









基于统计的人脸检测技术——通过对于“人脸”和“非人脸”的图像大量搜集构成的人脸正、负样本库,采用统计方法强化训练该系统,从而实现对人脸和非人脸的模式进行检测和分类。
从技术层面,人脸识别改进的办法可从上述三个方面。任何一个细节技术的突破都可能带来识别率的提升改进。
除了上述三个技术层面改进人脸识别,也有很多上游企业在做人脸识别技术改进的研究,如通过在元器件上的改进,提升人脸识别准确率。
人脸识别同样考虑一个场景,人脸考勤。公司 X 有员工 A,B,C,公司会要求三名员工在入职的时候各提供一张个人照片用于注册在公司系统里,静静地躺在特征空间中。
第二天早上员工 A 上班打卡时,将脸对准考勤机器,系统会把当前员工 A 的脸放到特征空间里,与之前特征空间里注册好的脸一一对比,发现注册的脸中距离当前采集到的脸近的特征脸是员工 A,打卡完毕。
知道了人脸识别的基本原理,便能看清它的技术局限。
