根据热成像测温原理可知,人脸识别系统,影响人脸识别测温终端测温的几个因素包括:
1.温度:在户外,人脸识别门禁,猛烈的阳光中含有红外线、紫外线、可见光,这些光线对热成像探头都影响。
2.雨水:雨水淋在人脸识别测温终端上,雨水会遮挡了测温探头,导致无法测温。
3.阳光:阳光直射在脸识别测温仪上,除了太阳温度,还有太阳光线都会影响探头测温的准确度。
“人脸聚类(Face Cluster)”是将一个集合内的人脸根据身份进行分组的算法。
人脸聚类也通过将集合内所有的人脸两两之间做人脸比对,再根据这些相似度值进行分析,智能人脸识别,将属于同一个身份的人划分到一个组里。
在没有进行人工身份标注前,只知道分到一个组的人脸是属于同一个身份,合肥人脸识别,但不知道确切身份。另外假设集合中有N个人脸,那么人脸聚类的算法复杂度为O(N2)。
人脸识别-局部二值模式(Local Binary Patterns,LBP)
局部二值模式(Local binary patterns LBP)是计算机视觉领域里用于分类的视觉算子。LBP,一种用来描述图像纹理特征的算子,该算子由芬兰奥卢大学的T.Ojala等人在1996年提出(《A comparative study of texturemeasures with classificatio1n based o1n featured distributio1ns》)。2002年,T.Ojala等人在PAMI上又发表了一篇关于LBP的文章(《Multiresolutio1n gray-scale androtatio1n invariant texture classificatio1n with local binary patterns》)。这一文章非常清楚的阐述了多分辨率、灰度尺度不变和旋转不变、等价模式的改进的LBP特征。LBP的核心思想就是:以中心像素的灰度值作为阈值,与他的领域相比较得到相对应的二进制码来表示局部纹理。