智能演算法對比圖怎麼辦

『壹』 人臉識別的演算法，怎麼從兩張圖片中找出人臉 的部分，並比較兩個人是否是同一個人。

OPENCV里就有，我大4的時候用過。安裝後，DATA目錄下，haarcascades目錄下，haarcascade_frontalface_default.xml就不錯。這是人臉識別的數據。
用法請根據這個文件名找吧，我記得就是調用OPENCV里的某個函數（C++），用這個文件名和圖作參數，返回的就是圖中人臉的位置。
嘿嘿，50分么，下面是我以前的代碼，這里是你用得著的部分：
const char* cascadeFile = "haarcascade_frontalface_alt.xml";
const char* folder = "C:\\Program Files\\OpenCV\\data\\haarcascades\\";
char path[1024];
sprintf(path, "%s%s", folder, cascadeFile);
CvHaarClassifierCascade* cascade = (CvHaarClassifierCascade*) cvLoad(path, 0, 0, 0);
//然後cascade就存著需要的那個CvHaarClassifierCascade了。
......
CvSeq* faces = cvHaarDetectObjects(img, cascade, storage,
1.1, 2, CV_HAAR_DO_CANNY_PRUNING,
cvSize(source->getWidth() >> 7, source->getHeight() >> 7));
這句中，img是一個IplImage*，我自己的項目是從攝像頭弄來的，我估計你需要直接用opencv載入圖片。cascade就是載入的OPENCV的樣本數據，storage是一個空間，我用的CvMemStorage* storage = cvCreateMemStorage(0)創建的，detect objects之前我還用了cvClearMemStorage(storage)，1.1是縮放，2是檢測像素大小，CV_HAAR_DO_CANNY_PRUNING是比較方法， 一個OPENCV自帶的常量。最後cvSize的返回值是允許的最小臉部大小。每個變數都解釋到了吧。
之後faces->total就是找到幾個臉。用cvGetSeqElem(faces, i)來取每個臉的數據，取出來的東西是(CvRect*)，要記得TYPECAST，例如CvRect face1 = *((CvRect*) cvGetSeqElem(faces, 0))。這樣得到的CvRect有4個變數face1.x,face1.y,face1.width,face1.height就是人臉在圖片中的位置了。

『貳』 人工智慧十大演算法

人工智慧十大演算法如下

線性回歸（Linear Regression）可能是最流行的機器學習演算法。線性回歸就是要找一條直線，並且讓這條直線盡可能地擬合散點圖中的數據點。它試圖通過將直線方程與該數據擬合來表示自變數（x值）和數值結果（y值）。然後就可以用這條線來預測未來的值！

邏輯回歸（Logistic regression）與線性回歸類似，但它是用於輸出為二進制的情況（即，當結果只能有兩個可能的值）。對最終輸出的預測是一個非線性的S型函數，稱為logistic function, g()。

決策樹（Decision Trees）可用於回歸和分類任務。

樸素貝葉斯（Naive Bayes）是基於貝葉斯定理。它測量每個類的概率，每個類的條件概率給出x的值。這個演算法用於分類問題，得到一個二進制「是/非」的結果。看看下面的方程式。

支持向量機（Support Vector Machine，SVM）是一種用於分類問題的監督演算法。支持向量機試圖在數據點之間繪制兩條線，它們之間的邊距最大。為此，我們將數據項繪制為n維空間中的點，其中，n是輸入特徵的數量。在此基礎上，支持向量機找到一個最優邊界，稱為超平面（Hyperplane），它通過類標簽將可能的輸出進行最佳分離。

K-最近鄰演算法（K-Nearest Neighbors，KNN）非常簡單。KNN通過在整個訓練集中搜索K個最相似的實例，即K個鄰居，並為所有這些K個實例分配一個公共輸出變數，來對對象進行分類。

K-均值（K-means）是通過對數據集進行分類來聚類的。例如，這個演算法可用於根據購買歷史將用戶分組。它在數據集中找到K個聚類。K-均值用於無監督學習，因此，我們只需使用訓練數據X，以及我們想要識別的聚類數量K。

『叄』 什麼是演算法流程圖怎麼畫演算法流程圖

最近很多人問演算法流程圖是什麼？我想各位應該沒有忘記學生時代我們就接觸過演算法流程圖，只是那種的較簡單，流程圖較短且只是其中一種，現在網上又出現很多關於演算法流程圖怎麼畫的問題，接下來，我將教大家畫演算法流程圖，歡迎大家圍觀。

1.首先，打開在線畫圖，點擊畫布上方【流程圖】在跳轉的頁面點擊【立即體驗】既然怒在線繪制界面；

2.在畫布的四周有很多的工具欄，這些在繪制的過程中都是可以使用的；

3.首先，將中心主題進行確立，中心主題是一個流程圖的核心部分；

4.接下來，就是沿著中心主題進行節點的添加，點擊畫布左側【基礎圖形】直接用滑鼠將圖形拖曳至畫布右邊需要的位置，之後在用連接線將圖形與圖形之間建立連接即可；

5.基本框架搭建完後，我們需要做的就是將內容進行添加，雙擊文本框即可，這時在畫布右邊出現的工具欄中可以將文本的樣式、排列及背景顏色根據自己的喜好進行設置；

6.為了確保內容填充的正確性，點擊畫上方【編輯】—【選擇節點】將對流程圖的每一級節點進行展開檢查，減少錯誤，提高精密度；

7.這時一張完整的流程圖就在線製作完成了，點擊畫布右上角【導出】在彈出的菜單欄中選擇需要的格式進行導出即可；

關於什麼是演算法，如何繪制演算法流程圖到這里就分享結束啦，步驟闡述的很詳細，在學習的過程中需要將理論與實踐相集合，這樣才能學到真正的技能，希望上述的方法可以幫助到大家！