1. 想問一下有沒有比較方便的人臉識別演算法，求推薦
特徵臉方法
步驟一：獲取包含M張人臉圖像的集合S。在我們的例子里有25張人臉圖像（雖然是25個不同人的人臉的圖像，但是看著怎麼不像呢，難道我有臉盲症么），如下圖所示哦。每張圖像可以轉換成一個N維的向量（是的，沒錯，一個像素一個像素的排成一行就好了，至於是橫著還是豎著獲取原圖像的像素，隨你自己，只要前後統一就可以），然後把這M個向量放到一個集合S里，如下式所示。
其中Ω代表要判別的人臉，Ωk代表訓練集內的某個人臉，兩者都是通過特徵臉的權重來表示的。式子是對兩者求歐式距離，當距離小於閾值時說明要判別的臉和訓練集內的第k個臉是同一個人的。當遍歷所有訓練集都大於閾值時，根據距離值的大小又可分為是新的人臉或者不是人臉的兩種情況。根據訓練集的不同，閾值設定並不是固定的。
後續會有對PCA理論的補充^_^.已補充理論：特徵臉(Eigenface)理論基礎-PCA(主成分分析法)
2. 是否每個人都會用到人臉識別
每個人都會用到人臉識別
2016年被被譽為人工智慧元年，從人臉識別、語音識別的應用，到如火如荼的圍棋人機大戰，人工智慧正以銳不可當之勢進入人類社會，在2017年裡進一步滲透進我們生活的方方面面，讓每一個都成為人工智慧化時代的受益者。
圖片來源網路
隨著去年北京地區火車站人臉識別系統的普及，今年5月，南京南站也完成了一個月的人臉識別進站系統測試。不僅是這種場合的身份核驗，從部分手機app的照相功能、登錄功能，到巴黎ESG商學院即將採用的Nestor教學系統（通過人工智慧和面部識別技術來判斷學生上課時注意力集中情況）。
人臉識別技術已然成為我們生活中的一部分，那麼這種技術到底是如何運作的呢？下面我們就來了解一下。
人臉識別到底是什麼？
人臉識別，是視覺模式識別的一個細分問題，也大概是最難解決的一個問題。
其實我們人每時每刻都在進行視覺模式識別，我們通過眼睛獲得視覺信息，這些信息經過大腦的處理被識別為有意義的概念。於是我們知道了放在我們面前的是水杯、書本，還是什麼別的東西。
我們也無時無刻不在進行人臉識別，我們每天生活中遇到無數的人，從中認出那些熟人，和他們打招呼，打交道，忽略其他的陌生人。甚至躲開那些我們欠了錢還暫時還不上的人。
然而這項看似簡單的任務，對機器來說卻並不那麼容易實現。
對計算機來講，一幅圖像信息，無論是靜態的圖片，還是動態視頻中的一幀，都是一個由眾多像素點組成的矩陣。比如一個1080p的數字圖像，是一個由1980*1080個像素點組成矩陣，每個像素點，如果是8bit的rgb格式，則是3個取值在0-255的數。
圖片來源網路
機器需要在這些數據中，找出某一部分數據代表了何種概念：哪一部分數據是水杯，哪一部分是書本，哪一部分是人臉，這是視覺模式識別中的粗分類問題。
而人臉識別，需要在所有機器認為是人臉的那部分數據中，區分這個人臉屬於誰，這是個細分類問題。
人臉可以分為多少類呢？
取決與所處理問題的人臉庫大小，人臉庫中有多少目標人臉，就需要機器進行相應數量的細分類。如果想要機器認出每個他看到的人，則這世界上有多少人，人臉就可以分為多少類，而這些類別之間的區別是非常細微的。
由此可見人臉識別問題的難度。遑論這件本就龐大復雜的工程還要受到光照，角度，人臉部的裝飾物等各種因素的影響。這也不難解釋為什麼人臉識別技術目前還沒有大量應用在日常生活中，譬如本文的導引所提的一些應用也都還處於初級的試運營階段。
人臉檢測與人臉識別
完成人臉識別的工作，要經過幾個步驟。
人臉粗識別示意圖（來源網路）
首先計算機需要在圖像或視頻中找到人臉的位置，這部分工作一般叫做人臉檢測。如前所述，這是一種粗分類，具體到人臉檢測中，實際上是二分類，計算機只需要判斷目標圖像是或者不是人臉。
但由於並不能事先確定人臉的大小和位置，計算機需要以每個可能的人臉大小對全圖進行掃描，逐個判斷子窗口所截取的圖像是否為人臉。而每次掃描過程，子窗口移動的步長可能是幾個像素。
所以我們可以大致想像下，作一張圖的人臉檢測，計算機需要作多少次二分類判斷。
1v1人臉驗證與1vN人臉查找
如果我們使用門卡，計算機可以通過門卡在後台中獲取門卡所有者的人臉樣本，將其與當前使用門卡人的人臉圖像進行對比，以確認當前使用門卡的人與門卡的所有者是否匹配，如此可以避免撿到你門卡的人輕松混入公司。
這是一種1v1的身份驗證，計算機對當前人臉和庫存人臉進行一次比對，是對其他驗證方式的一種輔助，從而提高身份驗證的可靠性。這種應用目前已經大量使用，比如敏感設施的准入，互聯網金融領域的遠程開戶及大額提取的身份驗證等。
圖片來源網路
至於我們在無數科幻影片中看到的諸如FBI可以聯機查找一個保存了所有通緝犯數據的人臉庫，每次他遇到一個人，都會先獲取該人的人臉信息，用所獲得信息去通緝犯資料庫中去逐個比對，如果發現匹配度足夠高的，就當場抓捕。
這是一種1vN的人臉查找。每次人臉識別，計算機要作n次人臉比對，n為待識別庫中的人臉模板數。
如果要求計算機只憑借人臉識別出一個人的身份，這實際上也是一種1vN的人臉查找，其目標人臉庫是一個由n個人臉組成的「熟人庫」，隨著n的增大，准確識別的難度也會增大，一次識別所需要的計算時間也會增加。我們可以考慮一下，一個普通人能對多少個人臉進行准確識別？大概也就在幾十個這個數量級上吧。而目前最好的人臉識別技術實際上已經超過了這個水平。
可見，人臉識別其實是一項十分龐大復雜的技術，普及較慢在所難免，我們前文提到的火車進站人臉識別系統，目前還會因車票二維碼模糊、乘客戴眼鏡或化妝等問題無法識別，因此還在改進之中。不過，現在的刷臉考勤、刷臉支付等都是這項技術的應用，我們也希望在人工智慧化大時代中，能有越來越多這樣的便捷化個性化技術造福人類。
3. 人臉識別系統的工作原理是什麼
當今社會，人臉識別系統已經是遍地可見。不論是進出辦公樓的門禁，還是乘坐地鐵時可以刷臉乘坐。人臉識別系統大大的提高了通行的效率，是一項很先進的技術。公眾一直以來好奇人臉識別系統的工作原理，認為這是一項黑科技。但其實認真說起來，他也只是數學運算的概率問題。人臉識別系統的工作原理主要有以下這幾部分組成。
一、深度學習模型。
人臉識別系統當中的核心和靈魂部分就是深度學習的神經網路模型。所謂神經網路模型其實就是一個運算器，在這個運算器當中，我們可以把它看作一個黑盒子，其中存儲著很多的參數，這些參數是可以自動調整的。這個學習模型主要用來進行訓練，訓練的目的就是能夠達到一個人的兩張照片輸入之後，它的輸出結果概率無限接近1。
人臉識別系統是近些年來深度學習和計算機科學發展的集大成者，其原理很復雜。
4. 人臉識別用照片可以識別嗎
有的可以。
人臉識別技術可以大致分為2D和3D識別技術，前者通過2D攝像頭成像，後者通過3D攝像頭立體成像。一般而言，3D技術的安全性高，但成本也高。用照片能夠刷開的基本是2D人臉識別設備和普通攝像頭，這種情況可通過更換成紅外雙目攝像頭、加入改良演算法等方式來避免虛假照片的攻擊。
人臉識別技術是輔助手段，一定會跟其他技術手段相結合來使用，比如與「活體檢測技術」配合，就能夠有效地解決使用照片、視頻、面具等帶來的安全因患。
(4)人臉識別一個人需要多少張圖片擴展閱讀
主要用途
人臉識別主要用於身份識別。由於視頻監控正在快速普及，眾多的視頻監控應用迫切需要一種遠距離、用戶非配合狀態下的快速身份識別技術，以求遠距離快速確認人員身份，實現智能預警。
人臉識別技術無疑是最佳的選擇，採用快速人臉檢測技術可以從監控視頻圖象中實時查找人臉，並與人臉資料庫進行實時比對，從而實現快速身份識別。
5. 怎麼用照片人臉識別
能區分真人和照片的技術，這個研究領域叫做liveness detection，中文叫做「活體取證」。
因為現在社交網路、電子成像產品很發達，人們可以很方便獲取他人的人臉照片，進而來欺騙人臉識別系統，所以區分系統前的人臉是真的人臉，還是照片/視頻/三維面具，就變得非常重要。
對於照片欺騙，主要是根據解析度(翻拍的照片解析度比直接從真人上採集的照片在質量、解析度上有差別)、三維信息、眼動等來區分。對於視頻欺騙，根據三維信息、光線等來區分。對於三維面具欺騙，這方面的研究還很少（實際欺騙場景也相對較少）。
就我個人看法，計算機演算法是可以區分照片和真人的。但是人臉活體取證在實際應用中，還有很大局限性。現在的演算法基本還是基於實驗室數據，離實用還有一段距離。
另外指紋、虹膜等也面臨這個問題。
雲+社區3周年慶廣告
2017年12月，雲+社區對外發布，從最開始的技術博客到現在擁有多個社區產品。未來，我們一起乘風破浪，創造無限可能。
人臉識別
人臉識別接入是否需要申請 需要申請 您可登錄 人臉識別控制台 單擊立即開通即可使用無需等待人工審核 人臉識別可以在哪些國家和地區使用人臉識別目前在中國可以正常訪問 其他國家也可調用介面訪問 但訪問速度較慢人臉識別的訪問速度是多少 通常在 左右 具體響應時間也與照片大小以及網路環境有關如何鑒權 簽名 或出現...
人臉識別門禁考勤
騰訊雲人臉識別門禁考勤解決方案，基於優圖人臉識別技術解決門禁閘機、樓宇訪客、考勤簽到等場景對無感進出的需求，可為合作夥伴提供快速集成sdkapp的一體...進行人臉識別並得到識別結果 支持離線 在線人臉搜索切換 適用對象客戶有專門的軟體團隊進行開發 客戶 有較多的業務流程人臉識別只應用於其中部分功能 方案...
人臉識別版本相關
不同版本區別是什麼？ 騰訊雲神圖·人臉識別目前共有3個版本，分別為1.0、2.0和3.0。 2.0和3.0為當前開放的版本，可正常使用。 1.0版本目前僅支持老客戶...是否可以繼續使用人臉識別舊版本？ 人臉識別1.0版本已從2019年6月21日起停止維護，如果您用的還是1.0版本的服務，為了不影響您業務的正常開展，建議您盡快...
金融雲人臉識別
人臉驗證：能判斷一張給定的人臉圖片，他與某個人臉是否是同一個人以及相似程度。 人臉識別：檢測給定的人臉圖片，並從資料庫中檢索他的身份信息並返回。 活體檢測：可以有效拒絕人臉核身過程中出現的照片、視頻、人頭模型的攻擊，以保證人臉核身驗證過程是真人參與。 ocr 識別：拍攝並識別證件，提取證件上的信息...
6. 取廁紙也要刷臉了人臉識別「侵入」生活
作者：中國科普博覽文字取材於科普中國作品《人臉識別走進現實，你被識別了么？》《終會與我們朝夕相處的人工智慧》
前段時間，天壇公園北門、南門、西門公廁內，安裝了6台「人臉識別廁紙機」的新聞著實在網上「火」了一把。遊客只要站在廁紙機對應的特定識別區，面朝人臉識別屏幕，就會有廁紙滑出，同一個人每隔9分鍾可取一次紙，如果有特殊情況，現場工作人員會為市民直接提供廁紙。據悉，在遊客量較大的南門公廁廁紙用量已從原來每天的20卷減至現在的4卷。
在今年春運期間，北京西站也試行了「刷臉」進站。乘客只要手持藍票、二代身份證的旅客往這些機器前面一站，5秒鍾即可順利放行。
隨著科技的發展，人臉識別已不只是科幻電影里出現的神奇現象，它已經慢慢出現在我們的現實生活中。
它能認識你，你認識它嗎？
與大眾普遍認知中的強人工智慧不同，弱人工智慧對於人工智慧的定義比較寬泛，基本上能夠幫我們解決某些特定領域問題的，都可以算作是弱人工智慧。於是說，我們用的搜索引擎是人工智慧；我們的手機攝像頭的人臉識別功能也是人工智慧；網購「猜你喜歡」也是人工智慧；輸入法的自動選詞功能也是人工智慧。
很多科學家和工程師們在這些領域取得了豐碩的成果：人工神經網路、支持向量機、甚至最簡單的線性回歸理論在足夠大的數據量和計算量支撐下，都可以獲得非常出色的結果——比方說識別人臉，或者識別字跡。於是這些弱人工智慧也迅速的應用到了我們的網路和生活的方方面面，從買東西，出門，網上訂餐，我們都用到這些人工智慧。
未來，它們還會帶給我們更多驚喜。
7. 騰訊人臉識別分幾步
騰訊的人臉識別有三個步驟，分別是輸入姓名和本人的身份證號，完成之後需要對人臉進行識別，在識別成功之後才可以進入應用或者游戲，而且騰訊官方還會不定期進行二次人臉識別，以防止他人冒用頂替本人進行登錄，希望您合理使用騰訊的人臉識別技術。