人脸识别系统-人脸识别-宣城盛宇智能设施

人脸识别技术这些年已经发生了重大的变化。传统方法依赖于人工设计的特征（比如边和纹理描述量）与机器学习技术（比如主成分分析、线性判别分析或支持向量机）的组合。人工设计在无约束环境中对不同变化情况---的特征是很困难的，这使得过去的研究者侧重研究针对每种变化类型的---方法，比如能应对不同年龄的方法、能应对不同姿势的方法、能应对不同光照条件的方法等。

近段时间，传统的人脸识别方法已经被基于卷积神经网络（cnn）的---学习方法接替。---学习方法的主要优势是它们可用非常大型的数据集进行训练，从而学习到表征这些数据的蕞佳特征。网络上可用的大量自然人脸图像已让研究者可收集到---的人脸数据集，这些图像包含了真实中的各种变化情况。使用这些数据集训练的基于 cnn 的人脸识别方法已经实现了非常高的准确度，因为它们能够学到人脸图像中---的特征，从而能够应对在训练过程中使用的人脸图像所呈现出的真实变化情况。

此外，人脸识别系统，---学习方法在计算机视觉方面的不断普及也在加速人脸识别研究的发展，因为 cnn 也正被用于解决许多其它计算机视觉任务，比如目标检测和识别、分割、光学字符识别、---表情分析、年龄估计等。

2014年是我国人脸识别技术的转折点，使人脸识别技术从理论走向了应用，2018年则是人脸识别技术全方面应用的重要节点，人脸识别，刷脸时代正式到来。

目前，从我---脸识别技术应用来看，主要集中在三大领域：考勤门禁、安防以及金融。

从具体应用来看，主要包含了公共安全领域的---追逃、---识别以及边防安全等；信息安全领域的---职能领域的电子---、户籍管理、社会---和保险；商业企业领域的电子商务、电子货币和支付、考勤、市场营销；场所进出领域的---机要部门、金融机构的门禁控制和进出管理等。