2013年，研究中心启动了以人脸识别为核心技术的人脸识别支付方式的研究。
截止2014年8月，该中心已经完成了人脸识别支付系统的关键性技术研究。该中心的人脸数据采集阵列，能够从91个角度对人脸同步采集，能对人脸识别影响大的多变光照、多角度、遮挡等状态进行优的识别效果。智能多媒体技术研究中心的人脸识别系统已应用在边检站自动通关系统、动态人脸识别考勤机、多属性动态人脸识别系统等。在此基础上，
人脸识别系统
2013年，研究中心启动了以人脸识别为核心技术的人脸识别支付方式的研究。
截止2014年8月，该中心已经完成了人脸识别支付系统的关键性技术研究。该中心的人脸数据采集阵列，能够从91个角度对人脸同步采集，能对人脸识别影响大的多变光照、多角度、遮挡等状态进行优的识别效果。智能多媒体技术研究中心的人脸识别系统已应用在边检站自动通关系统、动态人脸识别考勤机、多属性动态人脸识别系统等。在此基础上，中心研发出了人脸识别移动支付系统，已能够实现支付只需“刷脸卡”。
前端人脸抓拍采集子系统
前端人脸抓拍采集子系统负责完成人脸信息的采集，包括人脸小照片、过人场景照片、视频流等。主要由人脸图像采集设备（视频监控摄像机或带人像识别功能的人像抓拍机）、补光灯、外场工业交换机、开关电源、防雷器等设备及杆件组成。
网络传输子系统
负责系统组网，完成数据、图片、视频流的传输与交换。一般通过租用运营商光纤链路组建专网，可通过EPON方式组网（单点上传带宽≥20Mbps，可根据需求增加），包括光纤收发器或EPON设备。
当下人脸识别在生活中被应用得愈加广泛。那么，人脸识别是如何对人脸关键特征进行识别的？
人脸比对是通过计算两张照片灰度值矩阵的距离来实现的，图像预处理通过各种手段拉近了两个矩阵间的距离，从而让计算出来的结果更精准。
但这样就够了吗？我们的计算是基于像素点的灰度值开展的，在计算中，各个像素点都参与运算，具有同等的重要性，对结果的贡献度也是一样的。
这背后有数学理论的支撑，我们一般用梯度来描述变化快慢。在图像中的灰度变化既有方向也有大小，就可以使用图像梯度来描述这种变化，进而可以检测出图像的边缘。
在数学上，梯度既有大小，又有方向，并且需要要有一定的条件，比如可导等。在图像中一般会简化处理，使用算子进行代替。
算子其实也是一种滤波，但使用算子更强调其数学含义和特定用途。目前常用的边缘检测算子，包括Sobel，Laplacian算子和Canny等。我们简单描述下Canny边缘检测。
（作者： 来源：）
