红外测温人脸识别
核验终端的出现让体温检测变得更加精准。从实际应用情况来看，将AI热成像的红外测温技术与人脸识别技术的融合，测温型人脸识别核验终端可以自动排除干扰人体测温的因素，只针对人脸额部测温，并实时将温度叠加显示在真彩人脸影像上，做到人脸和温度即时可见；显然，相对于一大串的用户名、密码、磁卡、U盾、芯片卡等，动动手指的指纹识别、晃晃脑袋的人脸识别显得尤其简单快捷。让体温监控更加和科
智能人脸识别
红外测温人脸识别
核验终端的出现让体温检测变得更加精准。从实际应用情况来看，将AI热成像的红外测温技术与人脸识别技术的融合，测温型人脸识别核验终端可以自动排除干扰人体测温的因素，只针对人脸额部测温，并实时将温度叠加显示在真彩人脸影像上，做到人脸和温度即时可见；显然，相对于一大串的用户名、密码、磁卡、U盾、芯片卡等，动动手指的指纹识别、晃晃脑袋的人脸识别显得尤其简单快捷。让体温监控更加和科学，为疫情防控期间人员体温检测提供了诸多便利，不仅减少了测温人员的风险，而且较好的解决了传统体温检测人工成本高、测量效率低、预警响应慢、全局掌控难等弊端。
人脸识别的前身是什么？
人脸识别的前身是以“物”为介质的识别：如密码、钥匙、IC卡等，从本质上来说，这种方法验证是该人持有的某种“物”而不是验证该人本身。只要“物”的有效性得到确认，则持有该“物”的人的身份也随之得到确认。这种以“物”认人的办法存在的漏洞显而易见：“物”的丢失会导致合法的人无法被认证，以及各种信物容易被伪1造、破译。而在当前疫情的背景下，戴口罩难以解1锁手机成为人们外出时常遇到的一个困扰。而密码容易被遗忘，也有被人窃1取的可能，也不能很好的满足人们对安全的需要。
人脸识别-局部二值模式（Local Binary Patterns，LBP）
局部二值模式（Local binary patterns LBP）是计算机视觉领域里用于分类的视觉算子。LBP，一种用来描述图像纹理特征的算子，该算子由芬兰奥卢大学的T.Ojala等人在1996年提出（《A comparative study of texturemeasures with classificatio1n based o1n featured distributio1ns》）。2002年，T.Ojala等人在PAMI上又发表了一篇关于LBP的文章（《Multiresolutio1n gray-scale androtatio1n invariant texture classificatio1n with local binary patterns》）。这一文章非常清楚的阐述了多分辨率、灰度尺度不变和旋转不变、等价模式的改进的LBP特征。五官关键点的数量是预先设定好的一个固定数值，可以根据不同的语义来定义（常见的有5点、68点、90点等等）。LBP的核心思想就是：以中心像素的灰度值作为阈值，与他的领域相比较得到相对应的二进制码来表示局部纹理。
“人脸验证（Face Verification）”是判定两个人脸图是否为同一人的算法。
它的输入是两个人脸特征，通过人脸比对获得两个人脸特征的相似度，通过与预设的阈值比较来验证这两个人脸特征是否属于同一人（即相似度大于阈值，为同一人；小于阈值为不同）。“人脸识别(Face Recognition)”是识别出输入人脸图对应身份的算法。它的输入一个人脸特征。总的来说，这项新技术增加了人脸识别的便捷性以及应用性，改善了用户体验。
（作者： 来源：）
