青浦商湯人臉識別演算法

Ⅰ 人臉識別系統的核心是什麼

人臉識別是一種基於人的臉部特徵信息進行身份認證的生物特徵識別技術。它集成了人工智慧、機器識別、機器學習、模型理論、視頻圖像處理等多種專業技術。人臉識別主要分四步完成：人臉圖像採集及檢測、人臉圖像預處理、人臉圖像特徵提取、匹配與識別。 樓上已經很詳細的說明了人臉識別的技術原理，這里不做過多贅述。
在人臉識別業界，擁有人臉識別技術核心實力，即是擁有自主知識產權的人臉識別SDK。人臉識別技術，可以看LFW榜和FDDB榜：face++ 99.5% , 商湯 Deepid3 99.53% ， 騰訊 Tencent 99.65% , 網路 Bai 99.77%，顏鑒（ColorReco）99.64%，都是一線了，趕超國外的google 。之所以只列舉這幾家公司，是因為它們相比於其他公司，優勢在於有自己的核心技術，而不是渠道商或傳統廠商。值得一提的是，這些公司目前規模都不大，但卻像谷歌、微軟一樣都有自己的人工智慧研究院，緊密追隨國際最新的科研成果。像前段時間很火的阿爾法狗，其工作原理是深度學習，這一技術其實在中國的這些公司里都已經擁有並投入商用了。

Ⅱ 人臉識別SDK哪個公司做的好

目前做人臉識別的公司很多，虹軟現在主打免費的人臉識別SDK。而且離線情況依舊可以運行，整個測試過來，虹軟的人臉識別還是很強大的，人臉檢測可以控制在20ms之內，人臉識別大概在200ms左右。

Ⅲ 商湯科技(SenseTime) 這家公司怎樣

這家公司是一家開放創新型公司，它專注於計算機視覺和深度學習原創技術研發。是一家迅速發展的公司。

2018年9月20日，科技部部長王志剛向商湯科技授予「智能視覺國家新一代人工智慧開放創新平台」稱號並授牌。

起源於香港中文大學，由香港中文大學教授湯曉鷗創立，自主研發原創深度學習平台Parrots。 以「堅持原創，讓AI引領人類進步」為願景。

商湯科技成立於2014年，是計算機視覺和深度學習領域的演算法提供商。

2014年，商湯團隊發表DeepID系列人臉識別演算法擊敗Facebook，在全球首次超過人眼識別率。

商湯科技的核心團隊由兩大部分組成：一部分是來自麻省理工學院、香港中文大學、清華大學、北京大學的博士、碩士等；另一部分則是來自微軟、谷歌、聯想、網路等相關領域的從業者。

商湯科技已與香港中文大學、浙江大學、上海交通大學、北京大學建立了深度合作，共建聯合實驗室和研發中心，與清華大學、北京大學等多所高校成立研究團隊。

商湯科技主研發的原創深度學習平台SenseParrots，對超深的網路規模、超大的數據學習以及復雜關聯應用等支持更具優勢。商湯科技還自主搭建了深度學習超算中心，大幅降低了各類人工智慧技術的研發成本，並且縮短了開發深度學習演算法模型的時間。

Ⅳ 人臉識別的識別演算法

人臉識別的基本方法

人臉識別的方法很多，以下介紹一些主要的人臉識別方法。

(1)幾何特徵的人臉識別方法

幾何特徵可以是眼、鼻、嘴等的形狀和它們之間的幾何關系(如相互之間的距離)。這些演算法識別速度快，需要的內存小，但識別率較低。

(2)基於特徵臉(PCA)的人臉識別方法

特徵臉方法是基於KL變換的人臉識別方法，KL變換是圖像壓縮的一種最優正交變換。高維的圖像空間經過KL變換後得到一組新的正交基，保留其中重要的正交基，由這些基可以張成低維線性空間。如果假設人臉在這些低維線性空間的投影具有可分性，就可以將這些投影用作識別的特徵矢量，這就是特徵臉方法的基本思想。這些方法需要較多的訓練樣本，而且完全是基於圖像灰度的統計特性的。目前有一些改進型的特徵臉方法。

(3)神經網路的人臉識別方法

神經網路的輸入可以是降低解析度的人臉圖像、局部區域的自相關函數、局部紋理的二階矩等。這類方法同樣需要較多的樣本進行訓練，而在許多應用中，樣本數量是很有限的。

(4)彈性圖匹配的人臉識別方法

彈性圖匹配法在二維的空間中定義了一種對於通常的人臉變形具有一定的不變性的距離，並採用屬性拓撲圖來代表人臉，拓撲圖的任一頂點均包含一特徵向量，用來記錄人臉在該頂點位置附近的信息。該方法結合了灰度特性和幾何因素，在比對時可以允許圖像存在彈性形變，在克服表情變化對識別的影響方面收到了較好的效果，同時對於單個人也不再需要多個樣本進行訓練。

(5)線段Hausdorff 距離(LHD) 的人臉識別方法

心理學的研究表明，人類在識別輪廓圖(比如漫畫)的速度和准確度上絲毫不比識別灰度圖差。LHD是基於從人臉灰度圖像中提取出來的線段圖的，它定義的是兩個線段集之間的距離，與眾不同的是，LHD並不建立不同線段集之間線段的一一對應關系，因此它更能適應線段圖之間的微小變化。實驗結果表明，LHD在不同光照條件下和不同姿態情況下都有非常出色的表現，但是它在大表情的情況下識別效果不好。

(6)支持向量機(SVM) 的人臉識別方法

近年來，支持向量機是統計模式識別領域的一個新的熱點，它試圖使得學習機在經驗風險和泛化能力上達到一種妥協，從而提高學習機的性能。支持向量機主要解決的是一個2分類問題，它的基本思想是試圖把一個低維的線性不可分的問題轉化成一個高維的線性可分的問題。通常的實驗結果表明SVM有較好的識別率，但是它需要大量的訓練樣本(每類300個)，這在實際應用中往往是不現實的。而且支持向量機訓練時間長，方法實現復雜，該函數的取法沒有統一的理論。

人臉識別的方法很多，當前的一個研究方向是多方法的融合，以提高識別率。

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，而稱第二類變化為類內變化。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。正是基於上述原因，一直到21 世紀初，國外才開始出現人臉識別的商用，但由於人臉識別演算法非常復雜，只能採用龐大的伺服器，基於強大的計算機平台。

如果可以的話，可以Te一下colorreco，更好的技術解答。

Ⅳ 人臉識別原理及演算法

人臉識別原理就是指在動態的場景與復雜的背景中判斷是否存在面像，並分離出這種面像。

人臉識別是一項熱門的計算機技術研究領域，其中包括人臉追蹤偵測，自動調整影像放大，夜間紅外偵測，自動調整曝光強度等技術。

人臉識別技術是基於人的臉部特徵，對輸入的人臉圖像或者視頻流 . 首先判斷其是否存在人臉 , 如果存在人臉，則進一步的給出每個臉的位置、大小和各個主要面部器官的位置信息。並依據這些信息，進一步提取每個人臉中所蘊涵的身份特徵，並將其與已知的人臉進行對比，從而識別每個人臉的身份。

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。

人臉識別是採用的分析演算法。

人臉識別技術中被廣泛採用的區域特徵分析演算法，它融合了計算機圖像處理技術與生物統計學原理於一體，利用計算機圖像處理技術從視頻中提取人像特徵點，利用生物統計學的原理進行分析建立數學模型,即人臉特徵模板。利用已建成的人臉特徵模板與被測者的人的面像進行特徵分析，根據分析的結果來給出一個相似值。通過這個值即可確定是否為同一人。

Ⅵ 中國在人臉識別領域誕生了四小龍企業分別是

中國在人臉識別領域誕生了四小龍企業分別是：商湯科技、曠視科技、雲從科技、依圖科技，這四家被稱為內地「AI四小龍」，這四家企業均以AI領域計算機視覺技術起家，深耕AI技術在各領域的落地應用。

人臉識別產品已廣泛應用於各大領域。隨著技術的進一步成熟和社會認同度的提高，人臉識別技術將應用在更多的領域。2014年，商湯團隊發表DeepID系列人臉識別演算法擊敗Facebook，在全球首次超過人眼識別率。

人臉識別的用途

人臉識別主要用於身份識別。由於視頻監控正在快速普及，眾多的視頻監控應用迫切需要一種遠距離、用戶非配合狀態下的快速身份識別技術，以求遠距離快速確認人員身份，實現智能預警。

人臉識別技術無疑是最佳的選擇，採用快速人臉檢測技術可以從監控視頻圖象中實時查找人臉，並與人臉資料庫進行實時比對，從而實現快速身份識別。

Ⅶ 3D結構光人臉識別技術有什麼優勢

在回答這個問題之前，我們首先要搞清楚一個概念：3d人臉識別技術是由演算法以及硬體兩大部分組成的。演算法是實現人臉識別的基礎，硬體是承載演算法，讓人臉識別得以實現的實體部件。演算法和硬體缺一不可，只有兩者相互協作，才能實現人臉識別。
曠視（face++）和商湯科技主要做的是人臉識別演算法，在演算法領域，這兩家大概是國內做的最好的，也是名氣最大的兩家。當然，除過演算法之外，它們也做硬體，不過只佔很小的一部分。
奧比中光主要側重在硬體部分，推出的產品包括astra
3d感測攝像頭等產品，它也是國內唯一能量產3d感測攝像頭的廠家。目前奧比中光已和螞蟻金服、肯德基達成了合作，共同在深圳等地的肯德基店鋪推出了3d刷臉支付設備。因此，從硬體綜合實力來看，奧比中光算是國內翹楚。
最後再說一下，三家公司有合作關系，例如，奧比中光會用到face++和商湯的演算法，另外兩家也會用到奧比中光的3d感測攝像頭等。
打了這么多字不容易啊，希望題主可以採納答案。