人臉識別的前身是什么？

人臉識別的前身是以“物”為介質(zhì)的識別：如密碼、鑰匙、IC卡等，從本質(zhì)上來說，這種方法驗證是該人持有的某種“物”而不是驗證該人本身。只要“物”的有效性得到確認(rèn)，則持有該“物”的人的身份也隨之得到確認(rèn)。這種以“物”認(rèn)人的辦法存在的漏洞顯而易見：“物”的丟失會導(dǎo)致合法的人無法被認(rèn)證，以及各種信物容易被偽1造、破譯。而密碼容易被遺忘，也有被人竊1取的可能，也不能很好的滿足人們對安全的需要。人臉識別-Fisherface算法線性鑒別分析在降維的同時考慮類別信息，由統(tǒng)計學(xué)家SirR。

人臉識別-局部二值模式（Local Binary Patterns，LBP）

局部二值模式（Local binary patterns LBP）是計算機(jī)視覺領(lǐng)域里用于分類的視覺算子。LBP，一種用來描述圖像紋理特征的算子，該算子由芬蘭奧盧大學(xué)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上又發(fā)表了一篇關(guān)于LBP的文章（《Multiresolutio1n gray-scale androtatio1n invariant texture classificatio1n with local binary patterns》）。這一文章非常清楚的闡述了多分辨率、灰度尺度不變和旋轉(zhuǎn)不變、等價模式的改進(jìn)的LBP特征。而密碼容易被遺忘，也有被人竊1取的可能，也不能很好的滿足人們對安全的需要。LBP的核心思想就是：以中心像素的灰度值作為閾值，與他的領(lǐng)域相比較得到相對應(yīng)的二進(jìn)制碼來表示局部紋理。

人臉識別-Fisherface算法

線性鑒別分析在降維的同時考慮類別信息，由統(tǒng)計學(xué)家Sir R. A.Fisher1936年發(fā)明（《The useof multiple measurements in taxonomic problems》）。為了找到一種特征組合方式，達(dá)到zui大的類間離散度和zui小的類內(nèi)離散度。這個想法很簡單：在低維表示下，相同的類應(yīng)該緊緊的聚在一起，而不同的類別盡量距離越遠(yuǎn)。1997年，Belhumer成功將Fisher判別準(zhǔn)則應(yīng)用于人臉分類，提出了基于線性判別分析的Fisherface方法（《Eigenfaces vs. fisherfaces:Recognition using class specific linear projection》）。在當(dāng)前疫情肆掠的危機(jī)時刻，“體溫檢測”是一項非常重要的工作，可以快速把溫度過高的人員進(jìn)行篩選。

這部分工作可能很多很雜，例如減少圖像中的噪聲干擾、提高清晰度、還有包括圖像濾波、變換、轉(zhuǎn)碼、模數(shù)轉(zhuǎn)化等。特征提取，就是在預(yù)處理后的圖像中，提取對識別有明顯作用的特征，并在這個過程中降低模式特征的維數(shù)，令其便于處理。這是一個復(fù)雜的過程，后面我們講到具體方法時候會有體現(xiàn)；2代證識別模塊支持二代讀卡器，快速讀取信息，結(jié)合人像比對系統(tǒng)，可進(jìn)行人證比對身份核驗。分類，就是對提取到的特征值按照一定的準(zhǔn)則進(jìn)行分類，便于決策。