資料結構
網路
關係資料庫管理系統 (RDBMS)
作業系統
Java
Microsoft Excel
iOS
HTML
CSS
Android
Python
C語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
服裝設計
法學人臉檢測與識別系統
想象一下，你站在辦公室門口，你的臉突然出現在大螢幕上。如果螢幕識別了你，門就會開啟；如果識別失敗，門就不會開啟。你的臉就是你的數字身份，它允許你進入辦公室，並在許多其他地方驗證你的身份。這聽起來不可思議，但卻真實存在！這項並非非常古老的技術正逐漸普及。
進入人臉檢測和識別系統的世界……比人更準確地識別各種角度的面部。利用機器學習和其他深度學習技術，計算機可以以極高的精度識別面部。人臉識別系統包含高階硬體元件以及熟練的軟體，透過將在場人員的面部特徵與人臉資料庫中儲存的特徵進行比較來識別和驗證人員身份。人臉檢測和識別系統可以從數字影像或影片幀/片段中驗證人員身份。稱為“人臉印記”的數字程式碼用於檢測，同時識別面部上的 80 個節點（鼻子、下巴等端到端測量）。
應用
網路和桌面應用程式也可以從這種人臉識別系統中受益，以避免駭客攻擊。執法機構可以使用它來在一個人群中定位個人。公司可以跟蹤員工的考勤情況。這些系統已經被用於打擊犯罪的機構、機場安檢或區分比賽中的運動員。營銷個性化利用帶有軟體的廣告牌識別路人的人口統計資料，從而進行有針對性的廣告。
其他規格
無需重新訓練——訓練通常針對人臉進行，而不是針對資料庫中現有的影像。
快速入庫——當新面孔新增到資料庫時，新增和訓練過程不應超過 0.01 秒，這得益於單核處理器的使用。
自支援特徵資料庫——訓練後，人臉特徵資料庫必須與人臉影像資料庫不同。這通常是為了保護人臉資料庫中影像（可能）被篡改。
**解析度相關**——影像或人臉識別演算法必須獨立於高解析度影像；但是影片必須達到或高於 640*480 解析度。
**魯棒性**——人臉識別系統必須堅固耐用，並且不會因姿勢、面部表情和光照變化而減弱（儘管在一定限度內）。
**面部變化**——鬍鬚、鬍子等特徵可能會改變實際影像。因此，人臉資料庫必須包含原始影像以及帶有附加特徵且具有相同 ID 的影像。眼睛和眉毛通常也用作影像的特徵。
**其他方面**——眼鏡必須清晰，以便清晰地顯示眼睛。
**可擴充套件性**——人臉資料庫中的影像必須具有可擴充套件性，並且必須能夠儲存超過 1000 張影像。格式可以是 JPEG、BMP、PNG 等多種版本；而影片可以是 MJPEG、MPEG4 等。
準確性——人臉識別必須以極高的準確率工作（超過 90%）。
取證——影像和影片必須加水印並加密以進行取證，從而方便身份驗證。
最後，資料庫必須整合幷包含人口統計資訊，例如姓名、年齡、性別、出生日期、國籍、地址、工作經歷、唯一身份號碼等。在 5000 條記錄的資料庫中，任何人員的查詢時間不應超過五秒。
與生物特徵識別的區別
生物識別技術使用人的觸覺（指紋/掌紋）和其他特徵，如虹膜，但是人臉識別是非接觸式和非侵入式過程。這裡不需要與人互動；但是它可以以極高的準確性識別一個人。萬一人臉識別系統不起作用，皮膚生物識別技術正在作為下一步技術進步而被研發。
它最常用於哪裡？
是中國。人們可以使用人臉識別系統登入或進入商店購買商品，授權支付和其他金融交易，提供服務入口，監控和安全系統，最重要的是追蹤罪犯。
中國的主要參與者是 Face++、百度和阿里巴巴。該系統甚至可以全程跟蹤個人在房間內的活動。Face++ 是一家初創公司，但其技術已被許多組織使用。透過支付寶可以轉賬；透過滴滴出行，可以知道駕駛員是否真實可靠。應用程式要求使用者在掃描過程中移動頭部（以避免照片作假）進一步確保了這一點。
中國最受歡迎的搜尋引擎百度正在讓人們更容易地使用人臉識別系統選擇火車票。此外，百度正在與以眾多歷史古蹟而聞名的烏鎮政府合作，讓人們無需購票即可享受景點。這可以透過百度掃描其資料庫中數百萬張面孔來實現。此外，許多住宅小區正在使用人臉識別系統提供門禁；商店和餐館正在努力使客戶體驗更加輕鬆。
其他地方呢？
雖然中國擁有龐大的身份證照片資料庫，但美國一半人口都在其人臉識別資料庫中。微軟正在 Windows 10 中使用人臉識別系統進行身份驗證；蘋果和谷歌將其用於標記和共享照片。除了某些使用這項技術的智慧手機應用程式之外，Facebook 也將其用於標記照片。然而，根據一項研究，英國和美國的人們發現商店中用於支付的人臉識別系統相當令人毛骨悚然，並且不希望使用它。
人臉是人的身份。由於人臉識別系統用於執法和非執法部門，人們可能不得不放棄一些隱私、安全性和透明度。因此，在解決這些問題之前，關於其使用有效性的爭論將持續存在。
466 次瀏覽
