合肥维安达*(图)-人脸识别门禁-合肥人脸识别

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。