人脸识别技术特点：

具备多个算法识别能力；支持云服务有公共云（Public Cloud）与私有云（Private Cloud）；兼容高清、低清人脸图像，低分辨率、模糊照片也有较好识别效果；支持Linux 32/64、Windows32/64主流的操作系统；支持服务器端快速部署；提供二次开发API；支持批量人脸识别, 识别速度快；通过算法融合解决照片质量、年龄差距、光照环境造成的同人图像差异问题；人脸识别技术研究开发了一种近实时的计算机系统，可以***和追1踪人的头部，然后通过比较面部特征和已知个体的特征来识别该人。支持全库查重，能应用于多重、二次抓获、重复等的业务需要。

人脸识别-关于特征脸法的叙述

人脸识别的过程是把一副新的图像投影到特征脸子空间，并通过它的投影点在子空间的位置以及投影线的长度来进行判定和识别。将图像变换到另一个空间后，同一个类别的图像会聚到一起，不同类别的图像会聚力比较远，在原像素空间中不同类别的图像在分布上很难用简单的线或者面切分，变换到另一个空间，就可以很好的把他们分开了。Eigenfaces选择的空间变换方法是PCA（主成分分析），利用PCA得到人脸分布的主要成分，具体实现是对训练集中所有人脸图像的协方差矩阵进行本征值分解，得到对应的本征向量，这些本征向量就是“特征脸”。”“再者，在人类处理被遮挡的人脸信息时，人脑会主动将注意力放在未被遮挡的部分。

人脸识别的安全性

我们受此启发在算法中使用类似的策略，增加了口罩遮挡的模型，这样就可以让注册图像中未戴口罩的人脸图像模拟戴口罩之后的效果，从而使得佩戴口罩的人脸与注册库里的人脸相似度提升到85%以上，这样就可以超过（设定的）75%相似度的阈值，顺利通过识别。”“***后，在人脸***成功之后，还要判断出这个图像到底有没有戴口罩。如果没有戴口罩，就对其进行语音提醒，在戴上口罩后能通过，从而增加安全性。它不仅免去了忘带钥匙或卡的烦恼，同时因为人脸识别门禁系统无需任何介质开门，而节省了不少成本，如人员变动不需要更换门锁、钥匙、IC卡等，只需要重新对人脸进行注册即可。”

常规的人脸属性识别算法识别每一个人脸属性时都是一个***的过程，即人脸属性识别只是对一类算法的统称，性别识别、年龄估计、姿态估计、表情识别都是相互***的算法。但的一些基于深度学习的人脸属性识别也具有一个算法同时输入性别、年龄、姿态等属性值的能力。以在基本保证算法效果的前提下，将模型大小和运算速度优化到移动端可用的状态。人脸识别-Fisherface算法线性鉴别分析在降维的同时考虑类别信息，由统计学家SirR。