臉部辨識系統 | 人臉辨識英文
臉部辨識系統（Facial recognition system），又稱人臉識別。
特指利用分析比較人臉視覺特徵信息進行身份鑑別的計算機技術。
臉部辨識攝影機.臉部辨識系統維基百科，自由的百科全書跳至導覽跳至搜尋此條目需要補充更多來源。
(2019年4月25日)請協助補充多方面可靠來源以改善這篇條目，無法查證的內容可能會因為異議提出而移除。
致使用者：請搜尋一下條目的標題（來源搜尋："臉部辨識系統"—網頁、新聞、書籍、學術、圖像），以檢查網路上是否存在該主題的更多可靠來源（判定指引）。
臉部辨識系統（Facialrecognitionsystem），又稱人臉識別。
特指利用分析比較人臉視覺特徵信息進行身份鑑別的計算機技術。
臉部辨識攝影機廣義的人臉識別實際包括構建人臉識別系統的一系列相關技術，包括人臉圖像採集、人臉定位、人臉識別預處理、身份確認以及身份查找等；而狹義的人臉識別特指通過人臉進行身份確認或者身份查找的技術或系統。
人臉識別是一項熱門的計算機技術研究領域，它屬於生物特徵識別技術，是對生物體（一般特指人）本身的生物特徵來區分生物體個體。
生物特徵識別技術所研究的生物特徵包括臉、指紋、手掌紋、虹膜、視網膜、聲音（語音）、體形、個人習慣（例如敲擊鍵盤的力度和頻率、簽字）等，相應的識別技術就有人臉識別、指紋識別、掌紋識別、虹膜識別、視網膜識別、語音識別（用語音識別可以進行身份識別，也可以進行語音內容的識別，只有前者屬於生物特徵識別技術）、體形識別、鍵盤敲擊識別、簽字識別等。
目錄1人臉識別的優勢2困難3技術細節4發展歷史5應用6爭議7相關計算機語言8相關領域9參考資料人臉識別的優勢[編輯]人臉識別的優勢在於其自然性和不被測個體察覺的特點。
所謂自然性，是指該識別方式同人類（甚至其他生物）進行個體識別時所利用的生物特徵相同。
例如人臉識別，人類也是通過觀察比較人臉區分和確認身份的，另外具有自然性的識別還有語音識別、體形識別等，而指紋識別、虹膜識別等都不具有自然性，因為人類或者其他生物並不通過此類生物特徵區別個體。
不被察覺的特點對於一種識別方法也很重要，這會使該識別方法不令人反感，並且因為不容易引起人的注意而不容易被欺騙。
人臉識別具有這方面的特點，它完全利用可見光獲取人臉圖像信息，而不同於指紋識別或者虹膜識別，需要利用電子壓力傳感器採集指紋，或者利用紅外線採集虹膜圖像，這些特殊的採集方式很容易被人察覺，從而更有可能被偽裝欺騙。
困難[編輯]雖然人臉識別有很多其他識別無法比擬的優點，但是它本身也存在許多困難。
人臉識別被認為是生物特徵識別領域甚至人工智慧領域最困難的研究課題之一。
人臉識別的困難主要是人臉作為生物特徵的特點所帶來的。
人臉在視覺上的特點是：不同個體之間的區別不大，所有的人臉的結構都相似，甚至人臉器官的結構外形都很相似。
這樣的特點對於利用人臉進行定位是有利的，但是對於利用人臉區分人類個體是不利的。
人臉的外形很不穩定，人可以通過臉部的變化產生很多表情，而在不同觀察角度，人臉的視覺圖像也相差很大，另外，人臉識別還受光照條件（例如白天和夜晚，室內和室外等）、人臉的很多遮蓋物（例如口罩、墨鏡、頭髮、鬍鬚等）、年齡、拍攝的姿態角度等多方面因素的影響。
在人臉識別中，第一類的變化是應該放大而作為區分個體的標準的，而第二類的變化應該消除，因為它們可以代表同一個個體。
通常稱第一類變化為類間變化（inter-classdifference），而稱第二類變化為類內變化（intra-classdifference）。
對於人臉，類內變化往往大於類間變化，從而使在受類內變化干擾的情況下利用類間變化區分個體變得異常困難。
技術細節[編輯]一般來說，人臉識別系統包括圖像攝取、人臉定位、圖像預處理、以及人臉識別（身份確認或者身份查找）。
系統輸入一般是一張或者一系列含有未確定身份的人臉圖像，以及人臉資料庫中的若干已知身份的人臉圖象或者相應的編碼，而其輸出則是一系列相似度得分，表明待識別的人臉的身份。
目前人臉識別的算法可以分類為：基於人臉特徵點的識別算法（feature-basedrecognitionalgorithms）。
基於整幅人臉圖像的識別算法（appearance-basedrecognitionalgorithms）。
基於模板的識別算
特指利用分析比較人臉視覺特徵信息進行身份鑑別的計算機技術。
臉部辨識攝影機.臉部辨識系統維基百科，自由的百科全書跳至導覽跳至搜尋此條目需要補充更多來源。
(2019年4月25日)請協助補充多方面可靠來源以改善這篇條目，無法查證的內容可能會因為異議提出而移除。
致使用者：請搜尋一下條目的標題（來源搜尋："臉部辨識系統"—網頁、新聞、書籍、學術、圖像），以檢查網路上是否存在該主題的更多可靠來源（判定指引）。
臉部辨識系統（Facialrecognitionsystem），又稱人臉識別。
特指利用分析比較人臉視覺特徵信息進行身份鑑別的計算機技術。
臉部辨識攝影機廣義的人臉識別實際包括構建人臉識別系統的一系列相關技術，包括人臉圖像採集、人臉定位、人臉識別預處理、身份確認以及身份查找等；而狹義的人臉識別特指通過人臉進行身份確認或者身份查找的技術或系統。
人臉識別是一項熱門的計算機技術研究領域，它屬於生物特徵識別技術，是對生物體（一般特指人）本身的生物特徵來區分生物體個體。
生物特徵識別技術所研究的生物特徵包括臉、指紋、手掌紋、虹膜、視網膜、聲音（語音）、體形、個人習慣（例如敲擊鍵盤的力度和頻率、簽字）等，相應的識別技術就有人臉識別、指紋識別、掌紋識別、虹膜識別、視網膜識別、語音識別（用語音識別可以進行身份識別，也可以進行語音內容的識別，只有前者屬於生物特徵識別技術）、體形識別、鍵盤敲擊識別、簽字識別等。
目錄1人臉識別的優勢2困難3技術細節4發展歷史5應用6爭議7相關計算機語言8相關領域9參考資料人臉識別的優勢[編輯]人臉識別的優勢在於其自然性和不被測個體察覺的特點。
所謂自然性，是指該識別方式同人類（甚至其他生物）進行個體識別時所利用的生物特徵相同。
例如人臉識別，人類也是通過觀察比較人臉區分和確認身份的，另外具有自然性的識別還有語音識別、體形識別等，而指紋識別、虹膜識別等都不具有自然性，因為人類或者其他生物並不通過此類生物特徵區別個體。
不被察覺的特點對於一種識別方法也很重要，這會使該識別方法不令人反感，並且因為不容易引起人的注意而不容易被欺騙。
人臉識別具有這方面的特點，它完全利用可見光獲取人臉圖像信息，而不同於指紋識別或者虹膜識別，需要利用電子壓力傳感器採集指紋，或者利用紅外線採集虹膜圖像，這些特殊的採集方式很容易被人察覺，從而更有可能被偽裝欺騙。
困難[編輯]雖然人臉識別有很多其他識別無法比擬的優點，但是它本身也存在許多困難。
人臉識別被認為是生物特徵識別領域甚至人工智慧領域最困難的研究課題之一。
人臉識別的困難主要是人臉作為生物特徵的特點所帶來的。
人臉在視覺上的特點是：不同個體之間的區別不大，所有的人臉的結構都相似，甚至人臉器官的結構外形都很相似。
這樣的特點對於利用人臉進行定位是有利的，但是對於利用人臉區分人類個體是不利的。
人臉的外形很不穩定，人可以通過臉部的變化產生很多表情，而在不同觀察角度，人臉的視覺圖像也相差很大，另外，人臉識別還受光照條件（例如白天和夜晚，室內和室外等）、人臉的很多遮蓋物（例如口罩、墨鏡、頭髮、鬍鬚等）、年齡、拍攝的姿態角度等多方面因素的影響。
在人臉識別中，第一類的變化是應該放大而作為區分個體的標準的，而第二類的變化應該消除，因為它們可以代表同一個個體。
通常稱第一類變化為類間變化（inter-classdifference），而稱第二類變化為類內變化（intra-classdifference）。
對於人臉，類內變化往往大於類間變化，從而使在受類內變化干擾的情況下利用類間變化區分個體變得異常困難。
技術細節[編輯]一般來說，人臉識別系統包括圖像攝取、人臉定位、圖像預處理、以及人臉識別（身份確認或者身份查找）。
系統輸入一般是一張或者一系列含有未確定身份的人臉圖像，以及人臉資料庫中的若干已知身份的人臉圖象或者相應的編碼，而其輸出則是一系列相似度得分，表明待識別的人臉的身份。
目前人臉識別的算法可以分類為：基於人臉特徵點的識別算法（feature-basedrecognitionalgorithms）。
基於整幅人臉圖像的識別算法（appearance-basedrecognitionalgorithms）。
基於模板的識別算