2014年，获阿里巴巴旗下蚂蚁金服投资，主攻金融和监控两大行业，有子公司旷视智安；团队成员除了几名来自清华校友外，还有来自美国哥伦比亚大学、英国牛津大学和美国南加州大学的科研及开发人员，截至目前员工仅有100余人。

人脸识别技术(Face Identification Technology)是基于人的脸部特征,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进行脸部识别的一系列相关技术,也称作面部识别、人像识别。人脸识别技术通常包括人脸检测、人脸跟踪、人脸比对三个部分。该技术的研究始于20世纪60年代,随着计算机技术和光学成像技术的发展在80年代后得到提升,而真正进入初级应用阶段则在90年代后期,并且以美国、德国和日本的技术实现为主。“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术,同时需结合中间值处理的理论与实现,是生物特征识别的最新应用,其核心技术的实现,展现了弱人工智能向强人工智能的转化。

从产品角度：文字提示不支持快速移动或提示缓慢移动（如，亲！您的动作太快了，奴家还未反应过来等）

从算法角度：人脸姿态估计、关键点定位来捕捉人脸动作。

ERET人脸数据库

它的采集端完全可以采用现有视频监控系统的摄像设备，后端应用的扩展性决定了人脸识别可以应用在出入控制、黑名单监控、人脸照片搜索等多领域。

人们非常担心公司会滥用他们通过面部识别收集的数据。而且，即使一家公司有好的意图，如果数据泄露发生，数据总是有可能被滥用。

在没有进行人工身份标注前，只知道分到一个组的人脸是属于同一个身份，但不知道确切身份。另外假设集合中有N个人脸，那么人脸聚类的算法复杂度为O(N2)

包含 524230 张从 IMDB 和 Wikipedia 爬取的名人数据图片。应用了一个新颖的化回归为分类的年龄算法。本质就是在 0-100 之间的 101 类分类后，对于得到的分数和 0-100 相乘， 并将最终结果求和，得到最终识别的年龄。

（3）市场分析

（5）佩戴的口罩无法检测出人脸

近年来，支持向量机是统计模式识别领域的一个新的热点，它试图使得学习机在经验风险和泛化能力上达到一种妥协，从而提高学习机的性能。支持向量机主要解决的是一个2分类问题，它的基本思想是试图把一个低维的线性不可分的问题转化成一个高维的线性可分的问题。通常的实验结果表明SVM有较好的识别率，但是它需要大量的训练样本（每类300个），这在实际应用中往往是不现实的。而且支持向量机训练时间长，方法实现复杂，该函数的取法没有统一的理论。

主要的限制如下：

5． 人脸识别数据库

（1）Google：2011年07月 谷歌收购人脸识别软件公司PittPatt

大多数情况下，实际效果会远低于训练效果。现在市面上CV公司都是说自己的训练效果在99％以上（无限接近于100％），但这不等于实际应用的效果就是99％。工业上场景复杂的人脸应用（类似识别黑名单这种1：N的人脸比对）正确率在90％以上就已经是表现得很好的算法模型。

近年来儿童拐卖活动越来越猖獗，为了更好的保护儿童安全，有些幼儿园、小学在门口已经安装上了面部识别系统。系统采用人脸识别加IC／ID卡（非接触式智能卡） 双重认证：每一位幼儿在入学注册时进行相关登记：资料、面像、IC／ID卡号、接送者、接送者面像。

局部二值模式（Local Binary Patterns LBP）是计算机视觉领域里用于分类的视觉算子。LBP 一种用来描述图像纹理特征的算子，该算子由芬兰奥卢大学的 T.Ojala 等人在 1996 年提 出 （ 《 A comparative study of texture measures with classification based on featured distributions》）。2002 年， T.Ojala 等人在 PAMI 上又发表了一篇关于 LBP 的文章（《Multiresolution gray-scale and rotation invariant texture classification with local binary patterns》）。这一文章非常清楚的阐述了多分辨率、灰度尺度不变和旋转不变、等价模式的改进的 LBP 特征。LBP 的核心思想就是：以中心像素的灰度值作为阈值，与他的领域相比较得到相对应的二进制码来表示局部纹理特征。

▲人脸识别全球人才迁徙图

6．2 文档准备

上一篇：媒体价值(媒体价值更体现在倡导价值)

下一篇：什么是海西概念(海西概念股)