1. 首頁 > 生活百科 > >

人臉識別門禁系統的功能 人臉識別功能( 二 )

功能門禁系統



1965年底，bledsoe終于在一臺名為RAND的平板電腦上首次實現了機器人臉識別功能 。
有趣的是，當時bledsoe使用的編程技術是模擬計算核爆的數據 。由于對計算機的癡迷，布萊索開始沉迷于使用計算機而不是人類來識別事物 。后來他和同事Ibn Browning研究出了一種叫N元組的算法，這應該是機器識別領域最早的雛形 。
簡單來說，N元組算法就是教會計算機自動識別無標簽字符的過程 。
這個過程需要先設計一個印刷字符，然后根據是否包含字符的一部分給每個單元格分配一個二進制數:空單元格為0，填充單元格為1 。然后將單元隨機分組為有序對，比如坐標集(理論上分組可以包含任意數量的單元，所以稱為N元組) 。

當計算機遇到一個新字符時，它只是將該字符的網格與數據庫中的其他字符進行比較，直到找到最接近的匹配 。
基于這一理論，計算機可以識別同一字符的許多變體 。更何況這個過程可以用任何圖案，不僅僅是字符 。
當時，bledsoe的夢想是制造一個可以識別一切的機器人 。

1967年，bledsoe離開了當時的公司，他的同事Peter Hart延續了bledsoe的理論，領導了斯坦福研究所的計算機視覺技術 。這項技術被CIA稱為“快速篩選照片和人像數據庫”，據說這項技術可以將計算機搜索人臉的時間縮短100倍 。
在隨后的二十多年里，伍迪·布萊索(Woody bledsoe)在自動推理領域獲得了無數獎項，直到他成為美國人工智能協會主席，但他在人臉識別領域的巨大貢獻卻長期得不到認可 。
布萊索于1995年10月4日去世 。
亞歷克斯·彭特蘭
1991年，人臉特征算法(Eigen face)被應用于人臉識別領域，這是計算機第一次自動檢測人臉 。這項技術由霍普金斯大學的奇洛維奇提出，后由麻省理工學院的亞歷克斯·彭特蘭發揚光大 。
2012年，邦特蘭被《福布斯》評為“全球七大最強數據科學家之一” 。
03
在人臉識別技術的發展史上，2D和3D人臉識別技術共同發展，細分場景，各有千秋 。

目前的2D人臉識別技術可以達到0.1~0.2%的錯誤接受率，但在某些條件下(如光線、墨鏡、角度、表情等)可能會降低 。).
為了克服2D數據的局限性和漏洞，科學家們想了許多辦法來彌補這些缺點 。主要思想是首先確認用戶是一個真實的人，而不是照片或視頻，然后通過使用現有的2D數據和算法進一步識別人臉 。
隨著識別技術的發展，2D人臉識別因其研發時間長、2D人臉數據庫發達、數據采集方便等優勢，已經成為人臉識別的主流技術 。它的成熟度足以支撐日常的商業應用，比如安防、海關系統中的照片比對、門禁等等 。尤其是加入深度學習后，人臉識別的準確率提高到肉眼級別，在金融領域也有廣泛應用 。

而3D人臉識別方法是基于人臉的3D模型，具有立體空的信息，可以有效解決投影過程中遮擋、角度旋轉等識別難點 。同時，極其相似人臉的2D信息在3D立體空中會有很大差異，因此3D技術在雙胞胎識別的準確率上明顯領先于2D技術 。
三維人臉識別可以獲取更豐富的人臉三維信息，得到更準確的識別結果，從而可以更好地控制風險 。適用于安全性要求較高的應用場景，比如第三方支付領域的“刷臉支付” 。
04
2014年是人臉識別技術發展的革命性一年:深度學習理論應用于人臉識別系統 。
我們人類的識別過程是不斷自我學習的 。比如一個外國人初到中國，他會覺得中國人長得都差不多 。過了一會兒，他就能分辨出中國人的五官不同 。這是人類視覺識別的學習過程 。
機器也是如此 。他們還可以通過學習大量的人臉樣本和優秀的算法來增強識別能力 。

今年，全球最大的社交平臺FaceBook(活躍用戶占全球人口的三分之一)開發了一個深度人臉系統:達到肉眼級別的人臉識別技術 。

Deep face是一個基于python語言的面部識別和面部屬性分析(年齡、性別、情感、種族)的輕量級框架 。它的優點是只需要幾行代碼就可以進行面部分析 。
簡單來說，就是用計算機語言對標記的照片像素進行分析，生成一個叫做template的字符串 。當照片和視頻上傳到臉書的系統時，這些圖像將與模板進行比較 。

基于這一技術，用戶可以安心地在臉書上發布自己的個人照片，同時還可以即時獲知自己個人肖像的被盜動向 。
深度人臉系統有效防止不法分子利用他人照片作為主頁頭像進行冒名頂替 。
陰氣
同年，26歲的中國科學家殷琦開始研發人臉識別技術 。兩年后，他開發的“刷臉”技術比facebook的深度人臉識別率還高！

推薦閱讀