基于深度学习的人脸识别算法在安防领域的应用综述.pdf

基于深度学习的人脸识别算法在安防领域的应用综述.pdf 摘要：本文将探讨如何将人脸识别技术运用在安防领域，实现智慧安防。人脸识别技术从上世纪 60 年代发展到现在，目前人脸识别算法精确率几乎可达 100%。现如今基于深度学习的人脸识别算法识别率相对较高，也备受大家欢迎。 知识点： 1. 人脸识别技术的定义：人脸识别技术是指能在图像、视频中识别和认证人的技术。 2. 人脸识别技术的组成部分：人脸检测、人脸对齐、人脸表征、人脸匹配。 3. 人脸检测：使用设备标记人脸的面部特征，并记录重要部位的位置，重要区域需要用矩阵标记出来。 4. 人脸对齐：使用一组参考点来定位图像中固定的几个重要的位置和区域，再通过图像的缩放和裁剪，进行对齐处理。 5. 人脸表征：人脸的像素值可以转换成特征向量，理论上属于同一人脸的不同图像都将被映射成相似的特征向量。 6. 人脸匹配：将图片中人脸的特征向量做比对，当两幅图片特征向量的差异小于指定的阈值时，可以判定两张人脸图片来源于一个人。 7. 智慧安防技术：通过摄像头捕捉信息，再将信息实时传回监控室，由工作人员监视视频的信息，但这种做法不仅需要耗费人力，而且效果并不理想。 8. 基于人脸识别技术的智慧监控：从客观记录到主动识别，检测到目标时能发出警报并对目标进行跟踪，让安全防护更有保障。 9. 人脸识别技术在安防领域的应用：公共场合治安维护和云端身份认证。 10. 智慧安防技术的优点：可以实现服务的集成和信息化，提供更大的安全保障。 11. 人脸识别算法的发展：从上世纪 60 年代发展到现在，目前人脸识别算法精确率几乎可达 100%。 12. 基于深度学习的人脸识别算法：识别率相对较高，也备受大家欢迎。 13. 人脸识别技术的挑战：当脸部部分遮住时，识别率会变低，后期也需要我们继续探索在部分脸被遮住的情况下，能达到较高识别精确度的算法。