最近小编看到大家都在讨论人脸识别功能（人脸识别门禁系统的功能） 相关的事情，对此呢小编也是非常的感应兴趣，那么这件事究竟是怎么发生的呢？具体又是怎么回事呢？下面就是小编搜索到的关于人脸识别功能（人脸识别门禁系统的功能） 事件的相关信息，我们一起来看一下吧！
人脸识别功能(人脸识别门禁系统的功能)
(资料图片)
01
人类认识对方最自然的方式就是通过人类的眼睛。你们不是通过指纹、虹膜或者交换密码认识的，但我记住了你的脸，你也记住了我的脸。那么，智能机器应该也是这样认识我们的，这是最接近人类认识事物的方式。
“刷脸”是目前已经在很多领域“火”起来的生物识别功能，比如手机屏幕解锁、APP认证、微信和支付宝提现支付、网上银行开户和取款等。，这些都可以通过“刷脸”来实现。这项技术让我们省去了担心记忆和手动输入密码或指纹的麻烦，确实给我们带来了很多便利。
但同时也有很多人担心，只凭一张脸认证，甚至提现、支付都不靠谱。
小学生发现蜂巢盒子刷脸捡件的漏洞。
2019年，嘉兴某外国语学校几名学生向媒体反映，他们在测试中发现，只需一张照片，就可以骗过小区里的蜂巢盒子智能柜，取出父母的物品。
之后有人用 *** 照片做测试，还打开了蜂巢箱快递柜。
事件发生后，引起舆论轩然 *** 。
高科技给我们带来便利和效率，但它也是一把双刃剑。有人用它来提高生活质量，有人利用它的漏洞来犯罪。
事实上，人脸识别技术已经发展了几十年，已经足够成熟。蜂巢盒子事件的发生是因为2D人脸识别技术的使用。虽然2D人脸解锁在技术成熟度上可以做到高安全性，但是蜂巢盒子选择提供人脸识别的公司技术水平确实不高。
也就是说，蜂巢盒快递柜的摄像头采集人脸时，只形成一个2D平面图像，相当于一张普通照片。这也造成了在实际拍摄中“刷脸”和刷照片没有区别，相机很容易被照片欺骗。
那么，我们最关心的微信和支付宝的刷脸支付功能安全吗？
微信的“刷脸支付”采用了安全级别更高的3D体内检测技术。具有3D、红外、RGB等多模态信息，可有效抵御视频、纸片、口罩等“作弊”攻击。
支付宝的“刷脸支付”也采用了3D人脸识别技术，并声称无论换脸软件有多逼真，都无法突破支付宝的刷脸支付功能。
让人感到欣慰的是，微信和支付宝都明确表示:
账户冒用、盗刷等潜在风险的发生是极小概率事件。如果因为刷脸支付导致账户资金损失，可以申请全额赔偿。
3D人脸识别技术通过软硬件结合，可以准确判断人脸是图片、视频还是仿生面具。因此可以有效避免因假脸导致身份造假的情况。
曾经有人用造价10万元的硅胶做的3D打印头模型破解了多种人脸识别系统。结论是，破解门锁和解锁手机屏幕相对容易，但破解支付系统的人脸识别不仅非常昂贵而且难度更大。更何况在实际破解中，其他类型的软硬件结合的验证方式也需要一起破解。
所以对于我们来说，完全没有必要担心人脸识别的安全性。
02
人脸识别技术比指纹识别和虹膜识别更自然，因为其识别原理类似于人眼的功能。
人脸识别系统主要包括四个部分:人脸图像采集与检测、人脸图像预处理、人脸图像特征提取、人脸图像匹配与识别。
机器人脸识别主要是通过提取和比较人脸图像的特征来进行的。识别系统搜索并匹配提取的面部图像特征数据和存储在数据库中的特征模板。
简单来说，就是将待识别的人脸特征与获取的人脸特征模板进行比较，根据相似度来判断人脸的身份信息。
这个过程分为两类:
一种是确认，这是一个一个对比图像的过程；
另一个是识别，就是一对多的图像匹配比较的过程。
然后，通过设置阈值，当相似度超过该阈值时，输出匹配结果。
下面简单介绍一下人脸识别技术的发展历史:
弗朗西斯·高尔顿
从1888年到1920年，英国科学家弗朗西斯·高尔顿在《自然》杂志上发表了两篇关于人脸识别的论文。他的研究重点是人脸的侧面特征，并对人脸识别能力进行了分析和阐述。
可以说，高尔顿的身份识别理论为后来的人脸识别技术打开了一扇门。
人脸识别技术最早应用于美国情报机构使用的智能系统，并且高度保密。
1960年，被称为人脸识别之父的伍迪·布莱索(Woody bledsoe)一直在深入研究机器人脸识别的相关技术，并得到了美国最秘密的组织——中央情报局(CIA)的资助。
1963年，中央情报局下属的金-赫尔利与伍迪·布莱索合作研究人脸识别技术。
有情报机构背景的Woody bledsoe不得不隐 *** 脸识别技术。直到40年后，中情局的谜团逐渐被揭开，大家才知道布莱索是之一个研究人脸识别技术的科学家。
1965年底，bledsoe终于在一款名为RAND的平板电脑上首次实现了机器人脸识别功能。
有趣的是，当时bledsoe使用的编程技术是模拟计算核爆数据。由于对计算机的痴迷，布莱索开始沉迷于使用计算机而不是人类来识别事物。后来他和同事Ibn Browning研究出了一种叫N元组的算法，这应该是机器识别领域最早的雏形。
简单来说，N元组算法就是教会计算机自动识别无标记字符的过程。
这个过程需要先设计一个印刷字符，然后根据是否包含字符的一部分给每个单元格分配一个二进制数:空单元格为0，填充单元格为1。然后将单元随机分组为有序对，比如坐标集(理论上分组可以包含任意数量的单元，所以称为N元组)。
当计算机遇到一个新字符时，它会简单地将其网格与数据库中的其他字符进行比较，直到找到最接近的匹配。
基于这一理论，计算机可以识别同一字符的许多变体。更重要的是，该过程可以使用任何模式，而不仅仅是字符。
当时，bledsoe的梦想是制造一个可以识别一切的机器人。
1967年，bledsoe离开了当时的公司，他的同事Peter Hart延续了bledsoe的理论，领导了斯坦福研究所的计算机视觉技术。这项技术被中情局称为“照片和肖像数据库快速筛选”。据说这项技术可以将计算机搜索人脸的时间缩短100倍。
在随后的二十年里，伍迪·布莱索(Woody bledsoe)在自动推理领域获得了无数奖项，直到他成为美国人工智能协会主席，但他在人脸识别领域的巨大贡献却长期得不到认可。
布莱索于1995年10月4日去世。
彭特兰
1991年，人脸特征算法(Eigen face)应用于人脸识别领域，首次实现了计算机自动人脸检测。这项技术由霍普金斯大学的Chilowicz提出，由麻省理工学院的Alex Puntland开发。
2012年，邦特兰被《福布斯》评为“全球七大最强数据科学家之一”。
03
在人脸识别技术的发展史上，2D和3D人脸识别技术共同发展，细分场景，各有千秋。
目前，2D人脸识别技术可以达到0.1~0.2%的错误接受率，但在某些条件下(如光线、墨镜、角度、表情等)可能会降低。).
为了克服2D数据的局限性和漏洞，科学家们想了许多办法来弥补这些缺点。主要思想是首先确认用户是一个真实的人，而不是照片或视频，然后利用现有的2D数据和算法进一步识别人脸。
随着识别技术的发展，2D人脸识别以其研发时间长、2D人脸库充足、数据采集方便等优势成为人脸识别的主流技术。其成熟度足以支持日常的商业应用，如安防、海关系统中的照片比对、门禁等。尤其是加入深度学习后，人脸识别的准确率提高到肉眼级别，在金融领域得到了广泛的应用。
而3D人脸识别方法是基于3D人脸模型，具有立体空的信息，能有效解决投影过程中遮挡、角度旋转等识别难点。同时，极其相似人脸的2D信息在3D立体空中会有很大差异，因此3D技术在双胞胎识别的准确率上明显领先于2D技术。
3D人脸识别可以获得更丰富的3D人脸信息，得到更准确的识别结果，因此可以更好地控制风险。适用于安全性要求较高的应用场景，比如第三方支付领域的“刷脸支付”。
04
2014年是人脸识别技术发展的革命性一年:深度学习理论应用于人脸识别系统。
我们的认知过程是不断自我学习的。比如一个外国人之一次来中国，他会觉得所有的中国人长得都差不多。过了一会儿，他能看出中国人有不同的面部特征。这是人类视觉识别的学习过程。
机器也是如此。他们还可以通过学习大量的人脸样本和优秀的算法来增强识别能力。
今年，全球更大的社交平台FaceBook(活跃用户占全球人口的三分之一)开发了一个深度人脸系统:达到肉眼水平的人脸识别技术。
Face是一个基于python语言的面部识别和面部属性分析(年龄、性别、情感、种族)的轻量级框架。它的优点是只需要几行代码就可以进行面部分析。
简单来说，就是用计算机语言对标记的照片像素进行分析，生成一个叫做template的字符串。当照片和视频上传到脸书的系统时，这些图像将与模板进行比较。
基于这一技术，用户可以安心地在脸书上发布自己的个人照片，同时可以立即了解个人肖像被盗的情况。
深度系统有效防止不法分子利用他人照片作为主页头像冒名顶替。
阴气
同年，中国26岁的科学家Inqi开始研发人脸识别技术。两年后，他的“刷脸”技术甚至比facebook的深度人脸识别率还要高！
28岁的殷琦被福布斯选为“30岁以下青年领袖”。
匹诺曹在微软亚洲研究院呆了4年多，深度参与了微软的人脸识别项目。这四年的经历让Inqi意识到，一旦基于人脸识别的图像搜索技术取得关键突破，消费级机器人、无人驾驶汽车、智能家居很快就会成为现实。
“这将是一个万亿美元的市场。”
印度团队研发的Face++智能平台是基于深度学习和计算机视觉的深度结合。构成了业内领先的算法能力，涵盖人脸识别、字符识别、图像识别、物体识别、场景识别等数十种计算机视觉能力。
基于核心算法的突破，Face++在全球顶级AI比赛中获得了40个世界冠军，创下了COCO女士三连冠的空前纪录。被誉为AI领域的“中国乒乓球队”。
COCO数据集是一个庞大而丰富的数据集，用于对象检测、分割和字幕。这个数据集主要从复杂的日常场景中捕捉，整个数据集的个体数量超过150万。
支付宝使用的人脸识别模块是殷琦团队开发的。我们可以用一百颗心。
不得不提一位中国科学家，唐晓鸥，他在麻省理工读博士的时候就开始接触人脸识别算法。获得博士学位后，他在微软亚洲研究院担任视觉计算组主任。
2014年3月，唐晓鸥团队发布了GaussianFace人脸识别算法，在LFW数据库上准确率达到98.52%，首次超过人眼识别能力(97.53%)，也超过了脸书同时发布的DeepFace算法(97.35%)。该算法的论文被评为2015年人工智能领域影响因子更高的论文。
三个月后，唐晓鸥的团队开始研发DeepID算法，逐步将人脸识别的准确率提高到99.55%，使中国在该领域处于世界领先地位。
由他建立的香港中文大学多媒体实验室入选全球十大人工智能先锋实验室，成为亚洲唯一入选团队。
福布斯称他为“中国人脸识别技术背后的面孔”。
综上所述，人脸识别系统的关键在于是否有一个优秀的核心算法，识别结果能否有一个比较实用的识别率和识别速度。
如今的人脸识别系统融合了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等专业技术。
标签
每天，我们80%以上的信息来自于眼睛的感知。当我们身边的监视器和摄像头越来越多的时候，这些机器的眼睛也在记录和参与我们生活的点点滴滴。
想象一下，在不久的将来，我们出门不需要带钱包，身份证，银行卡，甚至你的手机。只需一张脸，你就可以“刷脸”完成你所有的日常活动。
