2020-08-27
人脸识别测温这几年发展非常重要热门，在人工管理智能领域中，这是少有的算法通过研究和商业模式应用都相当成熟的技术。不过随着技术虽然比较热门，门槛也未见得低，一些新入门的开发者可以对于我们人脸识别系统往往都是存在以及一些教育误区，譬如简单地认为识别率越高，算法越好;可检测的关键点越多，识别比对效果越出色......内行与外行的区别，有时候就体现在能否避开这些误区，接下来我就根据他们自己的积累，分类给大家讲讲。
3.人脸关键点越多，人脸比对效果越来越好?
人脸关键点技术在人脸特征识别的一系列重要环节中，确实可以有所不同应用。但它并不是使用在最核心的人脸比对中，而是在前置的人脸检测信息预处理工作环节中。因此，确保人脸五官基础教育关键点数量及准确性即可，无需一味为了追求过多关键点的数量。
目前主流的人脸识别算法主要依靠人脸特征值的比较。 所谓特征值，即由面部特征组成的信息集合。 我们识别一个人的特征，可能记得他是双眼皮，黑眼睛，蓝头发，塌鼻子...... 但人工智能算法能区分和记忆面部特征远比肉眼能观察到的多。
面部识别算法深入的研究，使用卷积神经网络的学习质量脸图像的，图像输入手段，对不同的提取面部特征向量之间区分，以人工设计的替代特征。每个面具有一组对应于算法，它是根据一个人的面部对准的值的特性。不同的照片是同一个人提取特征值，非常接近，远离不同的人在特征空间特征空间的面孔。
虽然没有直接面对的脸比对关键作用，但在人脸预处理阶段，仍然具有重要的作用。事实上，面部检测提取的，通过改变质量，不同角度的人脸图像。
4.用照片或者一个视频能否可以通过分析人脸识别?
在成熟的识别应用，体内检测技术被添加。所谓生命检测验证用户自己作为一个真正的生活在操作中，可以有效地抵御攻击的照片，视频，金融，政府等无人值守应用的常用手段几乎是标准。
在交互设计方式上，活体检测方法可分为静默式和配合式，配合式发展需要我们结合摇头、眨眼、唇语等方式可以配合，静默式则不需要通过用户配合动作，相比配合式算法层面要求具有更高，体验能够更好。
