这样我们就解决了图像的表示问题，建立了图像和矩阵的等价关系。图片可以转化为矩阵，通过矩阵也可以恢复原始图片。大家都知道，计算机能够识别和处理的是二进制，不管我们输入的是文本、图像、声音，计算机都是用一定长度的二进制串进行存储和处理。人脸识别主要分为确认和辨认两部分，确认就是将人脸图像和数据库中已经存有的人脸图像进行比对，之后确认你是不是你，而辨认是将人脸图像与数据库中已存有的所有人脸图像进行匹配对
ai人脸识别系统
这样我们就解决了图像的表示问题，建立了图像和矩阵的等价关系。图片可以转化为矩阵，通过矩阵也可以恢复原始图片。大家都知道，计算机能够识别和处理的是二进制，不管我们输入的是文本、图像、声音，计算机都是用一定长度的二进制串进行存储和处理。人脸识别主要分为确认和辨认两部分，确认就是将人脸图像和数据库中已经存有的人脸图像进行比对，之后确认你是不是你，而辨认是将人脸图像与数据库中已存有的所有人脸图像进行匹配对比，从而辨认出你是谁。
接下来，就是电脑主动去区分不同的人脸，人类能够通过眼睛大小、鼻子高低、肤色等外部形态轻松地分辨不同的两张人脸，利用电脑分辨人脸，就需要对图像进行量化，得到脸部的 128 个特征测量值，进一步计算出欧式距离值，终即可确定你是不是你。举个例子，更容易理解一些。比如，计算机内部已经存放了包含数字1和7以及它们所对应的灰度矩阵。当新输入一张图像后，程序会自动计算它的矩阵与这些矩阵的相似度。我们输入图片，希望计算机能够将内容识别出来，将结果输出。仍以数字为例，当输入图片并用矩阵表示后，通过将灰度值转化为灰度，可以轻松辨识其所表示的内容。
一个字节可以表示一个像素，那怎么表示一张图片呢，用矩阵进行表示。简单来说，就是表格，比如可以使用8行8列来表示一张8*8的灰度图片。为此，我们必须适当地调整图片中的人脸，使得脸部的特征点能更好的和被检测者重叠。近几年，传统的身份鉴别技术已经不足以满足人们的需求，在这种情况下，人脸识别技术脱颖而出，无论在科研方面还是在实践应用方面，人脸识别系统都取得了重大的突破，并且在各行各业也扮演着越来越重要的角色。
（作者： 来源：）
