上海仁铄计算机编者按:人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。
通过改编现有的人工智能程序，该团队能够收集到4674张灰熊的图像。根据该团队发表在《生态学与进化》上的研究结果，该系统目前的准确率达到了84%，但是它无法实时识别野外碰到的灰熊。据美国有线 电视 新闻 (CNN) 道，Melanie Clapham认为，与通常的项圈方法相比，这是一种更便宜、侵入性更低、更安全的追踪动物的方法。
但面部识别并不只是针对熊。在堪萨斯州，养牛场主乔-霍格兰德(Joe Hoagland)正在建立类似的软件，以便追踪奶牛。他正在开发一款名为 “CattleTracs “的应用程序，该应用程序将允许任何人拍摄牛群并为在线数据库做出贡献，使用包括GPS坐标和日期在内的详细信息来实现长期跟踪。
通过将他的研究与堪萨斯大学的团队结合起来，Hoagland为概念验证系统做出了贡献，首席教授KC Olson介绍说，即使之前没有见过动物，该系统识别动物的准确率也达到了94%。有了这些应用和系统证明可以做到的事情，毫无疑问，更多的物种有一天可能会得到面部识别的待遇。
人脸识别算法分类:
基于人脸特征点的识别算法（Feature-based recognition algorithms）。
基于整幅人脸图像的识别算法（Appearance-based recognition algorithms）。
基于模板的识别算法（Template-based recognition algorithms）。
利用神经 络进行识别的算法（Recognition algorithms using neural network）。
神经 络识别
神经 络识别
基于光照估计模型理论
提出了基于Gamma灰度矫正的光照预处理方法,并且在光照估计模型的基础上，进行相应的光照补偿和光照平衡策略。
优化的形变统计校正理论
基于统计形变的校正理论，优化人脸姿态；强化迭代理论
强化迭代理论是对DLFA人脸检测算法的有效扩展；
独创的实时特征识别理论
该理论侧重于人脸实时数据的中间值处理，从而可以在识别速率和识别效能之间，达到最佳的匹配效果
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！