人臉識別技術的案例
對，就是人臉識別干的
他事后表示，沒想到自己藏身茫茫人海里還能被人臉識別找到，「早知道這樣我就不來了。」
「歌神」用致命魅力把逃犯誘到現場，人臉識別技術再從 6 萬名觀眾中把他們揪出來。聽起來像不像最佳搭檔？
關于人臉識別技術的研究從 1960 年代開始，隨著技術發展，至今應用越來越廣泛。
從有助打擊犯罪的公共場合監控、出入境或政務辦理時的身份確認，到出于數據安全考慮的門禁、手機解鎖等，再到時下新零售流行的「刷臉進門」、「刷臉支付」和各種自帶美顏美妝功能的 app，都是我們較為熟悉的人臉識別應用場景。
圖自搜狐
不過想象力豐富的人類，最近又為人臉識別發掘出一些神奇用途。
王室婚禮狗仔隊
人臉識別技術插足娛樂圈，有「臉盲癥」的娛記該不該開心？
英國的天空新聞臺（Sky News）最近宣布，在 5 月 19 日哈里王子的婚禮直播中采用人臉識別技術。這項技術將由亞馬遜云服務（Amazon Web Services）提供，可以讓有「臉盲癥」的觀眾一秒識別 600 位賓客的身份。
圖自 Sky News
當天的直播頁面下方還會附有賓客的個人介紹，而右側則是已經到場的賓客名單。
圖自 Sky News
據稱，采用人臉識別進行直播的成本，遠比讓記者在婚禮現場肉眼辨認再弄清賓客身份要低，而且也更高效。亞馬遜云服務將向 Sky News 收取每上傳 1000 張照片 1 美分的價錢，同時在使用人臉識別的過程中，每一分鐘會加收 10 美分。
《好萊塢報道》認為，這種報道方式未來也可以用在奧斯卡獎等明星云集的紅毯現場。
雖然可能會有娛記失業，但一切都是為了你吃瓜愉快啊。
哈里王子和未來王妃，圖自 Vogue
催你趕緊上飛機的空姐
新加坡樟宜機場正在測試人臉識別系統，想幫更多旅客及時坐上飛機。
展開 一文讀懂3D人臉識別十年發展及未來趨勢
來源 |
機器之心
人臉識別
是機器學習社區研究最多的課題之一，以 3D 人臉識別為代表的相關 ML 技術十年來都有哪些進展？
這篇文章給出了
答案。
近年來，人臉識別的研究已經轉向使用 3D 人臉表面，因為 3D 幾何信息可以表征更多的鑒別特征。近日，澳大利亞迪肯大學的三位研究者回顧了過去十年發展起來的 3D 人臉識別技術，總體上分為常規方法和深度學習方法。
從左至右依次是迪肯大學信息技術學院博士生 Yaping Jing、講師（助理教授） Xuequan Lu 和高級講師 Shang Gao。
該調查通過代表性研究的詳細描述來對各類技術進行評估，其中將技術的優缺點總結為對面部變化（表情、姿態和遮擋等）的準確性、復雜性和穩健性。該調查全面涵蓋了 3D 人臉識別的常規方法和深度學習方法，并闡明了可用的 3D 人臉數據庫和未來的研究挑戰與方向。
論文地址：https://arxiv.org/pdf/2108.11082v1.pdf
該調查研究的主要貢獻包括如下：
這是第一篇全面涵蓋傳統方法和基于深度學習的 3D 人臉識別方法的調查論文；
與現有調查不同，它特別關注基于深度學習的 3D 人臉識別方法；
涵蓋 3D 人臉識別最新、最前沿的發展，為 3D 人臉識別提供清晰的進度圖；
它對可用數據集上的現有方法進行了全面比較，并提出了未來的研究挑戰和方向。
如下圖 1 所示，根據所采用的特征提取方法，3D 人臉識別技術可以分為兩類：傳統方法和基于深度學習的方法。
展開 不會被人臉識別取代！指紋識別這些優勢依然堅挺
而智能手機的快速普及，為指紋識別市場的爆發起到了很大的推動作用。因為對于智能手機而言，傳統的數字密碼越發難以滿足用戶安全需求，指紋識別無疑是一道值得信賴的“新鎖”，同時也能給消費者帶來全新的便捷、新奇體驗。
最先應用指紋識別技術的智能手機是蘋果發布的iPhone 5S。自此以后，國內品牌手機也逐漸將指紋是被作為手機標準配置之一。眼下，指紋識別發展已經十分成熟，成為了人們接觸最為密切的生物識別技術。
在智能手機市場的迅猛增長下，指紋識別市場的表現也愈發積極。據數據顯示，2016年我國指紋識別市場滲透率首度突破50%大關。業內專家預測，到2020年，國內指紋識別滲透率將達到70%以上。
會被人臉識別PK掉嗎？
人工智能熱潮的推進，以及金融、安防等領域需求的增長，讓人臉識別技術迅速崛起，成為了生物識別領域有一顆璀璨的“新星”。如今，人臉識別已經在安檢、電子身份證、移動支付、門禁、監控等諸多場景實現了廣泛應用，發展勢頭大有超越指紋識別的傾向。那么，指紋識別會被來勢洶洶的人臉識別所替代嗎？
的確，指紋識別技術還存在著很多不足之處，例如手指沾上水、油污或是有汗時，都無法使用，指紋在經年累月的使用、摩擦中也有可能變淺，甚至有可能被仿制，但是這些都不能抹殺其應用優勢。
事實上，指紋識別相對于人臉識別而言，識別速度更快、應用成本更低，在兼顧安全、便捷、性價比的基礎上，指紋識別無疑是更受歡迎的一方。而且，雖然指紋識別與人臉識別在一些應用場景上有所重疊，但是兩者依然有各自側重及沒有重疊的領域。
因此，關于取代一說的答案應該是否定的。
展開 詳解3D人臉與屏下指紋的現狀與未來， 誰才是生物識別新方向？
這也使得可以隱藏在屏幕內、不影響屏占比的新的屏下指紋技術得到了越來越多的智能手機廠商的青睞。與此同時，隨著蘋果iPhone X的帶動，不少的手機廠商也推出支持3D人臉識別的旗艦機型。
3D人臉識別：結構光還還是TOF？
去年9月13日，蘋果推出了基于3D結構光技術的iPhone X，實現了3D人臉識別，并以Face ID徹底取代了Touch ID指紋識別。由此也引爆了3D感測市場。
雖然去年很多的手機廠商也推出了支持人臉識別的手機，但是基本都是基于簡單的2D/2.5D技術的，相對于3D人臉識別技術來說，更易受干擾、準確度底、安全性低（易破解）。而3D人臉識別目前又主要有3D結構光和TOF兩類技術。
下面我們一起來看下近期發布的一些支持3D人臉識別手機和其背后的技術供應商以及準備進入手機市場的一些3D技術供應商：
小米8透明探索版——Mantis Vision
今年5月底，小米率先推出了首款3D結構光的安卓智能手機——小米8透明探索版。其采用的是以色列的3D編碼結構光技術廠商Mantis Vision的方案，由歐菲光提供模組。
Mantis Vision是一家以色列科技公司，成立有13年的歷史了，一直專注于3D及計算機視覺領域的創新技術。之前獲得過高通、索尼、三星等企業的投資。2018年3月，該公司正式進入中國。
展開 
教你在Excel中搭建一個人臉識別CNN網絡
作者 | Dave Smith
譯者 | 劉暢
編輯 | 阿司匹林、Jane
出品 | AI科技大本營
【導讀】人臉識別技術已經有了非常廣泛的應用，國內大規模監控系統背后運用的技術就是人臉識別。
與大家常規見到的搭建人臉識別的神經網絡方法不同，本文作者 Dave Smith 走了一次不同尋常路，他在 Excel 中用 9 步就搭建了一個人臉識別的CNN 神經網絡，讓神探 Sherlock 識別出世界的終結者 “Elon”！在這篇文章中，作者試圖以直觀的可視化方式呈現出代碼背后發生的事情，希望可以幫助大家消除學習過程中的一些疑慮，
本文的目標就是為您提供一個簡單的機器學習入門，將涵蓋下圖所示的 9 個步驟。
補充工具：幫助大家了解如何在 30 秒左右的時間將任意一張圖片轉換為有條件格式的Excel 文件
http://think-maths.co.uk/spreadsheet
終結者視角—在電子表格中創建卷積神經網絡
背景
我們首先假設，在終結者的大腦中有一個名叫'Sherlock Convolution Holmes'的特殊偵探。他的工作就是仔細查看證據（輸入圖像）并使用敏銳的眼睛和推演能力（特征檢測），預測圖片中的人物是誰以此來破案（正確分類圖像）。
注：為了減少大家對后面內容的疑惑，首先劇透一點，這篇文章的“男主”其實是 Sherlock Convolution Holmes 。作者可能是神探夏洛克的粉絲，整篇文章都是圍繞 Sherlock 是如何破案來展開的。
展開 13基于PCA的人臉識別，程序已調通，可將自己的數據替換進行識別，得到識別準確率結果。 ￥12.2
基于PCA的人臉識別，程序已調通，可將自己的數據替換進行識別，得到識別準確率結果，MATLAB平臺，需要可直接拍下。
基于PCA人臉識別算法的實現
實際上我們并不需要協方差所有的特征值和特征向量， m個（m<M，M為特征值的數目）個特征值足夠用于人臉識別。所以，實際操作中，只取L的前m個最大特征值對應的特征向量用于計算特征臉。
在本環節，本文通過直接構造 L=ATA∈R(m×m) ，來計算出L的特征值，再挑選L特征值大于100的作為C的特征值，最后通過C的特征值計算出它的特征向量，從而形成特征臉。
3.人臉識別
人臉識別過程分為訓練和測試兩個階段。在訓練階段，主要是提取數據庫人臉圖像的特征，并形成特征庫。在測試階段，主要是提取待識別圖像的特征和計算提取的特征和特征庫中特征之間的距離測度，并輸出最小距離測度對應的人臉圖像作為結果。
具體步驟如下：
1.訓練階段
將規范化的圖像矩陣A中的每一列向量投影到特征子空間，形成特征庫。
2.測試階段
1假設測試人臉圖像為Y，在人臉識別前，先對其進行標準化，即 Φ=Y?Ψ 。
2把標準化后的人臉圖像向特征子空間進行投影得到向量 Ω=UTΦ 。
3本文使用最近領法分類器歐幾里德距離[14,15]進行判決分類。測試圖像與每個人臉圖像間的距離為 εk=‖R?Rk‖(k=1,2,…,P) ，并將最小距離對應的訓練圖像作為測試圖像的匹配圖像。
最后, 有相關需求歡迎通過公眾號"320科技工作室"聯系我們
展開 228 基于matlab的神經網絡人臉識別 ￥15.9
基于matlab的神經網絡人臉識別。 人臉識別以視網膜、 虹膜、 指紋等生物特征的識別作為生物標識符。生物特征識別不很容易偽造、 放錯位置。新型臉識別使用的方法 RobustPCA 和徑向基函數網絡。程序已調通，可直接運行。
全國建筑工地，都將開啟人臉識別！
? 對作業企業（工地施工）方要求：
必須安裝硬件設施
安裝在施工現場進出口
鼓勵使用生物識別
識別信息，必須有存檔
保存：電子考勤信息和圖像、影像信息等
? 對監管部門要求：
市各級住房城鄉建設主管部門，實行日常檢查。
我們還發現一條貼心細則：
嚴禁各級住房城鄉建設主管部門，借推行實名制管理指定或暗示建筑企業采購相關產品，不得巧立名目亂收費增加企業額外的負擔。
實名制，和人臉識別啥關系？
好，講到這里了，
大家肯定有疑問，實名制，不一定需要人臉識別啊？
沒錯。
正常方案，大家是這么干的
閘機+刷卡，方案↓
這種方式，還是比較粗放！
會發生一些弊端：
比如冒名打卡
借用身份證
安全帽（鑲有芯片）張冠李戴
在計算工資、工時上容易發生糾紛
所以呢，人臉識別，來了！
核心是，人臉識別現在成本降下來了，一套幾千元，工地用得起。
而且識別效果更牛逼。
人臉識別方案，有明顯優勢：
? 工地更安全
人臉識別系統系統需要登記身份證信息，并在公安進行備案。
凡是公安黑名單上的人是沒有機會混入工地匿藏了。
? 管理更高效
該系統能實時掌控工人的動態，如上下班的時間，還與考勤掛鉤，消除工資計時糾紛。
人臉識別有記錄，即使工人沒簽勞務合同也有依據，包工頭想賴賬、拖欠工資、想跑路，門都沒有！
? 工程有保障
關鍵責任人實時在崗，時刻掌握工程質量，工程進度。
豆腐渣工程也將大幅減少。
展開 25 行 Python 代碼實現人臉檢測——OpenCV 技術教程
這是篇是利用 OpenCV 進行人臉識別的技術講解。閱讀本文之前，這是注意事項：
建議先讀一遍本文再跑代碼——你需要理解這些代碼是干什么的。成功跑一遍不是目的，能夠舉一反三、在新任務上找出 bug 才是。
請確保用的是 OpenCV v2
你需要一個網絡攝像頭
OpenCV
OpenCV 是最流行的計算機視覺庫，原本用 C 和 C++ 開發，現在也支持 Python。
它使用機器學習算法在圖像中搜索人的面部。對于人臉這么復雜的東西，并沒有一個簡單的檢測能對是否存在人臉下結論，而需要成千上萬的特征匹配。算法把人臉識別任務分解成數千個小任務，每個都不難處理。這些任務也被稱為分類器。
對于類似于人臉的對象，你或許需要不少于 6000 個分類器，每一個都需要成功匹配（當然，有容錯率），才能檢測出人臉。但這有一個問題：對于人臉識別，算法從左上角開始計算一個個數據塊，不停問“這是張臉嗎”。每個數據塊有超過 6000 個檢測，加起來的計算量會達到數百萬級別，計算機很可能會讓你等得花兒都謝了。
OpenCV 使用 cascades 來避免這種情況。Cascade 是什么？最佳答案已經在字典里了：一條瀑布或者連續瀑布。
好比連續瀑布，OpenCV cascade 把人臉檢測問題分解為好幾步。對于每個數據塊，它都進行一個粗略、快速的檢測。若通過，會再進行一個更仔細的檢測，以此不斷類推。該算法有 30 到 50 個這樣的階段，或者說 cascade。只有通過全部階段，算法才會判斷檢測到人臉。這樣做的好處是：大多數圖形都會在頭幾步就產生否定反饋，算法因而不需要在它上面測試所有 6000 個特征，大大節省了時間。相對于“正常流程”耗費數個小時，這可以實時實現人臉檢測。
展開 計算機視覺必讀：目標跟蹤、網絡壓縮、圖像分類、人臉識別等
人臉驗證/識別(face verification/recognition)
人臉驗證/識別可以認為是一種更加精細的細粒度圖像識別任務。人臉驗證是給定兩張圖像、判斷其是否屬于同一個人，而人臉識別是回答圖像中的人是誰。一個人臉驗證/識別系統通常包括三大步：檢測圖像中的人臉，特征點定位、及對人臉進行驗證/識別。人臉驗證/識別的難題在于需要進行小樣本學習。通常情況下，數據集中每人只有對應的一張圖像，這稱為一次學習(one-shot learning)。
兩種基本思路 當作分類問題(需要面對非常多的類別數)，或者當作度量學習問題。如果兩張圖像屬于同一個人，我們希望它們的深度特征比較接近，否則，我們希望它們不接近。之后，根據深度特征之間的距離進行驗證(對特征距離設定閾值以判斷是否屬于同一個人)，或識別(k近鄰分類)。
DeepFace 第一個將深度神經網絡成功用于人臉驗證/識別的模型。DeepFace使用了非共享參數的局部連接。這是由于人臉不同區域存在不同的特征(例如眼睛和嘴巴具有不同的特征)，經典卷積層的“共享參數”性質在人臉識別中不再適用。因此，人臉識別網絡中會采用不共享參數的局部連接。其使用孿生網絡(siamese network)進行人臉驗證。當兩張圖像的深度特征小于給定閾值時，認為其來自同一個人。
展開 
應用在刷臉支付機上的環境光感測距芯片
刷臉支付的技術，本質上是人臉識別技術，當其用在支付環節，就是我們所謂的刷臉支付。而人臉識別技術，是基于人的臉部特征信息進行身份識別的一種生物識別技術。用3D攝像機或攝像頭采集含有人臉的圖像或視頻流，并自動在圖像中檢測和跟蹤人臉，進而對檢測到的人臉進行臉部識別的一系列相關技術，通常也叫做人像識別、面部識別。
光距感又稱環境光傳感器芯片，用來對環境光進行測量，對這種量級的光的測量是由光敏二極管進行的,通過放大，模數轉換等處理,將光能量得到量化,通過BB, WLED dirver控制調節，可使系統調整顯示屏亮度。當有物體接近傳感器的上方時，進入紅外光的發射區域，有些紅外線會被反射回傳感器。接近傳感器中的光敏二極管會接收該反射光。
這里推薦工采電子從臺灣代理的測距傳感芯片系列中的光距感 接近傳感芯片 - WH APS 4530A，WH4530A是一種光到數字轉換器，它結合了先進的環境光傳感器，先進的接近傳感器和高效率的紅外LED燈。環境光傳感器(ALS)內置了一個濾光器來抑制紅外，并提供了一個接近人眼反應的光譜。ALS可以在黑暗到陽光直射下工作，可選擇的探測范圍約為40dB。雙通道輸出(人眼和清晰)，使ALS在不同光照條件下具有良好的光比。近距離傳感器(PS)內置了一個940nm的濾光片，用于環境光的抗擾，因此PS可以檢測反射紅外光，具有高精度和優良的抗擾性。WH4530A具有可編程中斷功能，對ALS和PS具有基于閾值的遲滯。
光距感 接近傳感芯片 - WH APS 4530A的應用：
手機設備：手機，平板電腦，PDA，移動POS機
消費設備：液晶電視，數碼相機，玩具
計算設備：筆記本電腦,液晶顯示器
智能家居：智能照明，智能窗簾，夜燈
戶外：監控系統，路燈
工業應用
在光距感測距領域，臺灣旺泓便是其中的佼佼者之一。
展開 Face ID 與3D傳感技術科普
2D人臉識別技術與3D人臉識別技術
對于刷臉消費、刷臉解鎖這些“黑科技”，人們其實一點都不陌生，但如果要深入其中，普通人也只能說出一個關鍵詞：人臉識別。而人臉識別技術實際上可以區分為2D和3D兩種。
1、2D人臉識別：2D人臉識別是目前最為常見的人臉識別技術之一，其工作原理是后期人臉識別系統對圖片中的人臉進識別，通過設定數百或數千個點，并記錄點與點之間的函數，該函數即為此人的面部信息。
2、3D人臉識別： 3D人臉識別是采用3D結構光技術，通過3D結構光內的數萬個光線點對人臉進行掃描后，從而提供更為精確的面部信息，而這類面部信息并不會受到口紅、粉底等化妝品的影響。與2D人臉識別相比，3D人臉識別將提供更為精確的面部數據，最終讓數據更加安全可靠。
“普通視覺傳感設備讓萬物看到世界，而3D傳感技術則讓萬物能像人一樣‘看清’世界。”
3D傳感技術原理
要談3D傳感技術，就必須先弄清楚光學測量分類以及其原理。
光學測量分為主動測距法和被動測距法。主動測距方法的基本思想是利用特定的、人為控制光源和聲源對物體目標進行照射，根據物體表面的反射特性及光學、聲學特性來獲取目標的三維信息。其特點是具有較高的測距精度、抗干擾能力和實時性，具有代表性的主動測距方法有結構光法、飛行時間法、和三角測距法。
展開 [VirtualLab] 點陣投影儀功能原理的演示
摘要
點陣投影儀是當今人臉識別技術（如face ID）的關鍵部件。通常，該系統包括發光單元、透鏡和分束光柵的陣列。透鏡系統和光柵協同工作，多次投射和復制陣列源圖案。在這個例子中，我們構建了一個這樣的點投影系統來展示它的工作原理。使用VirtualLab Fusion，我們可以為系統分析執行光線和場追跡。;
建模任務
*文件中的非球面透鏡來自Zemax OpticStudio?
模擬與設置：單平臺的交互性
建模技術的單平臺的交互性
光在系統中傳播時會遇到不同的組件并與之相互作用。需要一個合適且靈活的模型，該模型為系統的這些元件中的每一個提供精度和速度之間的良好折衷：
光源建模
連接建模技術：非球面透鏡
連接建模技術：分束器
理想分束器
真實分束器
連通建模技術：自由空間傳播
仿真結果
軸上VCSEL單元的仿真
離軸VCSEL單元的仿真
完整VCSEL陣列的仿真
理想分束器與實際分束器的比較
展開 弱電門禁系統安裝圖集及常見故障解決方法
人臉識別技術已經得到社會的廣泛認同，現已形成了諸多人臉識別產品并應用于金融、司法、軍隊、公安、邊檢、政府、工廠、教育、醫療及眾多企事業單位等領域。隨著技術的進一步成熟和社會認同度的提高，人臉識別技術將應用在更多的領域。
終將渡過成長的海
01
正文
今天講解一下門禁系統安裝
。
