人臉實(shí)別系統(tǒng)廣泛采用區(qū)域特征分析算法，融合了計(jì)算機(jī)圖像處理技術(shù)與生物統(tǒng)計(jì)學(xué)原理于一體，利用計(jì)算機(jī)圖像處理技術(shù)從視頻中提取人像特征點(diǎn)，利用生物統(tǒng)計(jì)學(xué)的原理進(jìn)行分析建立數(shù)學(xué)模型，具有廣闊的發(fā)展前景。
隨著人臉識(shí)別技術(shù)的飛速發(fā)展,人臉識(shí)別門(mén)禁的優(yōu)化更進(jìn)一步。目前智之屋人臉識(shí)別技術(shù)的識(shí)別率已不受化妝技術(shù)、人像照片、模型、白天黑夜等外在因素影響。陌生人想要憑借偽裝進(jìn)入社區(qū)大門(mén)難如登天。

人臉識(shí)別(Face Recognition)技術(shù)是一項(xiàng)非常重要的生物特征識(shí)別技術(shù)，同其它的生物特征識(shí)別技術(shù)(如指紋識(shí)別、步態(tài)識(shí)別和虹膜識(shí)別)相比，人臉識(shí)別具有簡(jiǎn)便性、非接觸性和不侵犯?jìng)€(gè)人隱私等特的優(yōu)點(diǎn)，這使得在近年來(lái)，人臉識(shí)別受到越來(lái)越多研究者的關(guān)注，特別是主成分分析方法(Principle Component Analysis, PCA)和線性鑒別方法(Linear Discriminant Analysis, LDA)在人臉識(shí)別中的應(yīng)用之后，人臉識(shí)別在日常生活應(yīng)用領(lǐng)域不斷擴(kuò)大，如出入境檢查、門(mén)禁系統(tǒng)、安檢以及機(jī)場(chǎng)的安檢等方面。

雖然目前人臉識(shí)別系統(tǒng)已經(jīng)取得了較好的識(shí)別效果，但依然受到光照、姿態(tài)、表情變化、發(fā)型、有無(wú)眼鏡和年齡老化等多方面因素的影響。因此，本文對(duì)人臉識(shí)別技術(shù)的研究，具有重要的理論研究意義和實(shí)際應(yīng)用價(jià)值。本文主要針對(duì)人臉識(shí)別中特征的選取和分類的問(wèn)題，提出了一種線性鑒別方法(LDA)和基于稀疏表征的分類(Sparse Representation-based Classification, SRC)相結(jié)合的全局和局部表征集成方法，該方法利用線性鑒別分析方法在子空間上的... 更多

人臉圖像特征提?。喝四樧R(shí)別系統(tǒng)可使用的特征通常分為視覺(jué)特征、像素統(tǒng)計(jì)特征、人臉圖像變換系數(shù)特征、人臉圖像代數(shù) 特征等。人臉特征提取就是針對(duì)人臉的某些特征進(jìn)行的。人臉特征提取，也稱人臉表征，它是對(duì)人臉進(jìn)行特征建模的過(guò)程。人臉特征提取的方法歸納起來(lái)分為兩大 類：一種是基于知識(shí)的表征方法；另外一種是基于代數(shù)特征或統(tǒng)計(jì)學(xué)習(xí)的表征方法。
基于知識(shí)的表征方法主要是根據(jù)人臉的形狀描述以及他們之間的距離特性來(lái)獲得有助于人臉?lè)诸惖奶卣鲾?shù)據(jù)，其特征分 量通常包括特征點(diǎn)間的歐氏距離、曲率和角度等。人臉由眼睛、鼻子、嘴、下巴等局部構(gòu)成，對(duì)這些局部和它們之間結(jié)構(gòu)關(guān)系的幾何描述，可作為識(shí)別人臉的重要特 征，這些特征被稱為幾何特征?；谥R(shí)的人臉表征主要包括基于幾何特征的方法和模板匹配法。
公司擁有一支強(qiáng)大的技術(shù)團(tuán)隊(duì),技術(shù)人員來(lái)自國(guó)內(nèi)、外高校，研究所；此外，公司還與東京工業(yè)大學(xué)，德國(guó)漢堡工業(yè)大學(xué)，復(fù)旦大學(xué),交通大學(xué)等國(guó)內(nèi)外著 名高校建立緊密的技術(shù)合作關(guān)系。
http://www.campusnews.cn