青浦商汤人脸识别算法

Ⅰ 人脸识别系统的核心是什么

人脸识别是一种基于人的脸部特征信息进行身份认证的生物特征识别技术。它集成了人工智能、机器识别、机器学习、模型理论、视频图像处理等多种专业技术。人脸识别主要分四步完成：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取、匹配与识别。 楼上已经很详细的说明了人脸识别的技术原理，这里不做过多赘述。
在人脸识别业界，拥有人脸识别技术核心实力，即是拥有自主知识产权的人脸识别SDK。人脸识别技术，可以看LFW榜和FDDB榜：face++ 99.5% , 商汤 Deepid3 99.53% ， 腾讯 Tencent 99.65% , 网络 Bai 99.77%，颜鉴（ColorReco）99.64%，都是一线了，赶超国外的google 。之所以只列举这几家公司，是因为它们相比于其他公司，优势在于有自己的核心技术，而不是渠道商或传统厂商。值得一提的是，这些公司目前规模都不大，但却像谷歌、微软一样都有自己的人工智能研究院，紧密追随国际最新的科研成果。像前段时间很火的阿尔法狗，其工作原理是深度学习，这一技术其实在中国的这些公司里都已经拥有并投入商用了。

Ⅱ 人脸识别SDK哪个公司做的好

目前做人脸识别的公司很多，虹软现在主打免费的人脸识别SDK。而且离线情况依旧可以运行，整个测试过来，虹软的人脸识别还是很强大的，人脸检测可以控制在20ms之内，人脸识别大概在200ms左右。

Ⅲ 商汤科技(SenseTime) 这家公司怎样

这家公司是一家开放创新型公司，它专注于计算机视觉和深度学习原创技术研发。是一家迅速发展的公司。

2018年9月20日，科技部部长王志刚向商汤科技授予“智能视觉国家新一代人工智能开放创新平台”称号并授牌。

起源于香港中文大学，由香港中文大学教授汤晓鸥创立，自主研发原创深度学习平台Parrots。 以“坚持原创，让AI引领人类进步”为愿景。

商汤科技成立于2014年，是计算机视觉和深度学习领域的算法提供商。

2014年，商汤团队发表DeepID系列人脸识别算法击败Facebook，在全球首次超过人眼识别率。

商汤科技的核心团队由两大部分组成：一部分是来自麻省理工学院、香港中文大学、清华大学、北京大学的博士、硕士等；另一部分则是来自微软、谷歌、联想、网络等相关领域的从业者。

商汤科技已与香港中文大学、浙江大学、上海交通大学、北京大学建立了深度合作，共建联合实验室和研发中心，与清华大学、北京大学等多所高校成立研究团队。

商汤科技主研发的原创深度学习平台SenseParrots，对超深的网络规模、超大的数据学习以及复杂关联应用等支持更具优势。商汤科技还自主搭建了深度学习超算中心，大幅降低了各类人工智能技术的研发成本，并且缩短了开发深度学习算法模型的时间。

Ⅳ 人脸识别的识别算法

人脸识别的基本方法

人脸识别的方法很多，以下介绍一些主要的人脸识别方法。

(1)几何特征的人脸识别方法

几何特征可以是眼、鼻、嘴等的形状和它们之间的几何关系(如相互之间的距离)。这些算法识别速度快，需要的内存小，但识别率较低。

(2)基于特征脸(PCA)的人脸识别方法

特征脸方法是基于KL变换的人脸识别方法，KL变换是图像压缩的一种最优正交变换。高维的图像空间经过KL变换后得到一组新的正交基，保留其中重要的正交基，由这些基可以张成低维线性空间。如果假设人脸在这些低维线性空间的投影具有可分性，就可以将这些投影用作识别的特征矢量，这就是特征脸方法的基本思想。这些方法需要较多的训练样本，而且完全是基于图像灰度的统计特性的。目前有一些改进型的特征脸方法。

(3)神经网络的人脸识别方法

神经网络的输入可以是降低分辨率的人脸图像、局部区域的自相关函数、局部纹理的二阶矩等。这类方法同样需要较多的样本进行训练，而在许多应用中，样本数量是很有限的。

(4)弹性图匹配的人脸识别方法

弹性图匹配法在二维的空间中定义了一种对于通常的人脸变形具有一定的不变性的距离，并采用属性拓扑图来代表人脸，拓扑图的任一顶点均包含一特征向量，用来记录人脸在该顶点位置附近的信息。该方法结合了灰度特性和几何因素，在比对时可以允许图像存在弹性形变，在克服表情变化对识别的影响方面收到了较好的效果，同时对于单个人也不再需要多个样本进行训练。

(5)线段Hausdorff 距离(LHD) 的人脸识别方法

心理学的研究表明，人类在识别轮廓图(比如漫画)的速度和准确度上丝毫不比识别灰度图差。LHD是基于从人脸灰度图像中提取出来的线段图的，它定义的是两个线段集之间的距离，与众不同的是，LHD并不建立不同线段集之间线段的一一对应关系，因此它更能适应线段图之间的微小变化。实验结果表明，LHD在不同光照条件下和不同姿态情况下都有非常出色的表现，但是它在大表情的情况下识别效果不好。

(6)支持向量机(SVM) 的人脸识别方法

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。

人脸识别的方法很多，当前的一个研究方向是多方法的融合，以提高识别率。

在人脸识别中，第一类的变化是应该放大而作为区分个体的标准的，而第二类的变化应该消除，因为它们可以代表同一个个体。通常称第一类变化为类间变化，而称第二类变化为类内变化。对于人脸，类内变化往往大于类间变化，从而使在受类内变化干扰的情况下利用类间变化区分个体变得异常困难。正是基于上述原因，一直到21 世纪初，国外才开始出现人脸识别的商用，但由于人脸识别算法非常复杂，只能采用庞大的服务器，基于强大的计算机平台。

如果可以的话，可以Te一下colorreco，更好的技术解答。

Ⅳ 人脸识别原理及算法

人脸识别原理就是指在动态的场景与复杂的背景中判断是否存在面像，并分离出这种面像。

人脸识别是一项热门的计算机技术研究领域，其中包括人脸追踪侦测，自动调整影像放大，夜间红外侦测，自动调整曝光强度等技术。

人脸识别技术是基于人的脸部特征，对输入的人脸图像或者视频流 . 首先判断其是否存在人脸 , 如果存在人脸，则进一步的给出每个脸的位置、大小和各个主要面部器官的位置信息。并依据这些信息，进一步提取每个人脸中所蕴涵的身份特征，并将其与已知的人脸进行对比，从而识别每个人脸的身份。

一般来说，人脸识别系统包括图像摄取、人脸定位、图像预处理、以及人脸识别（身份确认或者身份查找）。系统输入一般是一张或者一系列含有未确定身份的人脸图像，以及人脸数据库中的若干已知身份的人脸图象或者相应的编码，而其输出则是一系列相似度得分，表明待识别的人脸的身份。

人脸识别是采用的分析算法。

人脸识别技术中被广泛采用的区域特征分析算法，它融合了计算机图像处理技术与生物统计学原理于一体，利用计算机图像处理技术从视频中提取人像特征点，利用生物统计学的原理进行分析建立数学模型,即人脸特征模板。利用已建成的人脸特征模板与被测者的人的面像进行特征分析，根据分析的结果来给出一个相似值。通过这个值即可确定是否为同一人。

Ⅵ 中国在人脸识别领域诞生了四小龙企业分别是

中国在人脸识别领域诞生了四小龙企业分别是：商汤科技、旷视科技、云从科技、依图科技，这四家被称为内地“AI四小龙”，这四家企业均以AI领域计算机视觉技术起家，深耕AI技术在各领域的落地应用。

人脸识别产品已广泛应用于各大领域。随着技术的进一步成熟和社会认同度的提高，人脸识别技术将应用在更多的领域。2014年，商汤团队发表DeepID系列人脸识别算法击败Facebook，在全球首次超过人眼识别率。

人脸识别的用途

人脸识别主要用于身份识别。由于视频监控正在快速普及，众多的视频监控应用迫切需要一种远距离、用户非配合状态下的快速身份识别技术，以求远距离快速确认人员身份，实现智能预警。

人脸识别技术无疑是最佳的选择，采用快速人脸检测技术可以从监控视频图象中实时查找人脸，并与人脸数据库进行实时比对，从而实现快速身份识别。

Ⅶ 3D结构光人脸识别技术有什么优势

在回答这个问题之前，我们首先要搞清楚一个概念：3d人脸识别技术是由算法以及硬件两大部分组成的。算法是实现人脸识别的基础，硬件是承载算法，让人脸识别得以实现的实体部件。算法和硬件缺一不可，只有两者相互协作，才能实现人脸识别。
旷视（face++）和商汤科技主要做的是人脸识别算法，在算法领域，这两家大概是国内做的最好的，也是名气最大的两家。当然，除过算法之外，它们也做硬件，不过只占很小的一部分。
奥比中光主要侧重在硬件部分，推出的产品包括astra
3d传感摄像头等产品，它也是国内唯一能量产3d传感摄像头的厂家。目前奥比中光已和蚂蚁金服、肯德基达成了合作，共同在深圳等地的肯德基店铺推出了3d刷脸支付设备。因此，从硬件综合实力来看，奥比中光算是国内翘楚。
最后再说一下，三家公司有合作关系，例如，奥比中光会用到face++和商汤的算法，另外两家也会用到奥比中光的3d传感摄像头等。
打了这么多字不容易啊，希望题主可以采纳答案。