如今流行的生物特徵識別技術及市場佔比：
下圖為常用的生物特徵識別的差異性對比：
人臉識別應用案例
1:1識別——使用者登入等。
1：n（n≈10^3）識別——企業考勤等。
1：n（n>10^9）識別——智慧型尋親，通過某年齡段**，對比監控資料；抓捕逃犯等。
（一）前深度學習時代
前深度學習時代的處理步驟如下：
（二）深度學習時代
深度學習時代，人臉識別的過程如下：
其中，人臉識別主要面臨尺度、膚色、 遮擋 、角度 、光照等一系列問題。
深度學習人臉檢測步驟：
回歸proposal + 分類+合併
proposal + 分類 （多尺度）
合併：非極大值抑制
遍歷其餘的框，如果和當前最高分框的重疊面積(iou)大於一定閾值，我們就將框刪除。
特徵學習
分類模型
度量學習模型
今天主要了解了人臉識別概述及相關模型，明天在了解具體的人臉識別演算法及其差異性。
人臉識別方案簡介
人臉關鍵點檢測可以精確定位面部的關鍵區域位置，包括眉毛 眼睛 鼻子 嘴巴，臉部輪廓等。支援一定程度遮擋以及多角度人臉。大規模人臉搜尋技術可實現億級人臉的快速檢索，查詢效率高，單張人臉特徵不超過400位元組，所需記憶體小。基於人臉搜尋技術，可以實現真正的網際網路人臉搜尋引擎，並廣泛應用於社交搜尋 逃犯...
人臉識別技術簡介
人臉識別技術是基於基於人的臉部特徵資訊進行身份識別的一種生物識別技術。與其他類別的生物識別比較，人臉識別具有如下特點 非強制性 使用者不需要專門配合人臉採集裝置，幾乎可以在無意識的狀態下就可以獲得人來影象，這樣的取樣方式沒有強制性 非接觸性 使用者不需要和裝置直接接觸就能獲得人臉影象 併發性 在實際...
FLASH人臉識別演算法
這個今天也是偶然在網上看到，不過對於人臉識別精確演算法確實比較複雜涉及到人臉特徵點提取和生物統計學原理的東西，不做太多討論，只是談談今天我在網上看到的兩個演算法。第乙個是被稱為木刻演算法，他主要用於提取人臉輪廓。該演算法的前提是認為一般因為人體攝影的緣故人臉的周邊會存在陰影，這樣就為我們提取輪廓提供...