[一起品小说m.17pxs.com 无弹窗小说网]

一秒记住本站：97xsnet人脸识别技术相关问题分为四大块：人脸检测，特征点提取，人脸校验，人脸检索。

其中第一个问题旨在检查图片是否是人脸、检测一张图像中是否包含人脸，而这个问题早在2005年就已经有了解决方案。

即将一张彩制图片通常是jpg格式转化为黑白格式，然后对临近的像素点中用箭头标示出黑白区间变化没有变化则不标，从而得到一张简化的hg图片制式，可以快速而简便的检测人脸。

这个步骤penv中早已存在，基于vijnes算法，可以直接拿来用。

第二个问题，特征点提取，这个问题在2015年前后，在pythn发布的ananda支持库得到了普世化的解决方案。而在2015年以前，这个技术不能说没有，而是发展缓慢。

其基本原理为提取人脸特征中的68个特征点鼻子两侧、眉心、嘴角等类似位置，也有算法是27个，这个数量不是固定的，特征点越多越精确熵越低，同样计算效率也就越低，这是两个矛盾的对立面，从而确定需要处理的面部区域。

特征点并不是某个点，而是一个像素集合，主要由卷积核和卷积核周边的像素构成，这个结构就是传说中的智能领域的神经网络具体分类为卷积神经网络，区别于递归神经网络。它在某种程度上，和正则有着相似之处。

在这个过程之后，需要用到这些特征点，通过算法按照比例扭曲和旋转，以及等比缩放，从而得到一张几乎完全对称的正脸。

前两个问题都属于图像的预处理步骤。

后两个问题，人脸校验和人脸检索则是两个相对独立的问题，前者判断两张照片是不是同一个人，后者判断这是谁。

其中又需要广泛用到随机森林和深度学习。

随机森林这里会用到高斯核不需要过多解释，就是在脸上随机描边，所有的算法都会是在描边的区域内进行，从而达到某种目的深度学习。

深度学习则可以简单的理解为结果推倒论。

通常人类判断两个人是否是同一个人，会去仔细对比两个人的头发颜色、眉毛长度、鼻子形状等，从而而出结论：哦，这是不是同一个人。