人脸识别在家居领域的运用
生物识别技术在智能家居领域应用越发普遍化，智能家居从家庭作为嵌入点，从进门的那一刻就已经开启了智能模式，人脸识别门锁由此应运而生，并在实际应用中产生了很好的效益。所谓的人脸锁就是根据人的脸部特征信息进行身份识别的门锁，用户需要通过注册才能正常使用，未经注册的用户无法识别开门。
在智能家居的发展过程中，将会有更多的生物特征被运用到生物识别技术
门禁人脸识别
人脸识别在家居领域的运用
生物识别技术在智能家居领域应用越发普遍化，智能家居从家庭作为嵌入点，从进门的那一刻就已经开启了智能模式，人脸识别门锁由此应运而生，并在实际应用中产生了很好的效益。所谓的人脸锁就是根据人的脸部特征信息进行身份识别的门锁，用户需要通过注册才能正常使用，未经注册的用户无法识别开门。
在智能家居的发展过程中，将会有更多的生物特征被运用到生物识别技术里面来，只有不断的技术，行业才能得以持续发展，未来生物识别市场价值将会不断攀升。
人脸识别系统人脸比对
面貌比对是对被检测到的面貌像进行身份确认或在面像库中进行目标搜索。这实际上就是说，将采样到的面像与库存的面像依次进行比对，并找出佳的匹配对象。所以，面像的描述决定了面像识别的具体方法与性能。目前主要采用特征向量与面纹模板两种描述方法：
①特征向量法
该方法是先确定眼虹膜、鼻翼、嘴角等面像五官轮廓的大小、位置、距离等属性，然后再计算出它们的几何特征量，而这些特征量形成一描述该面像的特征向量。
②面纹模板法
该方法是在库中存贮若干标准面像模板或面像模板，在进行比对时，将采样面像所有象素与库中所有模板采用化相关量度量进行匹配。此外，还有采用模式识别的自相关网络或特征与模板相结合的方法。
人脸识别技术的核心实际为“局部人体特征分析”和“图形/神经识别算法。”这种算法是利用人体面部各及特征部位的方法。如对应几何关系多数据形成识别参数与数据库中所有的原始参数进行比较、判断与确认。一般要求判断时间1秒。
轮廓检测
通过算子计算出来的边缘一般是不连续的，很难形成相对完整和封闭的目标轮廓，这样提取出来的特征效果可能不好。通过使用轮廓检测算法，可以忽略背景和目标内部的纹理以及噪声干扰的影响，对边缘进行细化并进行连接，解决那些不能依靠亮度建模而检测出来的纹理边界。
轮廓检测也有一些方法，比如使用专门设计的检测算子等。通过使用这些算子，可以生成更好的脸部特征，有利于后续的计算和比对。
人脸验证
“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
“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，通过和注册在库中N个身份对应的特征进行逐个比对，找出“一个”与输入特征相似度较高的特征。将这个较高相似度值和预设的阈值相比较，如果大于阈值，则返回该特征对应的身份，否则返回“不在库中”。
（作者： 来源：）
