睡眠袜人脸识别：从传统到深度学习方法仿呢料
作者：李奇龙智能化控制系统
来源：《科学与财富》2019年第02期 摘 要：从智能浴缸70年代开始，人脸识别就成为计算机视觉和生物识别领域研究最多的课题之一。基于手工制作的特征和传统机器学习技术的传统方法，最近已经被使用非常大的数据集训练的深度神经网络所取代。在这篇文章中，我们提供了一个全面的和最新的文献综述的流行的人脸识别方法，包括传统的（基于几何的，整体的，基于特征的和混合的方法）和深度学习方法。
图像火焰探测器 一、传统方法介绍汽车喷水电机
人脸识别是指能够识别或验证图像或物体的身份的技术视频。第一个人脸识别算法被开发出来70年代早期。从那时起，他们的准确性现在的人脸识别技术有什么进步吗通常比其他生物识别方式更受青睐传统上被认为更健壮，如指纹或虹膜识别。其中一个微分因子使人脸识别比其他生物识别更有吸引力模式是非侵入性的。例如，指纹识别需要用户将手指放入传感器虹膜中识别需要用户非常靠近摄像机，而扬声器识别则需要用户大声说话。相比之下， 现代人脸识别系统只需要用户在照相机的视场范围内（前提是它们在视场范围内）在距离相机合理的范围内）。这使得人脸识别是用户最友好的生物识别方式。它也意味着人脸的潜在应用范围识别范围更广，因为它可以部署在环境中不希望用户与系统合作的，比如在监控系统中。其他常见的应用程序人脸识别包括访问控制、欺诈检测、身份验证和社交媒体。人脸识别是最具挑战性的生物识别技术之一在不受约束的环境中部署时的模式面部图像在现实中呈现的高度可变性世界（这些类型的人脸图像通常被称为world）面临在野外）。其中一些变体包括head姿势，老化，遮挡，光照条件，面部表达式。
近年来，人脸识别技术发生了重大变化。传统的方法依赖于手工制作的特征，如边缘和纹理描述符，学习技术，如主成分分析，线性判别分析或支持向量机。工程特性的难易程度在无约束环境中所遇到的不同变化，使得研究者关注于每一类变化的专门方法，如年龄不变方法、定常方法、光照不变方法等。近年来，基于卷积神经网络的深度学习方法已经取代了传统的人脸识别方法。深度学习方法的主要优点是可以用非常大的数据集对其进行训练，以学习表示数据的最佳特性。网络上的人脸可用性允许收集包含真实世界变化的大规模人脸数据集。使用这些数据集训练的基于cnn的人脸识别方法获得了非常高的准确性，因为它们能够学习对训练中使用的人脸图像的真实变化具有鲁棒性的特征。的流行深
学习计算机视觉方法加速了人脸识别的研究，作为cnn被用于解决其他许多计算机视觉任务，例如对象检测与识别、分割、光学字符识别、acial表达分析，年龄估计等。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议