人脸识别过磅人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行识别的一系列相关技术，通常也叫做人像识别、面部识别。

　　人脸识别的应用

　　人脸识别主要用于身份识别。由于视频监控正在快速普及，受保护的地区可以通过人脸识别辨识试图进入者的身份。

　　同时，也正是视频监控的快速普及，人脸识别被用于各行各业，在各个应用系统中，人脸识别也将逐渐替代刷卡识别或者指纹识别。

　　优势所在

　　相比并不环保的刷卡过磅，以及对指纹不清晰者并不友好的指纹识别来说，生物人脸识别除了不需要耗费资源制作卡片外，还能轻轻松松实现一对一，快速锁定相关人员。

　　而，远程查询数据、可刷卡过磅、人员权限设置、手机定价、数据汇总等特点，现如今已经是一个成熟的称重系统所应有的，最基本的优点了。

　　刷卡过磅方式也算是目前比较普遍的一种方式，但每一个地方来回车辆过多，想实现人手一张卡，对于资源而言，是一个过大的消耗，而为节省资源，一卡多用，事后则难以找到对应的数据

　　图：废纸回收现场

　　科技是第一生产力

　　科技的发展带动各行各业的发展，而科技所带来的更新换代恰恰是最快的，使用处在科技前沿的产品，或许就会比别人快一步，从而发展到比别人快上十步甚至更多

　　3.人脸聚类/识别/验证——比大小

　　到这里，机器就会把前面人脸关键点的定位转换成具体的向量数据来表示。

　　接下来，机器要开始来判断这张人脸的年龄、性别等属性，并且根据设定的需要来判断这张人脸是谁、或者是否有与他重合的人脸。

　　那么问题就来了，机器怎么辨别这张脸是男是女，多少岁的呢?我们先想想人类是如何判断这些属性的。

　　我们也不是出生就会分性别，猜年龄，而是在生活中积累了大量经验，于是学会了从人脸上找到特征，然后进行判断。比如，女性的长相一般比男性温柔，年纪较大的人通常会有明显的皱纹等等。

 

　　机器也像人类一样，会通过学习来寻找规律。我们给机器一个庞大的人脸数据库，里面有海量的人脸数据，包括性别、年龄的信息。然后机器就会去学习这些数据，总结出规律：男/女性的人脸向量数据是怎样的、不同年龄段的人脸向量数据是怎样的，进行聚类。

　　这时你再给机器一张新的人脸，它就会通过数据的匹配来判断人脸属性了。

 

　　在人脸识别技术应用的某些场合，我们可能还需要做进一步的比对。比如，这个脸和某张脸是否是同一人，或者这个脸是谁。前者是1对1的判断，后者则是1对N的判断。

　　1对1的判断：比较两个人脸特征的相似度，通过与预设的阈值比较来验证这两个人脸特征是否属于同一人(相似度大于阈值，为同一人;小于阈值为不同)。

 

　　1对N的判断：将多个人脸与此人脸一一对比，找出特征相似度最高的人脸。然后将这个最高相似度值和预设的阈值相比较，如果大于阈值，则返回对应这个人脸的身份，否则返回“无对应”。

 

　　人脸识别，就是先捕捉人脸，对人脸的五官进行关键点定位，并且把脸校准对齐(摆正)，然后输出对应的向量数据，去匹配人脸的属性以及做识别判断。