人臉識別方法，人臉識別最準確的方式有哪些？

1樓：網友

雖然matlab裡面有現成的主成份分析方法的函式，但是因為人臉識別的**較大，一般來說，乙個**就是幾千個畫素點，對於乙個幾千維的矩陣進行主成份分析，使用pcacov（）函式就有些問題了。

我們實驗室的機器實在太差，總之用pcacov跑了很長時間仍然沒有出結果，所以就只好自己寫pca的**了。

用自己寫的**，花時間最長的是在求協方差矩陣的特徵值和特徵根，但也基本在一分鐘之內就求出來，沒有出現太卡的地方。

2樓：

人臉識別的演算法很多，不知您要選用哪種，可以q我，細聊。

3樓：網友

2.每當你開機你就可以直接用人臉識別了，我勸你用這個軟體的同時最好設定開機密碼，因為有時光線不好會影響它的使用效果，這時你可以取消人臉識別直接用密碼，

人臉識別最準確的方式有哪些？

4樓：露露漂泊

人臉識別的方法很多，以下介紹一些主要的人臉識別方法。

1)幾何特徵的人臉識別方法。

2)基於特徵臉(pca)的人臉識別方法。

3)神經網路的人臉識別方法。

4)彈性圖匹配的人臉識別方法。

5)線段hausdorff 距離(lhd) 的人臉識別方法(6)支援向量機(svm) 的人臉識別方法。

5樓：網友

人臉識別正確的方法是：

一是將自己的臉對準掃瞄器進行掃瞄即可。

二是將自己的身份證放在掃碼儀器上，進行掃瞄，也會對照識別人臉！

我怎樣人臉識別

6樓：夢夢是

人臉影象採集：不同的人臉影象都能通過攝像鏡頭採集下來，比如靜態影象、動態影象、不同的位置、不同表情等方面都可以得到很好的採集。當使用者在採集裝置的拍攝範圍內時，採集裝置會自動搜尋並拍攝使用者的人臉影象。

人臉檢測：人臉檢測在實際中主要用於人臉識別的預處理，即在影象中準確標定出人臉的位置和大小。人臉影象中包含的模式特徵十分豐富，如直方圖特徵、顏色特徵、模板特徵、結構特徵及haar特徵等。

人臉檢測就是把這其中有用的資訊挑出來，並利用這些特徵實現人臉檢測。

主流的人臉檢測方法基於以上特徵採用adaboost學習演算法，adaboost演算法是一種用來分類的方法，它把一些比較弱的分類方法合在一起，組合出新的很強的分類方法。

人臉檢測過程中使用adaboost演算法挑選出一些最能代表人臉的矩形特徵(弱分類器)，按照加權投票的方式將弱分類器構造為乙個強分類器，再將訓練得到的若干強分類器串聯組成乙個級聯結構的層疊分類器，有效地提高分類器的檢測速度。

人臉影象預處理。

人臉影象預處理：對於人臉的影象預處理是基於人臉檢測結果，對影象進行處理並最終服務於特徵提取的過程。系統獲取的原始影象由於受到各種條件的限制和隨機干擾，往往不能直接使用，必須在影象處理的早期階段對它進行灰度校正、雜訊過濾等影象預處理。

對於人臉影象而言，其預處理過程主要包括人臉影象的光線補償、灰度變換、直方圖均衡化、歸一化、幾何校正、濾波以及銳化等。

人臉影象特徵提取。

人臉影象特徵提取：人臉識別系統可使用的特徵通常分為視覺特徵、畫素統計特徵、人臉影象變換系數特徵、人臉影象代數特徵等。人臉特徵提取就是針對人臉的某些特徵進行的。

人臉特徵提取，也稱人臉表徵，它是對人臉進行特徵建模的過程。人臉特徵提取的方法歸納起來分為兩大類：一種是基於知識的表徵方法；另外一種是基於代數特徵或統計學習的表徵方法。

基於知識的表徵方法主要是根據人臉器官的形狀描述以及他們之間的距離特性來獲得有助於人臉分類的特徵資料，其特徵分量通常包括特徵點間的歐氏距離、曲率和角度等。人臉由眼睛、鼻子、嘴、下巴等區域性構成，對這些區域性和它們之間結構關係的幾何描述，可作為識別人臉的重要特徵，這些特徵被稱為幾何特徵。基於知識的人臉表徵主要包括基於幾何特徵的方法和模板匹配法。

7樓：乙個喜歡迪麗熱巴的普通人

用相機拍一下，之後傳上來問我們。

8樓：網友

首先端正姿勢，頭髮別擋住臉，然後對準鏡頭。

9樓：鞦韆上的貓星人

先拍照錄入人臉識別系統，再通過現場拍照和系統影象進行比對。

人臉識別，為什麼計算機可以認出人的模樣?

10樓：洋蔥

人臉識別技術經歷了近四十年的發展，在近年來逐步湧現出了一批可以投入實際應用的成果。如谷歌(微博)眼鏡中的身份識別、智慧型手機上的人臉解鎖等功能正漸漸影響著我們的生活，而指定人臉識別等應用更是早早地進入了安防領域的最前線。在這項技術的發展過程中曾經出現

過大量的識別演算法。這些演算法的涉及面非常廣泛，包括模式識別、影象處理、計算機視覺、人工智慧、統計學習、神經網路、小波分析、子空間理論和流形學習等眾多學科。但歸根結底，很多演算法都是以「特徵臉方法」為基礎的。

這個方法主要是利用主分量分析，對人臉進行降維和提取特徵。它實際上相當於把所有的人臉向量化，數位化，然後從參考用的那些人臉資料（稱為訓練集）中找出與當前要識別的人臉資料對應的幾個特徵值，構成一組特徵向量基，以達到表徵原資料的目的。因為由主分量分析提取出來的特徵向量在返回成影象時，看上去仍像人臉，所以這些特徵向量也被稱為「特徵臉」。任何一幅人臉圖減去平均人臉後都可投影到該子空間，得到一組權值向量。

該方法實際上是計算了此向量和訓練集中每個人的權值向量之

間的歐式距離，取最小距離所對應的人臉影象的身份作為測試人臉影象的身份。打個比方，這就像是警察局裡指認嫌疑人時所用的「拼臉」方法，它以乙個基礎臉型為底，將合適的眼睛、眉毛等五官放上去，最終組成乙個與嫌疑人最像的人臉圖。計算機所做的事情也大致如此，只是它的「眼睛」、「眉毛」等五官更加抽象。

11樓：abc你我眉目

包括模式識別、影象處理、計算機視覺、人工智慧、統計學習、神經網路、小波分析、子空間理論和流形學習等眾多學科。但歸根結底，很多演算法都是以「特徵臉方法」為基礎的。

12樓：吹氣球小男孩

它實際上相當於把所有的人臉向量化，數位化。

13樓：網友

相當於把所有的人臉向量化，數位化，然後從參考用的那些人臉資料（稱為訓練集）中找出來。

14樓：愛看**的昕

因為當時錄入的時候就已經把人臉數位化和資料化了當然可以分辨。

15樓：黃家祿

在近年來逐步湧現出了一批可以投入實際應用的成果。如谷歌(微博)眼鏡中的身份識別、

16樓：笙笙橙

它實際上相當於把所有的人臉向量化，數位化，然後從參考用的那些人臉資料（稱為訓練集）

人臉識別就是不成功，有什麼辦法直接跳過人臉識別，第一次被封號的

人臉識別技術在日常生活中的運用，人臉識別技術在生活中的應用有哪些？

我們單位用來考勤，所以我們上下班都要到人臉識別機去 刷臉 密碼常客 特別是餐飲 搜尋特定人物 比如輯逃 可以用在撞臉上面，清晰準確的辨別誰是韓國人 蘋果5s，還有好像是sony的筆記本等 人臉識別技術在生活中的應用有哪些？現在人臉識別技術發展愈加成熟，應用領域也越來越廣泛，比如雲脈人臉識別系統可應用...