人脸识别的理解：

人脸识别(Face Recognition)是一种依据人的面部特征(如统计或几何特征等)，自动进行身份识别的一种生物识别技术，又称为面像识别、人像识别、相貌识别、面孔识别、面部识别等。通常我们所说的人脸识别是基于光学人脸图像的身份识别与验证的简称。

人脸识别利用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟  踪人脸，进而对检测到的人脸图像进行一系列的相关应用操作，新疆人证，新疆人证，新疆人证。技术上包括图像采集、特征定位、身份的确认和查找等等。简单来说，就是从照片中提取人脸中的特征，比如眉毛高度、嘴角等等，再通过特征的对比输出结果。

人脸识别数据库：

1）Yale人脸数据库；

2）ORL人脸数据库；

3）CMU PIE人脸数据库；

4）FERET人脸数据库；

5）MIT数据库；

6）BANCA人脸数据库；

7）CAS-PEAL人脸数据库；

8）JAFE表情数据库；

9）Cohn-Kanade表情数据库；

10）MMI表情数据库；

技术发展方向：

1）结合三维信息：二维和三维信息融合使特征更加鲁棒 2）多特征融合：单一特征难以应对复杂的光照和姿态变化 3）大规模人脸比对：面向海量数据的人脸比对与搜索 4）深度学习：在大数据条件下充分发挥深度神经网络强大的学习能力

多人脸检索（N:N）：

（1）简介：

1：N同时作业就是N:N了，同时相应多张照片检索需求。

（2）实际产品问题中：

1、在视频级N:N的校验中，如果要提高通过率，很多时候是采取降低准确率的方式，降低算法队列数量；同样在一些比赛中为了降低误识率，**提高了准确率，所以算法在校验的过程中必须遵循至少一个固定标准，追求的是速度效率还是**  高准确率。

2、视频流的帧处理所用，对服务器的计算环境要求严苛，目前的算法系统所支撑的输出率非常有限。

主要的限制如下：

海量的人脸照片解析需要大量运算（目前很少看到在采集端直接解析的，都是照片剪裁）海量的人脸照片传输需要大量的带宽（常见的720布控摄像头抓取**小的人脸照片为20K）海量的人脸照片在后台检索需要耗费大量的运算（国内主流主机为例，**多到24路摄像头）

）

免责声明： 本页面所展现的信息及其他相关推荐信息，均来源于其对应的用户，本网对此不承担任何保证责任。如涉及作品内容、 版权和其他问题，请及时与本网联系，我们将核实后进行删除，本网站对此声明具有最终解释权。