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；基于人脸比对可衍生出人脸验证(FaceVerification)、人脸识别(FaceRecognition)、人脸检索(FaceRet
人脸识别机器
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；基于人脸比对可衍生出人脸验证(FaceVerification)、人脸识别(FaceRecognition)、人脸检索(FaceRetrieval)、人脸聚类（FaceCluster）等算法。支持服务器端部署；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；支持全库查重，能应用于多重、二次抓获、重复等的业务需要。
图像特征的提取是比较关键的一步（上文所说的模式空间向特征空间的跨越），但对于图像处理来说也是比较初级的一步。目前关于图像特征提取的方法有很多，但其实我们想一想，通常而言图像的特征还是可以归类的，例如颜色特征、纹理特征、空间关系特征、形状特征等，每一种特征都有匹配的方法，其中有一些比较经典、好用的方法，例如HOG特征法，LBP特征法，Haar特征法等，小编当然不可能一一讲解，所以这里选取其中一种——HOG特征法。人脸检测算法的输入是一张图片，输出是人脸框坐标序列（0个人脸框或1个人脸框或多个人脸框）。
“人脸检测（Face Detection）”是检测出图像中人脸所在位置的一项技术。
人脸检测算法的输入是一张图片，输出是人脸框坐标序列（0个人脸框或1个人脸框或多个人脸框）。一般情况下，输出的人脸坐标框为一个正朝上的正方形，但也有一些人脸检测技术输出的是正朝上的矩形，或者是带旋转方向的矩形。
常见的人脸检测算法基本是一个“扫描”加“判别”的过程，即算法在图像范围内扫描，再逐个判定候选区域是否是人脸的过程。
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独立的过程，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、表情识别都是相互独立的算法。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。人脸配准算法的输入是“一张人脸图片”加“人脸坐标框”，输出五官关键点的坐标序列。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。
（作者： 来源：）
