人臉識(shí)別核心優(yōu)勢(shì)。

IP67防護(hù)等級(jí), IK08防1暴等級(jí)

采用嵌入式Linux系統(tǒng)、功耗低，運(yùn)行更穩(wěn)定、數(shù)據(jù)更安全

不懼高溫嚴(yán)寒，工作環(huán)境-30℃～70℃，濕度小于90%(無(wú)凝結(jié))

專業(yè)ISP圖像處理，超1強(qiáng)智能寬動(dòng)態(tài)，無(wú)畏強(qiáng)光、逆光和黑暗，適應(yīng)各復(fù)雜光線場(chǎng)景

人臉識(shí)別智能功能。

雙目攝像頭，支持活1體防偽，解決照片欺騙問(wèn)題

支持人臉優(yōu)選，人臉增強(qiáng)與人臉曝光，提高成像質(zhì)量

支持多人臉識(shí)別、1大人臉識(shí)別模式，人臉識(shí)別率高達(dá)99.7%以上

支持刷臉并刷1卡、刷臉或刷1卡、僅人臉、僅刷1卡四種識(shí)別方式，滿足多樣需求

標(biāo)配3萬(wàn)級(jí)人臉庫(kù)和3萬(wàn)IC卡庫(kù)，毫秒識(shí)別通過(guò)、人臉識(shí)別速度（1：N）≤0.2S/人

采用智能處理器，基于深度學(xué)習(xí)的人臉識(shí)別與抓拍信息提取，極大的提高了人臉抓拍率。

人臉識(shí)別技術(shù)流程。

主流的人臉檢測(cè)方法基于以上特征采用Adaboost學(xué)習(xí)算法，Adaboost算法是一種用來(lái)分類的方法，它把一些比較弱的分類方法合在一起，組合出新的很強(qiáng)的分類方法。

人臉檢測(cè)過(guò)程中使用Adaboost算法挑選出一些1能代表人臉的矩形特征(弱分類器)，按照加權(quán)投1票的方式將弱分類器構(gòu)造為一個(gè)強(qiáng)分類器，再將訓(xùn)練得到的若干強(qiáng)分類器串聯(lián)組成一個(gè)級(jí)聯(lián)結(jié)構(gòu)的層疊分類器，有效地提高分類器的檢測(cè)速度。

人臉識(shí)別具有的優(yōu)勢(shì)。

人臉識(shí)別的優(yōu)勢(shì)在于其自然性和不被被測(cè)個(gè)體察覺(jué)的特點(diǎn)。

所謂自然性，是指該識(shí)別方式同人類（甚至其他生物）進(jìn)行個(gè)體識(shí)別時(shí)所利用的生物特征相同。例如人臉識(shí)別，人類也是通過(guò)觀察比較人臉區(qū)分和確認(rèn)身份的，另外具有自然性的識(shí)別還有語(yǔ)音識(shí)別、體形識(shí)別等，而指紋識(shí)別、虹膜識(shí)別等都不具有自然性，因?yàn)槿祟惢蛘咂渌锊⒉煌ㄟ^(guò)此類生物特征區(qū)別個(gè)體。

人臉識(shí)別技術(shù)的發(fā)展和應(yīng)用。

隨著人工智能發(fā)展的日新月異，人臉識(shí)別技術(shù)從1初應(yīng)用的公共安保和視頻監(jiān)控領(lǐng)域走向更多的社會(huì)應(yīng)用場(chǎng)景：通過(guò)監(jiān)視器的布控和個(gè)人圖像分析預(yù)防街頭路面等公共場(chǎng)所的犯1罪和暴1恐行為，進(jìn)入教育系統(tǒng)偵測(cè)學(xué)生上課的出勤率和專注度，參與醫(yī)院對(duì)重1癥病1人照護(hù)協(xié)助和家屬異常情緒的偵知等。一般認(rèn)為，在人臉識(shí)別技術(shù)的軟件開發(fā)分析和設(shè)計(jì)階段，設(shè)計(jì)者應(yīng)考慮人的基本權(quán)利原則和法律上的要求。然而隨著人工智能研究領(lǐng)域的增長(zhǎng)和智慧城市的發(fā)展，人臉識(shí)別已經(jīng)進(jìn)入定制化時(shí)代，降低了棄用技術(shù)的社會(huì)傾向，基于各自設(shè)計(jì)目的和理念投放于不同領(lǐng)域成為不可逆轉(zhuǎn)的潮流趨勢(shì)。人臉識(shí)別技術(shù)在“引入”環(huán)節(jié)的法律限定問(wèn)題似乎已經(jīng)被全球人工智能浪潮所“淹沒(méi)”，但這并不能取代人臉識(shí)別技術(shù)在“適用”環(huán)節(jié)的道德問(wèn)題和法律意義之討論。