[VIP第1年] 指数:3
三大关键技术：
一、基于特征的人脸检测技术
通过采用颜色、轮廓、纹理、结构或者直方图特征等进行人脸检测。
二，河南人证合一核查系统，河南人证合一核查系统、基于模板匹配人脸检测技术
从数据库当中提取人脸模板，接着采取一定模板匹配策略，使抓取人脸图像与从模板库提取图片相匹配，由相关性的高低和所匹配的模板大小确定人脸大小以及位置信息，河南人证合一核查系统。
三、基于统计的人脸检测技术
通过对于“人脸”和“非人脸”的图像大量搜集构成的人脸正、负样本库，采用统计方法强化训练该系统，从而实现对人脸和非人脸的模式进行检测和分类。
人脸识别数据库：
1）Yale人脸数据库；
2）ORL人脸数据库；
3）CMU PIE人脸数据库；
4）FERET人脸数据库；
5）MIT数据库；
6）BANCA人脸数据库；
7）CAS-PEAL人脸数据库；
8）JAFE表情数据库；
9）Cohn-Kanade表情数据库；
10）MMI表情数据库；
技术发展方向：
1）结合三维信息：二维和三维信息融合使特征更加鲁棒 2）多特征融合：单一特征难以应对复杂的光照和姿态变化 3）大规模人脸比对：面向海量数据的人脸比对与搜索 4）深度学习：在大数据条件下充分发挥深度神经网络强大的学习能力
人脸识别中的关键指标：
1000张样本图片里，共600张正样本。相似度为0.9的图片一共100张，其中正样本为99张。虽然0.9阈值的正确率很高，为99/100；但是0.9阈值正确输出的数量确很少，只有99/600。这样很容易发生漏识的情况。
1、精确率（precision）：识别为正确的样本数/识别出来的样本数=99/100
2、召回率（recall）：识别为正确的样本数/所有样本中正确的数=99/600
3、错误接受率/认假率/误识率（FARFalse Accept Rate）：
1、定义：指将身份不同的两张照片，判别为相同身份，越低越好
2、FAR = NFA / NIRA
3、式中 NIRA **的是类间测试次数，既不同类别间的测试次数，打比方如果有1000个识别 模型，有1000个人要识别，而且每人只提供一个待识别的素材，那 NIRA=1000*(1000-1) 。NFA是错误接受次数。
4、FAR决定了系统的安全性，FRR决定了系统的易用程度，在实际中，FAR对应的风险远远高于FRR，因此，生物识别系统中，会将FAR设置为一个非常低的范围，如万分之一甚至百万分之一，在FAR固定的条件下，FRR低于5%，这样的系统才有实用价值。
4、错误拒绝率/拒真率/拒识率（FRR False Reject Rate）：
1、定义：指将身份相同的两张照片，判别为不同身份，越低越好
2、FRR = NFR / NGRA
文章来源地址: http://aqfh.huanbaojgsb.chanpin818.com/aqjcsb/deta_2675839.html
免责声明： 本页面所展现的信息及其他相关推荐信息，均来源于其对应的用户，本网对此不承担任何保证责任。如涉及作品内容、 版权和其他问题，请及时与本网联系，我们将核实后进行删除，本网站对此声明具有最终解释权。
