科葩慧眼人臉識(shí)別解決方案充分應(yīng)用人臉識(shí)別技術(shù)，將員工、業(yè)主、訪客、非法入侵人員通過針對(duì)性的子系統(tǒng)進(jìn)行有效地管理，不僅提高了管理效率，也真正實(shí)現(xiàn)了提前預(yù)防。

訪客管理子系統(tǒng)精準(zhǔn)控制訪問權(quán)限

相較于傳統(tǒng)的安全通行證，慧眼人臉識(shí)別系統(tǒng)下訪客管理子系統(tǒng)的優(yōu)點(diǎn)在于：不可竊取，無法借用和復(fù)制，就是說，臉部識(shí)別是無法被效仿的，在未來，人臉識(shí)別也會(huì)成為未來可靠的通行證。

科葩訪客子系統(tǒng)主要有v預(yù)約、訪客數(shù)據(jù)自動(dòng)下發(fā)功能，針對(duì)不同地點(diǎn)的安保等級(jí)，物業(yè)還可以選擇安保再確認(rèn)、遠(yuǎn)程開門等功能，全程數(shù)字化管理，為訪客、被訪公司、物業(yè)三方提升效率，提升用戶體驗(yàn)。

人臉通行子系統(tǒng)更準(zhǔn)確高效

傳統(tǒng)通行系統(tǒng)具有人卡不一、卡片丟失、卡片易被破解復(fù)制、信息準(zhǔn)確率沒有保障等問題，而慧眼人臉識(shí)別系統(tǒng)下的人臉通行子系統(tǒng)不僅可以解放雙手、速度快捷地完成通行管理任務(wù)，還能夠明確責(zé)任、準(zhǔn)確防偽，保證本人通行、不可替代的1性。

動(dòng)態(tài)布控子系統(tǒng)可事先預(yù)警

科葩慧眼人臉識(shí)別系統(tǒng)下的動(dòng)態(tài)布控子系統(tǒng)能高速抓拍，同時(shí)采集比對(duì)15張人臉，主要有陌生人預(yù)警、VIP迎賓等功能。

出現(xiàn)安全問題，傳統(tǒng)攝像頭只能事后排查，而科葩動(dòng)態(tài)布控子系統(tǒng)能做到陌生人預(yù)警，黑名單報(bào)警等功能，只要有非*人員或黑名單人員出現(xiàn)，后臺(tái)即會(huì)發(fā)出預(yù)警，讓安保人員能及時(shí)排查，防止安全事件發(fā)生。

VIP迎賓功能可以設(shè)置VIP名單，當(dāng)重要賓客到訪時(shí)，大屏幕上會(huì)彈出迎賓畫面，為重要嘉賓帶來尊貴的體驗(yàn)。

不得不承認(rèn)，人臉識(shí)別技術(shù)比現(xiàn)有的基于ID入口系統(tǒng)更快、更強(qiáng)大、更安全。憑借其靈活的設(shè)計(jì), 科葩慧眼人臉識(shí)別系統(tǒng)還為開發(fā)和整合更多的應(yīng)用程序和服務(wù)提供了充足的空間，以滿足您未來的安全訪問和管理需求。

科葩專業(yè)人臉識(shí)別設(shè)備與應(yīng)用解決方案提供商

科葩X-Face慧眼人臉識(shí)別，助力行業(yè)應(yīng)用智能化變革落地！

---------------------------------------------------

在深度學(xué)習(xí)出現(xiàn)后，人臉識(shí)別技術(shù)才真正有了可用性。這是因?yàn)橹暗臋C(jī)器學(xué)習(xí)技術(shù)中，難以從圖片中取出合適的特征值。輪廓？顏色？眼睛？如此多的面孔，且隨著年紀(jì)、光線、拍攝角度、氣色、表情、化妝、佩飾掛件等等的不同，同一個(gè)人的面孔照片在照片象素層面上差別很大，憑借專家們的經(jīng)驗(yàn)與試錯(cuò)難以取出準(zhǔn)確率較高的特征值，自然也沒法對(duì)這些特征值進(jìn)一步分類。深度學(xué)習(xí)的大優(yōu)勢(shì)在于由訓(xùn)練算法自行調(diào)整參數(shù)權(quán)重，構(gòu)造出一個(gè)準(zhǔn)確率較高的f(x)函數(shù)，給定一張照片則可以獲取到特征值，進(jìn)而再歸類。本文中筆者試圖用通俗的語言探討人臉識(shí)別技術(shù)，首先概述人臉識(shí)別技術(shù)，接著探討深度學(xué)習(xí)有效的原因以及梯度下降為什么可以訓(xùn)練出合適的權(quán)重參數(shù)，后描述基于CNN卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別。
一、人臉識(shí)別技術(shù)概述

人臉識(shí)別技術(shù)大致由人臉檢測(cè)和人臉識(shí)別兩個(gè)環(huán)節(jié)組成。

之所以要有人臉檢測(cè)，不光是為了檢測(cè)出照片上是否有人臉，更重要的是把照片中人臉無關(guān)的部分刪掉，否則整張照片的像素都傳給f(x)識(shí)別函數(shù)肯定就不可用了。人臉檢測(cè)不一定會(huì)使用深度學(xué)習(xí)技術(shù)，因?yàn)檫@里的技術(shù)要求相對(duì)低一些，只需要知道有沒有人臉以及人臉在照片中的大致位置即可。一般我們考慮使用OpenCV、dlib等開源庫的人臉檢測(cè)功能（基于專家經(jīng)驗(yàn)的傳統(tǒng)特征值方法計(jì)算量少從而速度更快），也可以使用基于深度學(xué)習(xí)實(shí)現(xiàn)的技術(shù)如MTCNN（在神經(jīng)網(wǎng)絡(luò)較深較寬時(shí)運(yùn)算量大從而慢一些）。

在人臉檢測(cè)環(huán)節(jié)中，我們主要關(guān)注檢測(cè)率、漏檢率、誤檢率三個(gè)指標(biāo)，其中：

    檢測(cè)率：存在人臉并且被檢測(cè)出的圖像在所有存在人臉圖像中的比例；

    漏檢率：存在人臉但是沒有檢測(cè)出的圖像在所有存在人臉圖像中的比例；

    誤檢率：不存在人臉但是檢測(cè)出存在人臉的圖像在所有不存在人臉圖像中的比例。

當(dāng)然，檢測(cè)速度也很重要。本文不對(duì)人臉檢測(cè)做進(jìn)一步描述。