基于统计的人脸检测技术——通过对于“人脸”和“非人脸”的图像大量搜集构成的人脸正、负样本库，采用统计方法强化训练该系统，从而实现对人脸和非人脸的模式进行检测和分类。

　　从技术层面，人脸识别改进的办法可从上述三个方面。任何一个细节技术的突破都可能带来识别率的提升改进。

除了上述三个技术层面改进人脸识别，也有很多上游企业在做人脸识别技术改进的研究，如通过在元器件上的改进，提升人脸识别准确率。

人脸识别基于一个默认成立的假设：同一个人在不同照片里的脸，在特征空间里非常接近。

为什么这个假设默认成立，设想一下，一个棕色头发的人，在不同光照，遮挡，角度条件下，发色看起来虽然有轻微的区别，但依然与真实颜色非常接近，反应在发色的特征值上，可能是 0 到 0.1 之间的浮动。

深度学习的另一任务和挑战便是在各种极端复杂的环境条件下，精1确的识别各个特征。

人脸识别在智慧小区应用架构

通过在社区周界、开放通道口部署安装人脸识别布控系统，与辖区派出1所联动，将常出没于此辖区的有犯1罪记录或嫌疑人员进行黑名单布控，一旦黑名单库内人员出现在布控区域，辖区派出1所报警平台将会预警提示，让民1警能在第1一时间采取相应措施；另外对于辖区流动人口管理这块，实现人脸识别实名制门禁管理，杜绝任何造假和替代登记。

综上所述，社区安防采用人脸识别技术，可以集常住人口、流动人口及黑名单人员于一体综合管理和防范，能提升整个智慧社区安全、便捷的居住环境。