科葩慧眼人臉識別解決方案充分應(yīng)用人臉識別技術(shù)，將員工、業(yè)主、訪客、非法入侵人員通過針對性的子系統(tǒng)進(jìn)行有效地管理，不僅提高了管理效率，也真正實(shí)現(xiàn)了提前預(yù)防。
訪客管理子系統(tǒng)精準(zhǔn)控制訪問權(quán)限
相較于傳統(tǒng)的安全通行證，慧眼人臉識別系統(tǒng)下訪客管理子系統(tǒng)的優(yōu)點(diǎn)在于：不可竊取，無法借用和復(fù)制，就是說，臉部識別是無法被效仿的，在未來，人臉識別也會(huì)成為未來可靠的通行證。
科葩訪客子系統(tǒng)主要有v預(yù)約、訪客數(shù)據(jù)自動(dòng)下發(fā)功能，針對不同地點(diǎn)的安保等級，物業(yè)還可以選擇安保再確認(rèn)、遠(yuǎn)程開門等功能，全程數(shù)字化管理，為訪客、被訪公司、物業(yè)三方提升效率，提升用戶體驗(yàn)。
人臉通行子系統(tǒng)更準(zhǔn)確高效
傳統(tǒng)通行系統(tǒng)具有人卡不一、卡片丟失、卡片易被破解復(fù)制、信息準(zhǔn)確率沒有保障等問題，而慧眼人臉識別系統(tǒng)下的人臉通行子系統(tǒng)不僅可以解放雙手、速度快捷地完成通行管理任務(wù)，還能夠明確責(zé)任、準(zhǔn)確防偽，保證本人通行、不可替代的1性。
動(dòng)態(tài)布控子系統(tǒng)可事先預(yù)警
科葩慧眼人臉識別系統(tǒng)下的動(dòng)態(tài)布控子系統(tǒng)能高速抓拍，同時(shí)采集比對15張人臉，主要有陌生人預(yù)警、VIP迎賓等功能。
出現(xiàn)安全問題，傳統(tǒng)攝像頭只能事后排查，而科葩動(dòng)態(tài)布控子系統(tǒng)能做到陌生人預(yù)警，黑名單報(bào)警等功能，只要有非*人員或黑名單人員出現(xiàn)，后臺即會(huì)發(fā)出預(yù)警，讓安保人員能及時(shí)排查，防止安全事件發(fā)生。
VIP迎賓功能可以設(shè)置VIP名單，當(dāng)重要賓客到訪時(shí)，大屏幕上會(huì)彈出迎賓畫面，為重要嘉賓帶來尊貴的體驗(yàn)。
不得不承認(rèn)，人臉識別技術(shù)比現(xiàn)有的基于ID入口系統(tǒng)更快、更強(qiáng)大、更安全。憑借其靈活的設(shè)計(jì), 科葩慧眼人臉識別系統(tǒng)還為開發(fā)和整合更多的應(yīng)用程序和服務(wù)提供了充足的空間，以滿足您未來的安全訪問和管理需求。
科葩X-Face慧眼人臉識別，助力行業(yè)應(yīng)用智能化變革落地！
---------------------------------------------------
第三個(gè)階段是基于深度學(xué)習(xí)的方法，自2012年深度學(xué)習(xí)在ILSVRC-2012大放異彩后，很多研究者都在嘗試將其應(yīng)用在自己的方向，這*的推動(dòng)了深度學(xué)習(xí)的發(fā)展。卷積神經(jīng)網(wǎng)絡(luò)在圖像分類中顯示出了巨大的威力，通過學(xué)習(xí)得到的卷積核明顯優(yōu)于人工設(shè)計(jì)的特征+分類器的方案。在人臉識別的研究者利用卷積神經(jīng)網(wǎng)絡(luò)（CNN）對海量的人臉圖片進(jìn)行學(xué)習(xí)，然后對輸入圖像提取出對區(qū)分不同人的臉有用的特征向量，替代人工設(shè)計(jì)的特征。
在前期，研究人員在網(wǎng)絡(luò)結(jié)構(gòu)、輸入數(shù)據(jù)的設(shè)計(jì)等方面嘗試了各種方案，然后送入卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行經(jīng)典的目標(biāo)分類模型訓(xùn)練；在后期，主要的改進(jìn)集中在損失函數(shù)上，即迫使卷積網(wǎng)絡(luò)學(xué)習(xí)得到對分辨不同的人更有效的特征，這時(shí)候人臉識別領(lǐng)域*被深度學(xué)習(xí)改造了！
DeepFace[11]是CVPR2014上由Facebook提出的方法，是深度卷積神經(jīng)網(wǎng)絡(luò)在人臉識別領(lǐng)域的奠基之作，文中使用了3D模型來做人臉對齊任務(wù)，深度卷積神經(jīng)網(wǎng)絡(luò)針對對齊后的人臉Patch進(jìn)行多類的分類學(xué)習(xí)，使用的是經(jīng)典的交叉熵?fù)p失函數(shù)（Softmax）進(jìn)行問題優(yōu)化，后通過特征嵌入（Feature Embedding）得到固定長度的人臉特征向量。Backbone網(wǎng)絡(luò)使用了多層局部卷積結(jié)構(gòu)（Local Convolution），原因是希望網(wǎng)絡(luò)的不同卷積核能學(xué)習(xí)人臉不同區(qū)域的特征，但會(huì)導(dǎo)致參數(shù)量增大，要求數(shù)據(jù)量很大，回過頭去看該策略并不是十分必要。
