人臉識別主要識別哪里，它是如何工作的？
人臉識別主要識別哪里，它是如何工作的？
人臉識別主要識別面部的眼睛，鼻子和嘴巴等數據，人臉數據意味著獨特的面部特征，如眼睛之間的距離、前額-下巴距離、鼻子寬度、顴骨形狀等。人臉識別軟件的工作原理沒有共同的答案，因為每個軟件都基于可靠的專有算法。
人臉識別分為兩個主要階段：
1.檢測
人臉檢測是如何工作的？像人臉識別SDK或其他人臉識別系統這樣的軟件可以檢測圖像和視頻中的單個或多個人臉。他們得到的被稱為面部坐標（眼睛、鼻子、嘴唇等），這些坐標是唯一的。
2.識別
人臉識別是如何工作的？一種識別人臉的方法，用于識別或驗證目的。在此階段，我們的面部坐標將與數據庫進行比較。如果檢測到相似性，則會進行確定。
某些軟件為了能夠運行，它必須知道如何區分一個基本的臉和背景的其余部分。人臉識別軟件是基于對人臉的識別能力，然后對人臉的各種特征進行測量。
每一張臉都有許多可辨別的地標，構成面部特征的不同峰谷，我們將這些地標定義為節點。每個人臉大約有80個節點。軟件測量的其中一些是：
a.兩眼之間的距離
b.鼻子的寬度
c.眼窩深度
d.顴骨的形狀
e.下顎線的長度
這些節點通過創建一個數字代碼來測量，表示數據庫中的人臉。
在過去，人臉識別軟件依賴于一個2D圖像來比較或識別數據庫中的另一個2D圖像。為了有效和準確，拍攝的圖像必須是一張幾乎直接對著相機的臉，與數據庫中的圖像相比，光線或面部表情變化很小。這造成了一個相當大的問題。
在大多數情況下，圖像不是在受控環境下拍攝的。即使是光線或方向上的最小變化也會降低系統的有效性，因此它們無法與數據庫中的任何人臉匹配，從而導致高故障率。
人臉識別技術可以從照片或視頻中識別出一個人。它將選定的面部特征與數據庫中的面部進行比較，并可以分析面部紋理和形狀來驗證一個人。
人臉識別分兩步進行。第一步是從圖像中提取和選擇特征。第二步是對象或特征的分類。
3.面部技術在不同的產品和應用中有許多具體的工作方式，包括：
a.傳統意義上的：許多傳統的人臉識別算法識別面部特征，如眼睛、鼻子、顴骨和下巴的位置或大小。這些功能用于連接其他匹配的功能。有些算法只保存對人臉識別很重要的人臉數據，而不保存整個人臉圖像。傳統的算法主要有兩種，幾何算法和光度算法。幾何算法著眼于區別特征。光度法是一種統計方法，它將圖像放入一個值中，然后在消除過程中將值與模板進行比較。無論哪種方法，這些算法都利用人臉圖像進行比較和對比，匹配正確的圖像進行人臉識別。
b.3D識別：三維人臉識別使用三維傳感器來捕捉有關人臉形狀的信息。從那里，軟件識別出不同的特征，如眼窩、鼻子和下巴。環境中的光線或其他變化不會影響3D面部識別，但是面部表情會引起一些敏感性。正因為如此，不同角度的相機正在成為一種流行的實時方式來識別人臉。
c.皮膚紋理分析：這是面部識別領域的一個新趨勢。這個過程把一個人皮膚上獨特的線條和圖案變成一個數學空間。一張照片拍攝一塊皮膚，然后把那塊皮膚分成小塊。算法將貼片轉化為數學空間，然后將貼片與數據庫進行比較。
d.熱敏攝像機：熱敏相機只檢測頭部的形狀，而忽略了眼鏡或帽子等配件。熱敏相機甚至可以在微光下拍攝圖像，無需使用閃光燈。但是識別的數據庫有限，很難使用。如果人臉識別技術變得更加流行，數據庫能夠發展壯大，這可能是一個極好的選擇。
這些方法各有利弊，現在許多公司正致力于將不同的方法結合起來，以獲得更高的成功率。結合這些方法意味著面部表情，眨眼，皺眉或微笑，種族，性別，甚至面部頭發或眼鏡都可以解釋。
4.面部識別威脅和問題
盡管人臉識別技術幫助許多行業提高了安全性，但這項技術還是引起了許多人的極大關注。再加上監控市場呈指數級增長，人臉識別系統幾乎可以在生活的方方面面找到，相當一部分人反對這種技術。讓我們來看看有關人臉識別軟件的一些主要問題：
a.隱私
人臉識別技術發展勢頭強勁，但與此同時，嚴格的新隱私法正在頒布。
b.數據濫用
人們非常擔心公司會濫用他們通過人臉識別收集的數據。而且，即使一家公司有好的意圖，如果數據泄露發生，數據總是有可能被濫用。
c.識別錯誤
人臉識別技術并非100%準確。在識別女性和有色人種時，尤其是使用過時的算法時，存在更大的偏見。
d.面部識別限制
在短短的幾年里，人臉識別技術的能力和準確性都有了顯著的提高。在理想條件下，人臉識別系統的準確率可達99.97%。然而，在現實世界中，理想的照片是很少實現的。照明和定位必須使受試者的面部特征清晰無瑕。
老化也會增加錯誤率。由于受試者的臉隨著時間的推移而老化，系統將不太可能將其與數據庫中的照片進行匹配。
另一個問題是供應商之間的準確性差異很大。一些供應商已經開發出能夠提供高精度結果的人臉識別算法。然而，一般的市場供應商并不那么準確。人臉識別軟件離商品化還有很長的路要走。
