签到班”。

 每天可根据教师课程表，把某老师某天的{人员排班}设置为“上午第一节有课”“上午

第四节有课”“下午第一节有课”“下午第四节有课”“周六上午第一节有课”“周六上午

第四节有课”等类型，（单天排班变更方法：在【人员排班设置】里，选中需要更改的那个老师的日期，单击鼠标右键，在弹出对话框中点选所需的班次类型。

 请假一天需要在【出勤记录调整】中，选择某人某天，单击右键选择请假类型即可；请

假半天需要在【人员排班设置】里选择对应班次类型即可。

 统计签到次数可在【统计报表】里点击【签到班个人统计报表】标签，点击【记录处理】

即可；统计所有人需要在【部门】里选择{未分配}，工号姓名不填。

 统计后点【导出数据】选‘Excel文件’，然后打开导出的电子表格文件，删除其他无用

信息，在某列填上“缺签数”，输入公式（应签到减实签到），拖动鼠标填充整列，就得出“缺签数”。

考勤管理须知：

 人脸识别考勤机在现阶段能有效替代代签问题

 对于有规律有规则的考勤方式，可减少考勤管理人员的工作量

 对于不确定的班次需要根据当天的教师课程排班表，由考勤管理人员手工录入当天排班

班次，否则需要更改学校考勤制度，全体教师按时参与机考，可大大减少考勤管理人员的工作量。

 熟能生巧，每一项新事物都需要一定时间去磨合去适应。

 管理软件需要定时从考勤机下载“下载设备记录”“从设备导入人员”

 管理软件数据需要做好备份工作

第16篇：看守所人脸识别应用解决方案

看守所人脸识别应用解决方案

近几年，我国 发生的越狱事件频发，有些犯人越狱手段极其恶劣，不仅将狱警杀害，甚至砍下手指进行指纹识别开锁，看守所的安全防范刻不容缓。传统的钥匙控制出入也存在遗失、盗用的风险，相关专家认为，更安全可靠防范的还是使用智能的看守所人脸识别更加可行。利用看守所人脸识别，精确分析每个人的面貌特征进行识别，从而得到有效的管理制度。

众所周知，人脸识别系统是一款通过人脸的特征进行认证的生物识别认证系统。其主要原理为：利用计算机图像处理技术从图片中提取人像特征点，利用生物统计学的原理进行分析建立数学模型，即人脸特征模板。利用已建成的人脸特征模板与被测者的人的面像进行特征分析，根据分析的结果来给出一个相似值，通过这个值即可确定是否为同一人。系统具有如下特点：

(1)安装简单，可以直接在现有高清系统改造完成(2)非接触性，人与设备无需接触

(3)认证速度快，一般情况在1秒内完成认证

(4)具有并发认证能力，能同时对多个人物进行识别。

正因为以上特性，其在哈尔滨延寿县看守所两个技防漏洞方面具有天然的优势解决方案。笔者通过北京众智益华公司的人脸识别-“陌生人”防范系统，人脸识别门禁系统两个热销产品来详细的讲解如何自动实现防范弥补以上两个漏洞的出现。

一，从曝光的视频可以看出案犯是尾随狱警到了值班室内，并杀害了民警，化妆成民警出现到了出入口，大门口等不该出现的地方。北京众智益华的人脸识别-“陌生人”防范系统可以有效的解决此问题。其具体实现原理为：通过把可以在本地方(通道，大门口，值班室等)出现的人照片加入到白名单图库里，人脸识别系统会自动识别出现在摄像机镜头里的是白名单里的人，还是非白名单里的人，一旦发现非白名单的人系统会自动进行报警提示。报警内容主要通过：(1)声音提示，比如在发现非白名单人出现的现场(通道，大门口，值班室等)，或其他有武警值班的室内进行语音报警提示，一方面对违规人员进行威慑警告，另一方面提示有关人员进行人工干预。(2)手机报警，一旦发现非白名单人员出现在敏感区域(出入口，大门口，某些门禁口)，系统会自动通知安装手机客户端的用户(看守所领导等)，让不在现场的人员也可以第一时间知道，并及时做出预案。通过以上布防，即使出现人为违规也同样能起到防范的作用，杜绝哈尔滨看守所的重大事故发生。

二，关于门禁，央视曝光视频可以看到，其实一般看守所里是有AB门的，但是案犯照样可以进出，从曝光视频看到案犯翻屉子和柜子可以联想看出，也许案犯是通过杀害民警后找到了钥匙进行了出入。北京众智益华的人脸识别门禁系统可以很好的解决这个问题。北京众智益华人脸识别门禁是通过2.4G无线卡+人脸的认证方式进行开门认证的，即使找到了无线卡而非本人(本系统同时具有活体验证功能)也不可能打开门禁。同时通过和称重系统相结合，即使案犯夹持民警尾随出入也照样无法打开门禁，反而会引发报警，及时让其他民警进行预案处理。通过哈尔滨延寿县看守所事件以及一些国内外其他越狱事件可以看出，凡是越狱分子都是危害极大的犯罪分子，他们在犯罪后不自我反省以及自我改造，而是穷凶极恶的进行越狱，这样的人一旦逃脱对社会的危害极大。而传统的监控系统以及安防系统有极大的缺陷需要人防补充，但人毕竟不是机器，有所疏漏不可避免。自动化智能的识别系统能很好的防范这些人防漏洞的存在，特别是以人脸识别系统为代表的生物智能识别更应该早日应用在这些敏感单位，杜绝为社会造成极大伤害的事件发生，同时也保障民警，武警等个人的生命财产安全。

看守所推出了一套全新人脸识别比对访客管理系统，其主要功能为通过人脸辨识系统，可以自动捕捉访客人的人脸，并对人脸进行分析，自动辨识陌生到访客人或是内部员工，系统连接到看守所内网，与会客系统交互数据，可联动控制人脸识别和门禁出入系统。

系统组成方式

本监狱访客管理系统主要由ca2身份信息安全管理系统和动态人脸抓拍比对系统组成。ca2身份信息安全管理系统，内置身份证验核系统，由以下4个子系统组成 ①身份登记验核系统：该系统可以连接到全国公民身份证号码查询服务中心，对探访人的身份信息进行核查。

②证件扫描录入系统：支持身份证等不同证件的扫描及信息的录入。

③身份信息管理系统：存储，管理探访者的身份信息，对访客探访时间点，探访时间长度等重要信息的查询。

④电脑通讯模块组成：可以连接到对接的网络，实时网络数据查询。人脸识别身份验证系统是监狱探访管理系统重要组成部分，主要由动态人脸抓拍系统，人脸比对系统，比对服务器，人等其他辅助设备组成。人脸识别访客管理系统主要由3部分组成，如下：

（1）摄像机：在探访区的各个楼层入口处安装专用人脸抓拍摄像机，正对着门口，拍摄每个进入该区域的访客的人脸。专用摄像机采用双镜头，一个镜头用来抓拍彩色照片，用于显示画面交互使用；另外一个镜头用于抓拍黑白照片，可以屏蔽照片背景，用于人脸照片比对过程中使用，从而达到提高比对的准确性。

（2）人脸抓拍主机：摄像机连接到人脸识别主机，人脸识别主机将处理摄像机拍摄到的人脸图像，并将人脸数据通过网络，传输到后端的系统服务器。

（3）人脸比对服务器：接收前端的人脸抓拍主机获取的人脸照片，并对人脸照片进行特征分析，获取人脸特征值，并通过人脸比对系统，进行比对，从中抽取近似值最高的若干张照片，并输出比对结果，联动看守所门禁控制器，控制探访区门禁出入系统。

方案概述

监狱大门及AB门是看守所与外界交接的重要部位。为严格控制监舍区，生产区人员出入，防范罪犯逃脱，实现有效的统一指挥，确保看守所的安全，在监狱大门及AB门安装智能人脸识别管理系统。

监狱人脸识别门禁管理系统由6个子系统组成：看守所外大门门禁管理系统;干警信道门禁管理系统;会见家属信道门禁管理系统;考勤系统;在押罪犯面像管理系统。

人脸产品、电锁、出门开关、报警装置等，全部链接至控制器上，由控制器进行出门权限控制。人脸产品、控制器、监控视频等都通过网络和控制计算机链接在一个网络中。

人脸识别型智能看守所门禁及访客综合管理系统解决方案将介绍一个全新的看守所安防系统，在安全防尾随系统的基础上结合先进的技术，对探监人员及监狱中的人员及干警进行权限设定和验证通过，确保看守所安全。

第17篇：人脸识别上网行为管理解决方案

人脸识别上网行为管理解决方案

一、上网行为管理产品产生的背景

在Internet飞速发展的今天，网络已成为企业、个人的重要应用，但在应用当中，儿童使用电脑时长不受控制？机密文件密码保护易被破解？各种登陆密码记不住？电脑被偷窥？还有什么PC应用问题让你担忧呢„„为解决以上一系列的问题，基于人脸识别技术的上网行为管理产品应运而生。

二、人脸识别上网行为管理产品给用户带来的价值

人脸识别上网行为管理产品带来了全面的互联网行为管理解决方案。它能够通过“刷脸”登陆电脑系统、开启重要文件、远程教育者身份认证、养老金领取身份认证、宝贝电脑应用系统权限控制和时间控制„„

1、父母为电脑开机设置N多复杂密码，孩子总会轻易破解，如果采用人脸识别上网行为管理，不用设置任何密码，只需要“刷脸”身份认证，又能控制孩子上网时长。

2、基于人脸识别技术的摄像头不仅仅只是聊天的工具，更能你杜绝艳照门事件的发生

3、企业重要岗位或个人机密文件更多的是用密码保护，但很容易被破解。采用人脸识别上网系统，当你离开坐位时，屏幕会自动锁紧，返回坐位，电脑只会认识你，只有你“刷脸”才能打开电脑

管理人员刷脸进入系统

4、

第18篇：汉王人脸识别考勤机快速操作指南7

汉王人脸识别考勤机快速操作指南7.0

1.人员注册: ：在机器上按“MENU”—>管理员验证，进入系统—>登记用户

—>输入“工号”按OK—>人脸图像采集，完后按OK保存。第一次使用设备，管理员均未设定，按MENU，选择管理员配置，进入配置管理员模块 2.设备连接: 安装完软件（软件安装，参照光盘目录使用说明书），打开软件

（用户名和初始密码均为Admin）点击“设备管理”—> “添加设备”—>输入“设备号”，“名称”，“设备类型”，“IP地址”—>按“添加”。双击设备信息,测试设备是否连接,若已连接,则“连接状态”显示为“已连接”。然后点击“下载/上传数据”—>选中设备—>“导入设备人员信息”—>“查看设备所有员信工”,在左下角选中所有员工，按“下载至本地数据库”将员工信息从设备接收下来—>“全部保存”

3.人员修改：点击“人员管理”—> “添加”—>“添加同级部门”或“添加

下级部门”—>“输入部门名称”保存。，在“未分配”里面，选中要分配的人员，点击“员工调动”，把员工添加到相应的部门，然后在其部门修改员工的信息。

4.班次及考勤规则设置：点击“工作时间段管理”-—>“新增时段”—>输入

“时段名称”，“上班时间”，（根据上班的时间，在出勤时间段中输入相应的时间点，单击确定。）—>保存。进入“班次设置”—> “添加班次”菜单，单击添加需要的班次。在弹出的窗口中输入班次名称，班次类别，班次信息（根据情况需要选择相应的周期数，通过“插入时段”把合适的时间段插入到相应的时间内），考勤规则，单击保存完成班次属性设置。具体操作说明可参照光盘目录的使用说明书。

5.人员排班: 点击“人员排班设置”—>选择要排班的员工（部门或直接输入

工号姓名-查找员工）—>在人员信息表选中要排班的人员—>点击“人员排班”（针对规则排班，若是不规则班次则选择“不规则排班”）—>选中需要的班次—>“添加排班”然后关闭

6.记录采集: 点击“下载/上传数据”—>刷新设备，选择采集记录的日期—>

“下载设备记录”。可进入“考勤记录查询” , 选择部门，记录开始结束时间，单击“查询”，查看考勤的明细记录。

7.生成报表并打印或导出：点击“统计报表”—>选择部门，日期，报表的形

式—>“记录处理”，完成后，系统根据处理的结果显示该报表的信息。单击“报表预览”窗口工具栏打印,进行报表的打印或点击“导出数据”用EXCEL格式存储。

8.数据备份：在导航栏的“其他”单击“备份数据库与还原—>选择“备份数

据”—>选择保存路径—>点保存—>备份成功。（提示：建议经常备份数据库，以免电脑故障造成系统无法使用时，可重装后将此备份数据库恢复，减少工作量。）

第19篇：使用人脸识别考勤机考勤的体会

使用人脸识别考勤机考勤的体会

为了进一步严肃考勤纪律，杜绝员工互相代打卡现象，公司在经过反复调试与试用后，于2013年5月2日起，正式启用人脸识别考勤机考勤，推行新的考勤方式后，代打卡的现象得到了全面控制。

从之前常常发生的代打卡现象到如今代打卡现象的取缔，反映出制度化管理对企业的重要性，我们常常说“在制度面前人人平等”，就是要保证企业在制度执行上的公正性与严格性。

但是，如果制度本身制定的过于严格、苛刻，不尽人情，在执行中往往就会暴露出很多问题，并可能会严重影响员工的士气和工作积极性。因而，在制度的制定过程中，充分考虑到员工的心理承受力，使制度本身保持适度的弹性也是十分必要的。

我公司现行的考勤制度中，关于“迟到一分钟不算迟到的规定”能体现出制度中的“人文化关怀“，这样既可保证公司考勤制度的刚性，又使其具有了一定的弹性。在避免员工互相代打卡的同时，使员工的工作效率得到提升。

人事部：张红花

2013年5月24日

第20篇：人脸识别技术发展及应用分析解读[推荐]

人脸识别技术发展及应用分析

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。用摄像机采集人脸图像，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的一系列相关技术处理，包括人脸图像采集、人脸定位、人脸识别预处理、记忆存储和比对辨识，达到识别不同人身份的目的。

市场现状

人脸识别技术的研究始于20世纪60年代末期。20世纪90年代后期以来，一些商业性的人脸识别系统逐渐进入市场，但是，这些技术和系统离实用化都有一定距离，性能和准确率也有待提高。

美国遭遇恐怖袭击后，这一技术引起了广泛关注。作为非常容易隐蔽使用的识别技术，人脸识别逐渐成为国际反恐和安全防范重要的手段之一。近年来，人脸识别在中国市场，也经历着迅速的发展，而且发展的脚步也越来越快。主要原因有以下两方面。科技的进步

国际上，美国标准与技术研究院（NIST）举办的Face Recognition Vendor Test 2006，通过大规模的人脸数据测试表明，当今世界上人脸识别方法的识别精度比2002年的FRVT2002至少提高了一个数量级（10倍），而对于高清晰，高质量人脸图像识别，机器的识别精度几乎达到100%。在我国，近年来科技界和社会各个方面都认识到人脸识别技术的重要性，国家政策对人脸识别技术研究给予了很大支持，使得我国人脸识别技术也得到了迅速的发展。应用需求的增加

越来越趋向于高科技的犯罪手段使得人们对各种场合的安全机制要求也近乎苛刻，各种应用需求不断涌现。人脸识别市场的快速发展一方面归功于生物识别需求的多元化，另一方面则是由于人脸识别技术的进步。从需求上来说，除了传统的考勤、门禁等应用外，视频监控环境下的身份识别正成为一种迫切的需求，即在一个较复杂的场景中，在较远的距离就识别出特定的人，这显然是其它生物识别方法所欠缺的，而人脸识别却是一个极佳的选择。技术历程

国家“十一五”科技发展规划将人脸识别技术的研究与发展列入其中，明确指出：“要在生物特征识别技术领域缩小与世界先进水平的差距，开展生物特征识别应用技术研究，开发具有高安全性、低误报率的出入口控制新产品。”在这种环境下，国内一些科研院所和院校在人脸识别技术方面取得了很大进展。如中科院自动化所，清华大学，中科院计算所自主开发的人脸识别技术已经达到了国际先进的水平。

传统的人脸识别技术主要是基于可见光图像的人脸识别，这也是人们最熟悉的识别方式，已有30多年的研发历史。但这种方式有着难以克服的缺陷，尤其在环境光照发生变化时，识别效果会急剧下降，无法满足实际系统的需要。解决光照问题的方案有三维图像人脸识别，和热成像人脸识别。但目前这两种技术还远不成熟，识别效果不尽人意。

最近迅速发展起来的一种解决方案是基于主动近红外图像的多光源人脸识别技术。它可以克服光线变化的影响，已经取得了卓越的识别性能，在精度、稳定性和速度方面的整体系统性能超过三维图像人脸识别。这项技术在近两三年发展迅速，使人脸识别技术逐渐走向实用化。[nextpage] 可见光人脸识别技术

可见光是光谱中人眼可以感知的部分，可见光谱没有精确的范围，一般人的眼睛可以感知可见光的波长在400到700纳米之间。作为可为人眼感知的光源，也是生活中最常见的光源。因此，传统的人脸识别技术主要基于可见光图像的人脸识别，这也是人们最熟悉的人脸识别方式。

为了克服受环境光照的影响，学术界做了大量的研究和技术开发。对可见光人脸识别系统进行了大量改进,以减轻环境光照的影响，目前也取得了一定的进步。

多光源人脸识别技术

在自然界中，除人眼可见的光线外，还存在着红外、紫外等不可见的光线。为了克服可见光因环境因素而变化的影响，相关企业做了大量的研究和技术开发。基于红外与可见光融合的多光源人脸识别方法是人脸识别技术的一项革命性创新，目的在于消除可见光变化对人脸识别的影响。

可见光图像受光源影响较大，而单纯的红外图像可以独立光源，但对温度变化比较敏感，而红外与可见光融合的多光源人脸识别方法，被证明比任意单一光源的识别更有效。它是一种基于融合红外与可见光图像的人脸识别方法，对红外与可见光人脸图像分别采用PCA与线性辨别分析相结合的方法进行特征提取和识别，并利用获得的识别结果与它们各自的置信度进行决策融合，并确定最终的人脸识别结果。实验表明，可以有效提高人脸识别性能和对各种应用环境的适用性。技术优势

人脸识别较之于其它生物识别技术，在社会公共安全领域的应用，具有更明显的优势。

首先是其自然性，该识别技术同人类（甚至其它生物）进行个体识别时所利用的生物特征相同。例如脸部识别，人类也是通过观察比较人脸区分并确认身份的，另外具有自然性的识别还有语音识别、体形识别等，而指纹识别、虹膜识别等都不具有自然性，因为人类或者其它生物并不通过此类生物特征区别个体。

其次是其不被察觉性，不被察觉对于一种识别方法也很重要，这会使该识别方法不令人反感，并且因为不容易引起人的注意而不容易被欺骗。人脸识别具有这方面的特点，它完全利用可见光获取人脸图像信息，而不同于指纹识别或者虹膜识别，需要利用电子压力传感器采集指纹，或者近距离采集虹膜图像，这些特殊的采集方式很容易被人察觉，从而更有可能被伪装欺骗。这一特点特别适用于逃犯跟踪系统。

再则是其非接触性和唯一性，使其更加适合运用于公安刑侦系统，门禁考勤系统，网络应用系统等。应用前景

目前生物识别技术已广泛用于政府、军队、银行、社会福利保障、电子商务、安全防务等领域。例如，一位储户走进了银行，他既没带银行卡，也没有回忆密码就径直提款，当他在提款机上提款时，一台摄像机对该用户的眼睛扫描，然后迅速而准确地完成了用户身份鉴定，办理完业务。这是美国德克萨斯州联合银行的一个营业部中发生的一个真实的镜头。而该营业部所使用的正是现代生物识别技术中的“虹膜识别系统”。此外，美国“9.11”事件后，反恐怖活动已成为各国政府的共识，加强机场的安全防务十分重要。美国维萨格公司的脸像识别技术在美国的两家机场大显神通，它能在拥挤的人群中挑出某一张面孔，判断他是不是通缉犯。

随着技术的进一步成熟和社会认同度的提高，人脸识别技术将应用在更多的领域。

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，国际民航组织（ICAO）已确定，从2010年起，其118个成员国家和地区，必须使用机读护照，人脸识别技术是首推识别模式，该规定已经成为国际标准。中国的电子护照计划公安部一所正在加紧规划和实施。

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，如果用户卡片和密码被盗，就会被他人冒取现金。如果同时应用人脸识别就会避免这种情况的发生。

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。但是使用生物特征，就可以做到当事人在网上的数字身份和真实身份统一，从而大大增加电子商务和电子政务系统的可靠性。人脸识别产业的发展

这些年来我国经济发展日新月异，政府各部门对利用新技术解决关键问题热情支持。人脸识别技术广泛应用到电子护照、生物特征身份证、银行系统、公安系统、电子商务、电子政务等系统中，不但可以提高社会运行的效率，也可以大大增强公民日常生活的安全性。这将是一件功在当代利在千秋的好事。发展人脸识别技术离不开标准化工作。目前人脸识别标准化工作在公安部一所、电子技术标准研究所和中科院自动化所的倡导下，正在积极进行。这个工作不仅为规范国内技术产品提供标准化规范，也将为中国技术进入国际提供平台。

目前，人脸识别技术的应用还没有做到“普及”，但是不可否认，它已经在开始影响我们的生活。通过一批专家学者不倦的努力，我国的人脸识别技术已经不落后于发达国家。与此同时，市场对可靠的人脸识别技术的需求也越来越迫切。一旦人脸识别得以推广，发展前景将不可**。届时，人脸识别技术本身的发展和应用效果还将有更大的提升，那将为我们的生活带来更多的便利和安全。人脸识别产品选购安装需注意的事项

由于生物识别产品受到外界因素的影响比较大，因而在选购、安装等事项上也需要注意很多问题，而人脸识别产品受环境影响更大则更应该做较多的考虑。

那么在具体的选购安装中要注意的事项有：第一，该人脸识别产品在逆光下的检测结果是否理想。第二，注意该产品数据库的模板建立是否达到要求。理想情况下数据库的模板数量是越多越好，当然在选择的时候只要能达到自己的容量大小就可以了；另外，对最小像素点的要求也需考虑，如双眼要达到100个像素点则比较不错。第三，对产品采集图像的最小角度的要求能否达到自己的预期。若不能达到自己满意的角度则可以不考虑。

除此之外，眼镜对于识别率的影响也应该列入选购范围内，如采集图片的时候双目会不会被眼镜遮挡，若被采集者佩戴较粗的镜框，则有影响识别误差的可能性。还有一个比较重要的因素是，该产品是否具有活体检测功能，对于眼睛的睁开和关闭、眼球的运动等是否会影响到产品的识别误差。

安装的时候需要双向的结合考虑，安装摄像机不能太高，还要考虑软件能适应多少容量，补光情况怎样，对光线下的识别率影响情况如何，是否受偏光的影响较大等，都是需要安装的时候去认真考虑的问题。

以上这些都是检测人脸识别产品好坏的一些标准，希望能给工程商和用户提供一些选购安装的依据。

读书的好处

1、行万里路，读万卷书。

2、书山有路勤为径，学海无涯苦作舟。

3、读书破万卷，下笔如有神。

4、我所学到的任何有价值的知识都是由自学中得来的。——达尔文

5、少壮不努力，老大徒悲伤。

6、黑发不知勤学早，白首方悔读书迟。——颜真卿

7、宝剑锋从磨砺出，梅花香自苦寒来。

8、读书要三到：心到、眼到、口到

9、玉不琢、不成器，人不学、不知义。

10、一日无书，百事荒废。——陈寿

11、书是人类进步的阶梯。

12、一日不读口生，一日不写手生。

13、我扑在书上，就像饥饿的人扑在面包上。——高尔基

14、书到用时方恨少、事非经过不知难。——陆游

15、读一本好书，就如同和一个高尚的人在交谈——歌德

16、读一切好书，就是和许多高尚的人谈话。——笛卡儿

17、学习永远不晚。——高尔基

18、少而好学，如日出之阳；壮而好学，如日中之光；志而好学，如炳烛之光。——刘向

19、学而不思则惘，思而不学则殆。——孔子

20、读书给人以快乐、给人以光彩、给人以才干。——培根

山西智能人脸识别设备项目行业调研市场分析报告

人脸识别设备项目可行性方案

调研精准识别工作汇报

识别介绍信（共4篇）

工资调研报告（共）