人臉識別的優勢與困難
優勢 人臉識別的優勢在于其自然性和不被被測個體察覺的特點。 所謂自然性，是指該識別方式同人類（甚至其他生物）進行個體識別時所利用的生物特征相同。例如人臉識別，人類也是通過觀察比較人臉區分和確認身份的，另外具有自然性的識別還有語音識別、體形識別等，而指紋識別、虹膜識別等都不具有自然性，因為人類或者其他生物并不通過此類生物特征區別個體。 不被察覺的特點對于一種識別方法也很重要，這會使該識別方法不令人反感，...
人臉識別的技術流程
人臉識別系統主要包括四個組成部分，分別為：人臉圖像采集及檢測、人臉圖像預處理、人臉圖像特征提取以及匹配與識別。 人臉圖像采集及檢測 人臉圖像采集：不同的人臉圖像都能通過攝像鏡頭采集下來，比如靜態圖像、動態圖像、不同的位置、不同表情等方面都可以得到很好的采集。當用戶在采集設備的拍攝范圍內時，采集設備會自動搜索并拍攝用戶的人臉圖像。 人臉檢測：人臉檢測在實際中主要用于人臉識別的預處理，即在圖像中準確標定出...
人臉識別的技術特點
傳統的人臉識別技術主要是基于可見光圖像的人臉識別，這也是人們熟悉的識別方式，已有30多年的研發歷史。但這種方式有著難以克服的缺陷，尤其在環境光照發生變化時，識別效果會急劇下降，無法滿足實際系統的需要。解決光照問題的方案有三維圖像人臉識別，和熱成像人臉識別。但這兩種技術還遠不成熟，識別效果不盡人意。 迅速發展起來的一種解決方案是基于主動近紅外圖像的多光源人臉識別技術。它可以克服光線變化的影響，已經取得了...
人臉識別系統的發展歷史
人臉識別系統的研究始于20世紀60年代，80年代后隨著計算機技術和光學成像技術的發展得到提高，而真正進入初級的應用階段則在90年后期，并且以美國、德國和日本的技術實現為主；人臉識別系統成功的關鍵在于是否擁有尖端的核心算法，并使識別結果具有實用化的識別率和識別速度；“人臉識別系統”集成了人工智能、機器識別、機器學習、模型理論、專家系統、視頻圖像處理等多種專業技術，同時需結合中間值處理的理論與實現，是生物特征...
車載系統FOTA安全技術應用被列入《汽車電子網絡安全標準化白皮書》
近期,全國信息安全標準化技術委員會信息安全評估標準工作組官方發布的《汽車電子網絡安全標準化白皮書》(以下簡稱《白皮書》)中,作為汽車軟件系統的基礎和核心功能,車載系統FOTA安全技術應用被列入其中。白皮書從FOTA定義、功能、威脅分析、安全技術應用等方面進行了深入的闡釋和規范,為汽車OTA技術服務領域的規范發展提供了重要基礎和標準參照。 同時,白皮書指出,隨著信息技術、互聯網與汽車產業的不斷融合,汽車網絡互...
