武昌人脸识别厂家-武汉德信门业

这些应用场景的共同特点是：人脸识别系统都事先存储了大量的不同人脸和身1份信息，系统运行时需要将见到的人脸与之前存储的大量人脸做比对，找出匹配的人脸。

两者在早期（2012年~2015年）是通过不同的算法框架来实现的，想同时拥有人脸验证和人脸识别系统，需要分开训练两个*网络。而 2015 年 Google 的 FaceNet [1] *的发表改变了这一现状，将两者统一到一个框架里。

现有的人脸识别系统在用户配合、采集条件比较理想的情况下可以取得令人满意的结果。但是，在用户不配合、采集条件不理想的情况下，现有系统的识别率将陡然下降。比如，人脸比对时，与系统中存储的人脸有出入，人脸识别厂家，例如剃了胡子、换了发型、多了眼镜、变了表情都有可能引起比对失败。

优势 人脸识别的优势在于其自然性和不被被测个体察觉的特点。

困难 人脸识别被认为是生物特征识别领域甚至人工智能领域*困难的研究课题之一。人脸识别的困难主要是人脸作为生物特征的特点所带来的。

人脸识别基于一个默认成立的假设：同一个人在不同照片里的脸，在特征空间里非常接近。

为什么这个假设默认成立，设想一下，一个棕色头发的人，在不同光照，遮挡，角度条件下，发色看起来虽然有轻微的区别，但依然与真实颜色非常接近，反应在发色的特征值上，可能是 0 到 0.1 之间的浮动。

深度学习的另一任务和挑战便是在各种*端复杂的环境条件下，精1确的识别各个特征。