深圳市科葩信息技術(shù)有限公司專注于人臉識(shí)別技術(shù)與產(chǎn)品的研發(fā)、設(shè)計(jì)、生產(chǎn)、銷售和運(yùn)營(yíng)服務(wù)于一體的綜合性高科技企業(yè)。科葩是人臉識(shí)別產(chǎn)品設(shè)備應(yīng)用系統(tǒng)解決方案供應(yīng)商，主營(yíng)人臉識(shí)別門禁、人臉識(shí)別閘機(jī)、人臉識(shí)別訪客終端、人臉識(shí)別核驗(yàn)終端等人臉識(shí)別產(chǎn)品設(shè)備研發(fā)生產(chǎn)銷售以及基于人臉識(shí)別系統(tǒng)方案的增值服務(wù)運(yùn)營(yíng)。

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(shí)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(shí)別是無法被效仿的，在未來，人臉識(shí)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(duì)不同地點(diǎn)的安保等級(jí)，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(shí)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(shí)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(duì)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(tái)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(shí)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(shí)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(shí)別，助力行業(yè)應(yīng)用智能化變革落地！

----------------------------------------------------------------------------------------------------------------

首先提取特征，原作者采用的是Pose-Indexed point features，然后根據(jù)特征訓(xùn)練回歸函數(shù)（可以用線性回歸，CART，隨機(jī)森林等等），原作者采用了一個(gè)叫Random Fern Regressor的東西，這里翻譯成隨機(jī)蕨好了（這名字…)，回歸出這一階段的偏移量，然后shape加上這個(gè)偏移量，反復(fù)這一過程，直到迭代上限或者shape錯(cuò)誤率不再下降。隨機(jī)蕨的算法過程和隨機(jī)森林類似，他是一個(gè)半樸素貝葉斯模型。首先選取M組每組K個(gè)特征建立M個(gè)蕨（弱分類器），然后假設(shè)蕨內(nèi)特征是相關(guān)的，蕨間特征是獨(dú)立的，這樣從統(tǒng)計(jì)學(xué)上隨機(jī)蕨是一個(gè)完整的把樸素貝葉斯分類器，讓計(jì)算變得簡(jiǎn)單： 式中C代表分類，ci代表第I類，M代表蕨數(shù)量。 綜上，這樣回歸的過程可以總結(jié)成如下形式： S代表shape，St代表在回歸第t階段的shape，他等于上一階段的shape加上一個(gè)偏置，這個(gè)偏置就是上述回歸方法之一搞定的。比如隨機(jī)森林或者隨機(jī)蕨，或者線性回歸。 現(xiàn)在再說說怎么訓(xùn)練得到這個(gè)回歸Rt。 有兩種思路：一種是像剛才隨機(jī)蕨那樣，每個(gè)每個(gè)蕨的葉子節(jié)點(diǎn)存儲(chǔ)一個(gè)偏移量，計(jì)算訓(xùn)練的時(shí)候落入這個(gè)葉子節(jié)點(diǎn)的樣本偏移之平均，然后作為終的葉子節(jié)點(diǎn)偏移量。其實(shí)就是在優(yōu)化一個(gè)如下目標(biāo)函數(shù)： 然而MSRA組在3000fps中采用的是另一種方法，形狀的偏移量ΔδS為： 目標(biāo)函數(shù)是： 其實(shí)也是同樣的思路，Φ代表特征提取函數(shù)，論文中稱Φ的輸出為局部二值特征（LBF），W為線性回歸參數(shù)矩陣，其實(shí)就是把提取出來的特征映射到一個(gè)二維的偏移量上，是一個(gè)2*lenth(特征空間維數(shù))的變換矩陣。 首先講Φ是怎么訓(xùn)練的：Φ其實(shí)就是一個(gè)隨機(jī)森林。輸入像素差特征（pixel-difference features），輸出一個(gè)offest。訓(xùn)練的時(shí)候隨機(jī)給每個(gè)根節(jié)點(diǎn)像素差特征中的一部分。非葉節(jié)點(diǎn)的分裂依據(jù)是從輸入的pixel-difference features中找出能夠做到大的方差衰減的feature。在后的葉子節(jié)點(diǎn)上寫上落在葉子節(jié)點(diǎn)上的樣本偏移量，這個(gè)偏移量在之前說到的fern里有用，但是在這里沒啥用，因?yàn)樽髡吆蟛皇怯眠@個(gè)做回歸的而是用LBF，詳細(xì)的得往下看。如果有多個(gè)樣本都落在這里，則求平均。這樣訓(xùn)練出來的東西就是下面這個(gè)公式所表達(dá)的東西：