最早聽到人臉識別概念還是從科幻電影中，通過一個人的面部特征，機器可以知道“你是誰”。隨著技術(shù)的進(jìn)步，人臉識別已經(jīng)走入了人們的生活，iPhone手機上的Face ID就是其中的代表產(chǎn)品，第一次讓這項技術(shù)與消費者有了近距離的接觸。Face ID于2017年在iPhone X上推出，該技術(shù)取代了蘋果的Touch ID指紋掃描系統(tǒng)。Face ID使用“True Depth攝像頭系統(tǒng)”，該系統(tǒng)由傳感器、攝像頭和位于手機顯示屏頂部的點投影儀組成，可創(chuàng)建使用者的臉部詳細(xì)3D圖形。每次用戶看手機時，系統(tǒng)都會進(jìn)行安全的身份驗證檢查，以便在識別到用戶本人的情況下快速、直觀地對設(shè)備進(jìn)行解鎖或?qū)Ω犊钸M(jìn)行授權(quán)。

人臉是人體最重要的區(qū)別特征，它使人成為“唯一的人”，不僅可以給個人提供身份，還可以使用戶免受安全漏洞和欺詐交易的侵害，可以保護(hù)個人數(shù)據(jù)免受安全威脅！通過最先進(jìn)、最可靠的生物識別技術(shù)，實現(xiàn)了一個永遠(yuǎn)不會忘記密碼。在過去的十年中，人臉識別技術(shù)不僅成為現(xiàn)實，而且已經(jīng)普及。人臉識別技術(shù)以及AI（人工智能）和深度學(xué)習(xí)（DL）技術(shù)正在使多個行業(yè)受益。

人臉識別概念

人臉識別屬于計算機視覺研究和開發(fā)的領(lǐng)域，致力于使機器具有識別和驗證人臉的能力。從廣義上講，人臉識別技術(shù)的發(fā)展可以改善人類的生活；從狹義上講，它可以理解為一種監(jiān)視和安全技術(shù)，旨在促進(jìn)或控制政府、執(zhí)法和商業(yè)機構(gòu)使用的訪問權(quán)限。

人臉識別是一種能夠通過圖像、視頻或任何視聽元素來識別或驗證對象的技術(shù)。這是一種生物特征識別的方法，該方法使用生物特征進(jìn)行測量，以通過人獨有的特征模式和數(shù)據(jù)驗證一個人的身份。該技術(shù)收集與他們的面部表情相關(guān)聯(lián)的每個人的一組獨特的生物統(tǒng)計數(shù)據(jù)，以識別、驗證和/或認(rèn)證一個人。

人臉識別的歷史。人臉識別經(jīng)歷了許多迭代，這可以追溯到1960年，當(dāng)時伍德羅·威爾遜·布萊索使用手工方式實現(xiàn)了面部識別，布萊索被認(rèn)為是人臉識別之父，他開發(fā)了一種系統(tǒng)，該系統(tǒng)通過平板電腦對人臉的照片進(jìn)行分類，借助此設(shè)備，布萊索可以手動記錄面部特征的坐標(biāo)位置。配備了各種面孔的手動記錄后，人臉識別隨后針對數(shù)據(jù)庫繪制新照片，并根據(jù)繪制的信息識別出具有最相似數(shù)據(jù)的個人。這證明了人臉識別是可行的生物識別技術(shù)，但是受限于手工處理能力不足，無法滿足擴展和完善該技術(shù)所需的嚴(yán)格計算要求。使用人工完成實際生物特征值的計算，從而用于人臉識別，這一過程一直持續(xù)到上世紀(jì)90年代，1991年出現(xiàn)了第一個自動人臉識別設(shè)備；2010年Facebook開始提供人臉識別功能，該功能可幫助檢測Facebook用戶更新的照片中帶有特征面孔的人。

人臉識別的主題與計算機視覺一樣古老，這既是因為該主題的實際重要性，也是由于認(rèn)知科學(xué)家的理論興趣。盡管其他識別方法（例如指紋或虹膜掃描）可以更加準(zhǔn)確，但由于其非侵入性的性質(zhì)，并且因為它是人們的主要身份識別方法，因此人臉識別始終始終是研究的重點。

人臉識別模型執(zhí)行兩個主要任務(wù)。首先是驗證，這是將新輸入的面孔與已知身份進(jìn)行比較的任務(wù)。一個很好的例子是使用人臉識別功能解鎖智能手機。設(shè)置系統(tǒng)時，手機會將使用者的面部注冊為手機的所有者。因此，解鎖時的唯一任務(wù)是將新的輸入面部與設(shè)備上注冊的面部進(jìn)行比較；第二個是識別，這是將輸入人臉與多個人臉身份數(shù)據(jù)庫進(jìn)行比較的任務(wù)，此任務(wù)通常用于安全和監(jiān)視系統(tǒng)。執(zhí)法中的人臉識別就是一個很好的例子。在國際刑警組織網(wǎng)站上，有一個取證部分，說明他們?nèi)绾问褂萌四樧R別來識別機場和邊境口岸的關(guān)注人員。

對人類心靈的卓越追求并探索技術(shù)可以滿足驚人可能性，人臉識別軟件在消費市場、安全以及監(jiān)視行業(yè)中擁有無數(shù)的應(yīng)用程序。實際上，在國內(nèi)已經(jīng)廣泛使用人臉識別技術(shù)來改進(jìn)安全協(xié)議和支付程序，世界其他地區(qū)正在效仿。

人臉識別如何工作？

人臉識別系統(tǒng)使用計算機算法來挑選有關(guān)人臉的特定、獨特的細(xì)節(jié)，然后將這些特征轉(zhuǎn)換為數(shù)字表示形式，并與在數(shù)據(jù)庫中保存的數(shù)據(jù)進(jìn)行比較。這些系統(tǒng)將提供幾種潛在的匹配，并按照正確識別的可能性進(jìn)行排序，而不僅僅是返回單個結(jié)果。人臉識別過程始于人臉檢測，然后進(jìn)行特征提取，比較和最后的匹配。

人臉檢測。面部檢測過程中的一個重要步驟，因為它檢測到并定位在圖像和視頻的人臉。人臉識別的第一步是在預(yù)定條件下并在規(guī)定的時間段內(nèi)收集身體或行為樣本。用于識別和定位圖像和視頻中的人臉，可以裁剪檢測到的面部圖像以獲得稱為規(guī)范圖像的特征圖像。在規(guī)范的人臉圖像中，人臉的大小和位置大約被標(biāo)準(zhǔn)化為預(yù)定義的值，并且背景區(qū)域被最小化。同樣，相對于圖庫或參考數(shù)據(jù)庫中的圖像，圖像必須在大小、姿勢、照明等方面進(jìn)行標(biāo)準(zhǔn)化。為此，必須準(zhǔn)確地定位面部標(biāo)志，否則將無法使整個識別任務(wù)成功。

提取。應(yīng)從樣本中提取所有收集的數(shù)據(jù)，以基于這些樣本創(chuàng)建模板?？梢詫?biāo)準(zhǔn)化圖像進(jìn)行進(jìn)一步處理，以進(jìn)行特征提取。在這里，圖像被轉(zhuǎn)換為數(shù)學(xué)表示，稱為生物特征模板或生物特征參考，以將其存儲到數(shù)據(jù)庫中。這些圖像數(shù)據(jù)庫然后用于驗證和識別探針圖像。通過算法將圖像數(shù)據(jù)轉(zhuǎn)換為數(shù)學(xué)表示形式。已經(jīng)開發(fā)了許多人臉識別算法來獲得簡化的數(shù)學(xué)形式，以執(zhí)行識別任務(wù)。算法將灰度像素形式的圖像數(shù)據(jù)轉(zhuǎn)換或轉(zhuǎn)換為特征的數(shù)學(xué)表示的方式將它們彼此區(qū)分開。在轉(zhuǎn)換過程中保留最大的信息從而創(chuàng)建獨特的生物特征模板對于成功識別至關(guān)重要。提取過程轉(zhuǎn)換模擬信息（人臉）為一組基于人的臉部特征的數(shù)字信息（數(shù)據(jù)）。

比較。提取后，將收集的數(shù)據(jù)與現(xiàn)有模板進(jìn)行比較。

匹配。人臉識別技術(shù)的最后階段是確定新樣本的面部特征是否與面部數(shù)據(jù)庫中的特征相匹配。

人臉識別是通過技術(shù)識別人臉的一種方式。人臉識別系統(tǒng)使用生物識別技術(shù)從照片或視頻中映射面部特征。它將信息與已知面孔的數(shù)據(jù)庫進(jìn)行比較以找到匹配項。

人臉識別系統(tǒng)的準(zhǔn)確性如何？為什么如此重要？

短短幾年內(nèi)，人臉識別能力得到了顯著改善。截至2020年4月，最佳人臉識別算法的錯誤率僅為0.08％，而同期的錯誤率為4.1％，根據(jù)美國國家標(biāo)準(zhǔn)技術(shù)研究院（NIST）的測試，該算法在2014年成為領(lǐng)先算法。截至2018年，NIST發(fā)現(xiàn)超過30種算法的準(zhǔn)確性已超過2014年實現(xiàn)的最佳性能。在考慮最佳的技術(shù)規(guī)范方法時，必須考慮這些改進(jìn)，應(yīng)該采取行動來應(yīng)對技術(shù)發(fā)展的風(fēng)險，而不是目前的風(fēng)險。進(jìn)一步提高準(zhǔn)確性將繼續(xù)減少與錯誤識別有關(guān)的風(fēng)險，并擴大正確使用可能帶來的好處。但是隨著性能的提高為更廣泛的部署提供動力，確保技術(shù)的正確治理的需求將變得更加緊迫。

在理想條件下，人臉識別系統(tǒng)可以具有近乎完美的準(zhǔn)確性。用于匹配主體以清除參考圖像（例如身份證照片或面部照片）的驗證算法，在標(biāo)準(zhǔn)評估（例如NIST的人臉識別供應(yīng)商測試（FRVT））上，可以達(dá)到高達(dá)99.97％的準(zhǔn)確率。這可與虹膜掃描儀的最佳結(jié)果相媲美。這種面部驗證已經(jīng)變得非?？煽浚灾劣诩词故倾y行，也可以依靠它來將用戶登錄到他們的帳戶中。

但是，只有在照明和定位保持一致且被攝對象的面部特征清晰且不明顯的理想條件下，這種精確度才可能實現(xiàn)。在實際部署中，準(zhǔn)確率往往要低得多。例如，一種領(lǐng)先算法的錯誤率從與高質(zhì)量面部照片匹配時的0.1％攀升至與“野外”拍攝的個人照片匹配時的9.3％，而與被攝對象在“野外”拍攝時的錯誤率不一樣。在相機上，或者可能被物體或陰影遮蓋。老化是可能嚴(yán)重影響錯誤率的另一個因素，因為隨著時間的推移，被攝對象的臉部變化會使其難以匹配相隔多年的照片。NIST發(fā)現(xiàn)嘗試與18年前拍攝的照片進(jìn)行匹配時，許多中間層算法顯示出的錯誤率幾乎增加了10倍。

防止誤識別的措施始終很重要，因為人臉識別永遠(yuǎn)不會100％準(zhǔn)確。如今，這些保護(hù)尤為重要，因為許多供應(yīng)商仍然沒有以極高的準(zhǔn)確性運行的系統(tǒng)，即使是最好的算法也仍然在更具挑戰(zhàn)性的現(xiàn)實環(huán)境中掙扎。

面部識別變得更加準(zhǔn)確。得益于神經(jīng)網(wǎng)絡(luò)算法，功能更強大的特殊微控制器和處理器，具有更好相機的更好圖像以及片上處理和邊緣計算可為相機內(nèi)部和附近提供更多智能，3D人臉識別以及更準(zhǔn)確的人臉識別算法。過去幾年的演變。根據(jù)NIST的報告，人臉識別技術(shù)的準(zhǔn)確性在2013年至2018年之間得到了顯著提高。該報告使用了多個二維圖像數(shù)據(jù)集，其中指出“準(zhǔn)確性的提高是由于對圖像進(jìn)行集成或完全替換所致。深度卷積神經(jīng)網(wǎng)絡(luò)的現(xiàn)有方法”。因此，NIST說，人臉識別已經(jīng)經(jīng)歷了一次工業(yè)革命，即使各種算法之間仍然存在顯著差異，算法也越來越能夠容忍劣質(zhì)圖像。

2020年及以后的人臉識別—趨勢和市場

人臉識別已成為全球生物識別市場和數(shù)字化轉(zhuǎn)型工作中越來越重要的部分。人臉識別市場的各個部分，相當(dāng)多樣化有望以比先前預(yù)期更快的速度增長。隨著人臉識別技術(shù)投資的增加和技術(shù)的成熟，我們看到在某些用例（包括新用例）中人臉識別的使用量也在增加。事實證明，新冠肺炎疫情是其中的重要推動力。新冠肺炎疫情還導(dǎo)致人臉識別系統(tǒng)與其他生物識別技術(shù)相結(jié)合。由于疫情行，人們期望數(shù)字化和數(shù)字化將在多個領(lǐng)域加速發(fā)展，因此不可避免地會看到人臉識別技術(shù)的使用越來越多。

對于技術(shù)行業(yè)來說，不斷增長的人臉識別市場總體上是一種財務(wù)上的祝福，純凈而簡單。人們通常將重點放在人工智能、機器學(xué)習(xí)和機器視覺技術(shù)上，這些技術(shù)使來自相機的圖像與數(shù)據(jù)庫和復(fù)雜的人臉識別系統(tǒng)中的圖像相匹配，而更多的技術(shù)對此進(jìn)行了增強。

多種技術(shù)和應(yīng)用領(lǐng)域融合時的人臉識別。人臉識別確實是多種技術(shù)相結(jié)合的生物識別領(lǐng)域。下一代移動網(wǎng)絡(luò)、5G和邊緣技術(shù)將使它比現(xiàn)有技術(shù)更加普及。實際上，部署AI支持的安全攝像頭的高密度網(wǎng)絡(luò)來監(jiān)視任何事物很可能是5G蜂窩物聯(lián)網(wǎng)（5G和IoT相遇）可能會產(chǎn)生相當(dāng)大影響的第一個重要領(lǐng)域：安全?；蛘吒唧w地說：使用AI支持的安全攝像機的高密度網(wǎng)絡(luò)。這不僅在國土安全中如此，而且在確保關(guān)鍵設(shè)施甚至智慧城市和其他社區(qū)安全中也是如此。換句話說：越來越多的用例和未來的增長。

寫在最后

在所有生物識別方式（指紋、語音、步態(tài)、行為、DNA等）中，人臉獲得更快的接受度是因為它不僅幾乎使任何人都易于使用，而且人臉可以為人體提供大量“信號”或數(shù)據(jù)。相比之下指紋（盡管具有獨特性和看似復(fù)雜性）無法與經(jīng)過訓(xùn)練的AI系統(tǒng)相比，AI可以快速識別的面部形狀、大小、獨特標(biāo)記和其他區(qū)別特征相匹配。

現(xiàn)在，我們才剛剛開始看到在身份管理和銀行業(yè)務(wù)等服務(wù)中引入的人臉身份驗證技術(shù)，盡管仍然主要與指紋或SMS驗證之類的其他傳統(tǒng)技術(shù)結(jié)合使用。未來人工智能驅(qū)動的技術(shù)將擁抱更先進(jìn)的面部生物識別技術(shù)，以改善其安全性，并真正保護(hù)用戶免受身份盜用和數(shù)據(jù)泄露的侵害。具有活動性檢測功能的面部認(rèn)證不僅可以提供增強的，無摩擦的用戶體驗，而且擁有典型智能設(shè)備的任何人都將能夠享受無與倫比的真實世界保護(hù)水平，以抵御網(wǎng)絡(luò)釣魚，ID盜竊和合成身份欺詐等攻擊，人臉識別將在等多的領(lǐng)域與現(xiàn)有技術(shù)進(jìn)行深度融合。

以上是我的淺薄之見，歡迎指正，謝謝！

人臉識別主要是指的是讓程序去識別并且理解一張臉，其中還包括了讓程序去了解一個人的情緒傾向，健康狀況以及辨別其他重要的信息，從一個人出生開始面孔就在人們的

社交生活中尤為重要。

人臉識別也非常復(fù)雜，涉及到臉上很多不同的區(qū)域。但人工智能也不是萬能的，算法較差或缺乏訓(xùn)練的人臉識別系統(tǒng)可能會在你臉部輕微受傷受損的時候認(rèn)不出你來

人臉檢測與分析

人臉五官定位

感謝您的閱讀！

如果要給人臉識別下個定義，它是利用人的生物特征實現(xiàn)個體區(qū)分的一種技術(shù)，一般包括圖像采集、特征定位、身份的確認(rèn)和查找三個環(huán)節(jié)。簡單來說，人臉識別就是從圖像中提取面部特征關(guān)鍵點，比如骨骼特征、眉毛高度等，通過比對輸出結(jié)果。

雖然iPhoneX的FaceID讓計算機視覺領(lǐng)域的創(chuàng)業(yè)者興奮不已，但此人臉識別非彼人臉識別。蘋果的FaceID并沒有采用普通攝像頭的方式，而是采用紅外主動識別的技術(shù)，這樣就可以做到三維立體識別，增強了安全系數(shù)。

在具體的應(yīng)用場景中，人臉識別大致可以分

為1:1、1：N、N:N三種。

1:1等級的人臉識別，實現(xiàn)的是最初級的“證明你是你”。從字面上就可以看出，1:1是用戶提前上傳個人照片儲存于系統(tǒng)中，每次驗證時，線下拍照與系統(tǒng)中存儲的照片信息進(jìn)行對比，進(jìn)而確定“你是不是你”。

舉個例子，我們在車站過安檢時，檢票員拿著你的身份證跟你本人做對比，證明你是不是身份證上的本人，這種場景就是1:1的場景。手機解鎖、刷臉支付、網(wǎng)上買票、醫(yī)院掛號、政府惠民工程項目，以及各種證券開戶、電信開戶、互聯(lián)網(wǎng)金融開戶……這都是1：1人臉識別的應(yīng)用場景。同其他方式相比，1：1識別準(zhǔn)確率高，對算力的要求也相對較低。

而1：N的人臉識別算法則主要用于人臉檢索，“證明你是誰”。與1:1的一一對照不同，1：N需要一張照片同系統(tǒng)中的海量照片進(jìn)行對比，根據(jù)相似度排列出多個對比結(jié)果。而排在第一順位的結(jié)果，未必準(zhǔn)確。

應(yīng)用在安防領(lǐng)域的1：N人臉識別，其特點是動態(tài)和非配合。所謂動態(tài)，即系統(tǒng)識別的不是圖片，而是攝像頭采集的視頻。非配合是指識別對象不用感知到攝像頭的位置并配合完成識別工作，識別對象處于被動狀態(tài)。這在提高采集便捷性的同時，也意味著你的行蹤已經(jīng)被完全暴露。

同1：1識別相比，使用地點、環(huán)境、光線、采集角度甚至是玻璃反射都會影響1：N識別的準(zhǔn)確度，所以1:N相對更具有挑戰(zhàn)性。

至于N:N人臉識別，實際上相當(dāng)于同時進(jìn)行多個1：N識別，用于“證明誰是誰”。

人臉識別，主要是近幾年來因為深度學(xué)習(xí)的技術(shù)的發(fā)展逐漸推廣出來的的人臉技術(shù)。主要包括兩部分:人臉檢測與人臉識別，人臉的檢測與定位是先決條件，必須快而準(zhǔn)，傳統(tǒng)的技術(shù)在人家的檢測定位上先天不足，特征提取效果也不好，對后期人臉的識別產(chǎn)生了較大影響；近幾年來隨著深度學(xué)習(xí)技術(shù)的發(fā)展，大數(shù)據(jù)的興起，特別是GPU等算力的提升，人臉識別技術(shù)大大增強，已可以達(dá)到“毫秒”級別響應(yīng)，精準(zhǔn)識別。人臉識別技術(shù)當(dāng)前主要應(yīng)用商店，門禁，考勤，遠(yuǎn)程認(rèn)證等等各領(lǐng)域方向。當(dāng)然隨著技術(shù)進(jìn)一步發(fā)展，其附帶價值也會越來越高。

人臉識別是利用人的生物特征實現(xiàn)個體區(qū)分的一種技術(shù)，一般包括圖像采集、特征定位、身份的確認(rèn)和查找三個環(huán)節(jié)。簡單來說，人臉識別就是從圖像中提取面部特征關(guān)鍵點，比如骨骼特征、眉毛高度等，通過比對輸出結(jié)果。

雖然iPhoneX的FaceID讓計算機視覺領(lǐng)域的創(chuàng)業(yè)者興奮不已，但此人臉識別非彼人臉識別。蘋果的FaceID并沒有采用普通攝像頭的方式，而是采用紅外主動識別的技術(shù)，這樣就可以做到三維立體識別，增強了安全系數(shù)。

在具體的應(yīng)用場景中，人臉識別大致可以分為1:1、1：N、N:N三種。

1:1等級的人臉識別，實現(xiàn)的是最初級的“證明你是你”。從字面上就可以看出，1:1是用戶提前上傳個人照片儲存于系統(tǒng)中，每次驗證時，線下拍照與系統(tǒng)中存儲的照片信息進(jìn)行對比，進(jìn)而確定“你是不是你”。

舉個例子，我們在車站過安檢時，檢票員拿著你的身份證跟你本人做對比，證明你是不是身份證上的本人，這種場景就是1:1的場景。手機解鎖、刷臉支付、網(wǎng)上買票、醫(yī)院掛號、政府惠民工程項目，以及各種證券開戶、電信開戶、互聯(lián)網(wǎng)金融開戶……這都是1：1人臉識別的應(yīng)用場景。同其他方式相比，1：1識別準(zhǔn)確率高，對算力的要求也相對較低。

而1：N的人臉識別算法則主要用于人臉檢索，“證明你是誰”。與1:1的一一對照不同，1：N需要一張照片同系統(tǒng)中的海量照片進(jìn)行對比，根據(jù)相似度排列出多個對比結(jié)果。而排在第一順位的結(jié)果，未必準(zhǔn)確。

1:N人臉識別算法主要應(yīng)用在安防領(lǐng)域，如用于排查犯罪嫌疑人、尋找走失兒童等。專注于動態(tài)人像識別的初創(chuàng)企業(yè)云天勵飛在2015年開始就與深圳龍崗區(qū)警方合作，在當(dāng)?shù)氐罔F口、火車站、城中村、商超等場所建設(shè)“深目”系統(tǒng)。上線幾個月后，便協(xié)助警方成功告破兩起命案。

應(yīng)用在安防領(lǐng)域的1：N人臉識別，其特點是動態(tài)和非配合。所謂動態(tài)，即系統(tǒng)識別的不是圖片，而是攝像頭采集的視頻。非配合是指識別對象不用感知到攝像頭的位置并配合完成識別工作，識別對象處于被動狀態(tài)。這在提高采集便捷性的同時，也意味著你的行蹤已經(jīng)被完全暴露。

同1：1識別相比，使用地點、環(huán)境、光線、采集角度甚至是玻璃反射都會影響1：N識別的準(zhǔn)確度，所以1:N相對更具有挑戰(zhàn)性。

至于N:N人臉識別，實際上相當(dāng)于同時進(jìn)行多個1：N識別，用于“證明誰是誰”。

通過人臉特征進(jìn)行匹配，特征點找到近似對象，則可以確定具體人物。

簡單點說就是通過對你的人臉進(jìn)行數(shù)據(jù)掃描，與關(guān)鍵特征進(jìn)行比對進(jìn)行身份識別！

人臉識別，是基于人的臉部特征信息進(jìn)行身份識別的一種生物識別技術(shù)。用攝像機或攝像頭采集含有人bai臉的圖像或視頻流，并自動在圖像中檢測和跟蹤人臉，進(jìn)而對檢測到的人臉進(jìn)行臉部的一系列相關(guān)技術(shù)，通常也叫做人像識別、面部識別。

啟動設(shè)備

1.默認(rèn)打開寶比萬像人臉識別門禁考勤設(shè)備端APP，進(jìn)入“寶比萬像人臉識別門禁考勤系統(tǒng)設(shè)備端APP”啟動頁

2.默認(rèn)進(jìn)入人臉認(rèn)證頁面。

3.在人臉認(rèn)證界面，點擊“首頁”按鈕，返回人臉設(shè)備主菜單。

人臉驗證

1.在人臉識別主界面點擊“人臉認(rèn)證”菜單進(jìn)行人臉驗證

2.人臉認(rèn)證：通過認(rèn)證，閘門開啟，并顯示人臉I(yè)D，姓名。

3.人臉認(rèn)證：沒有登記的人臉進(jìn)行驗證，提示“人臉無登記”。

人臉登記

1.在人臉識別主界面點擊“人臉登記＋”，彈出登錄界面。

2.輸入登錄賬號、密碼（xxxxxx），點擊登錄。

3.輸入姓名，點擊下一步，跳轉(zhuǎn)到人臉登記界面。

4.人臉登記初始化頁面。提示登記這，請面對攝像頭。

5.人臉登記：拍攝成功后“確認(rèn)注冊”，提升“人臉登記成功”。

6.點解“重新獲取”，即對需要登記的人臉進(jìn)行重新拍攝登記。

7.已登記成功的用戶，再次進(jìn)行人臉登記，則提示；已登記。

8.點擊當(dāng)前頁面的返回剪頭，即返回到人臉識別設(shè)備APP首頁。

人臉識別簡單粗暴來說就是一個攝像頭拍你的臉與公安的信息數(shù)據(jù)庫人臉匹配及人臉識別，別人想現(xiàn)在的支付寶刷臉支付就是依靠的人臉數(shù)據(jù)庫來匹配的

通過本人臉部認(rèn)證