人脸检测人脸检测的任务是从图像中标注出每张人脸的具体位置和大小，一般用人脸矩形框（如人脸识别流程图中的绿色矩形框）四个顶点的坐标来标示。这对于人类来说似乎很简单（不过科学家们还不完全清楚人脑是怎么做到的），可对计算机来说却没有那么容易。因为在计算机内部，彩色1图像是由一个挨一个的点（像素）组成的，每个像素通常由红（R）、绿（G）、蓝（B）三个颜色数值来表示。可想而知，直接通过这些数
人脸识别机
人脸检测
人脸检测的任务是从图像中标注出每张人脸的具体位置和大小，一般用人脸矩形框（如人脸识别流程图中的绿色矩形框）四个顶点的坐标来标示。这对于人类来说似乎很简单（不过科学家们还不完全清楚人脑是怎么做到的），可对计算机来说却没有那么容易。因为在计算机内部，彩色1图像是由一个挨一个的点（像素）组成的，每个像素通常由红（R）、绿（G）、蓝（B）三个颜色数值来表示。可想而知，直接通过这些数值的差异区分人脸和非人脸十分困难。
因此，人工智能需要设计算法对这些数值进行处理，找到人脸区域与非人脸区域在这些数值中蕴藏的差异，从而区别人脸区域和非人脸区域，完成人脸检测。
人脸识别走进生活。
人脸识别技术始于20世纪70年代，但直到近几年才得到广泛应用，这是为什么呢？因为人脸识别1大的难点就是对人脸图像中的数值进行处理和分析，提取可以区分不同人的关键特征。
在2014年之前，人脸识别一直都在尝试人工设计这样的特征。在2014年之前的十几年里，为普遍的人脸识别方法是统计人脸局部区域（比如左眼区域）中出现某种“微模式”的程度或数量，这类特征一般被称为“局部特征”。这种方法在采集条件好、被识别人主动配合的情况下可以取得非常不错的效果，但在复杂多变的人脸识别场景中，正确率可能连90%都达不到。
数据管理，陌生人警告记录管理：
关于常客识别记录查询。访客记录管理：关于访客识别记录查询。白名单管理：白名单人员的增、删、改、查。数据分析，访客数据分析，分析条件：基于访客识别记录的频次、频率分析。分析结果：支持将数据分析结果标记为黑名单和白名单。报表分析，设备数据报表：基于闸机设备的数据报表，反应设备的正确识别率和通过率。
（作者： 来源：）
