php識別圖片里的人臉

⑴ 照片可以通過人臉識別嗎

有很多人問照片和視頻能不能通過人臉識別系統？答案是：不能。

隨著技術的不斷發展，人臉識別技術早已從圖像識別發展到了生物識別。人臉識別建立在對人的臉部特徵信息進行身份識別基礎之上的一種生物識別技術。人臉識別的重點在於生命特徵識別，圖片沒有生物特徵，自然就不可以用圖片來進行人臉識別，也就是說圖片冒充不了活人。
既然是生物特徵識別，那就要找到能唯一確定的特性，人臉就是其中之一（其他生物特徵還有虹膜、指紋等）。一直以來，萬維人臉識別技術不斷在精度、穩定性、速度上進步與突破。為了防止被更高明的「騙子」騙到，人臉識別系統還加入了靜默活體檢測、紅外活體檢測、獲取生物信號（心率等）、光流場、深度攝像頭、語音指令配合等技術。
目前萬維識別已經有很多企業與機構用戶，將人臉識別應用到了各自不同的領域，如金融、公安、安防等。如騰訊優圖將人臉識別應用在支付上，應用在公共安全抓捕逃犯上等等。隨著5G、物聯網的到來，在未來，人臉識別將會普遍應用到各個領域各個場景中。

人臉識別系統的工作流程：現代的人臉識別技術很難用照片輕松破解，因為現在的人臉識別系統絕大多數融入了活體檢測技術，計算機可以判別出人臉是「真的」還是「假的」。

第一步：人臉圖像採集及檢測。通俗地講，人臉檢測就是「掃描」加「判定」，判別有效范圍內是否存在人臉並將靜態圖像、動態圖像信息採集下來。一般會用到參考模板法、人臉規則法、樣品學習法、膚色模型法、特徵子臉法等方法進行人臉判斷。

第二步：人臉圖像預處理。因為採集到的原始圖像會收到各種條件的限制和干擾，所以需要進行灰度校正、雜訊過濾等圖像預處理。

第三步：人臉圖像特徵提取。基於人臉的某些特徵（比如視覺特徵、像素特徵、變換特徵等）進行人臉圖像特徵提取，形成特徵數據。

第四步：人臉圖像匹配與識別。將提取到的人臉圖像特徵數據與資料庫中存儲的特徵模板進行搜索匹配，找到相似度最高的一個。

我們試想一下，未來我們在超市買了東西，直接經過出口，系統將直接從跟我們綁定的金融賬戶里扣費；我們去坐地鐵，不再需要刷卡進閘，因為在閘門邊上被裝上了人臉識別系統，該系統將用戶身份與賬戶綁定直接扣費；我們再也不需要因為不帶身份證去坐飛機高鐵火車，而需要證明我是不是本人了。還有許多場景……當然，這一切都需要先經過用戶授權。

⑵ approx. age 是什麼

pictriev是一個面部搜索引擎，它會依據用戶上傳的圖片進行人臉識別並在索引中搜索出相似臉蛋的人物。不過，PicTriev的人臉識別還有個有趣的功能，即可以判斷出人物的性別及其大致年齡。

你可以發自己的照片上去試試
網址：http://cn.pictriev.com/facedb/fs2.php

⑶ 怎麼用php調用face++做一個人臉識別系統

具體步驟如下： 首先，先登錄Face++的官網注冊賬號 注冊之後會獲取到api_secret和api_key，這些在調用介面的時候需要用到。 然後接下來的就是使用PHP腳本調用API了。 在使用PHP開發微信公共平台的時候，推薦使用Github上的一款不錯的框架

⑷ 如何使用Face++介面開發微信公共平台的人臉識別系統

具體步驟如下：

首先，先登錄Face++的官網注冊賬號
注冊之後會獲取到api_secret和api_key，這些在調用介面的時候需要用到。

然後接下來的就是使用PHP腳本調用API了。
在使用PHP開發微信公共平台的時候，推薦使用Github上的一款不錯的框架： wechat-php-sdk

⑸ php怎麼做圖片識別

個人建議：樓主使用php進行圖片識別，不如使用ocr文字識別技術來進行圖片識別，這樣更方便，請看下面的方法：

1. 首先，在電腦上安裝ocr文字識別軟體（迅捷ocr文字識別軟體）。

2. 接著，運行ocr，選擇上面的『極速識別』功能。

3. 然後，點擊左上角的『添加文件』，不需要識別的圖片添加進去。

4. 最後，點擊操作下面的『開始識別』按鈕。

希望上方的方法可以幫助到你。

⑹ 用照片可以人臉識別嗎

人臉識別不可以用照片。因為是3D人臉識別解鎖，人臉識別前會進行活體檢測，比如需要眨眼，照片對於活體檢測必然是通不過的，所以照片解鎖會失敗。

其實傳統的人臉識別技術主要是基於可見光圖像的人臉識別，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。

其解決方案是基於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，已經取得了卓越的識別性能，在精度、穩定性和速度方面的整體系統性能超過三維圖像人臉識別。

人臉識別的優勢：

人臉識別技術在應用方面具有獨到的優勢。

使用方便，用戶接受度高人臉識別技術使用通用的攝像機作為識別信息獲取裝置，以非接觸的方式在識別對象未察覺的情況下完成識別過程。

直觀性突出人臉識別技術所使用的依據是人的面部圖像，而人臉無疑是肉眼能夠判別的最直觀的信息源，方便人工確認、審計，「以貌取人」符合人的認知規律。識別精確度高，速度快與其它生物識別技術相比，人臉識別技術的識別精度處於較高的水平，誤識率、拒認率較低。

⑺ photoshop有自動識別人臉功能嗎

PS是用來處理圖片的，沒有識別人臉的功能，畢竟這個功能在有時候不是那麼有用哈，所以Photopshop一直沒有引入這個功能，它對圖片修飾沒有多大作用

⑻ opencv怎樣判斷一副圖片上是否有人臉

CvSeq* faces = cvHaarDetectObjects( small_img, cascade, storage,1.1, 2, 0,cvSize(100, 60) /*級聯分類器訓練中採用的檢測目標的尺寸*/);//檢測人臉返回矩形人臉
/*使用針對某目標物體訓練的級聯分類器在圖像中找到包含目標物體的矩形區域，並且將這些區域作為一序列的矩形框返回。
函數以不同比例大小的掃描窗口對圖像進行幾次搜索(察看)。
每次都要對圖像中的這些重疊區域利用cvRunHaarClassifierCascade進行檢測。*/
//t = (double)cvGetTickCount() - t;

//printf( "detection time = %gms\n", t/((double)cvGetTickFrequency()*1000.) );

for( i = 0; i < (faces ? faces->total : 0); i++ )//找到矩形中心把矩形轉換成圓形

{

CvRect* r = (CvRect*)cvGetSeqElem( faces, i );/*直接訪問序列中的元素 */

CvPoint center;//OpenCV的基本數據類型之一，表示一個坐標為整數的二維點

int radius;

center.x = cvRound((r->x + r->width*0.5)*scale);

center.y = cvRound((r->y + r->height*0.5)*scale);

radius = cvRound((r->width + r->height)*0.25*scale);//對一個double型的數進行四捨五入，並返回一個整型數！

cvCircle( img, center, radius, colors[i%8], 3, 8, 0 );/*繪制圓形*/

*****************printf("檢測到人臉！");********************************

//在此加入人臉識別程序

}
不出意外的話朋友你的代碼裡面應該有此部分內容吧，要判斷檢測到人臉的話就是在將矩形人臉標記轉換成圓形標記的部分哦。
意思就是說有人臉被標記出來了，那麼肯定就存在人臉了哦！

}

⑼ 人臉識別怎麼做的

人臉識別原理：

傳統的人臉識別技術主要是基於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。

人臉識別優點：

1、非接觸的，用戶不需要和設備直接接觸；

2、非強制性，被識別的人臉圖像信息可以主動獲取；

3、並發性，即實際應用場景下可以進行多個人臉的分揀、判斷及識別。

人臉識別的缺點：

1、對周圍的光線環境敏感，可能影響識別的准確性；

2、人體面部的頭發、飾物等遮擋物，人臉變老等因素，需要進行人工智慧補償；（如可通過識別人臉的部分關鍵特性做修正）。

⑽ 人臉識別的演算法，怎麼從兩張圖片中找出人臉 的部分，並比較兩個人是否是同一個人。

OPENCV里就有，我大4的時候用過。安裝後，DATA目錄下，haarcascades目錄下，haarcascade_frontalface_default.xml就不錯。這是人臉識別的數據。
用法請根據這個文件名找吧，我記得就是調用OPENCV里的某個函數（C++），用這個文件名和圖作參數，返回的就是圖中人臉的位置。
嘿嘿，50分么，下面是我以前的代碼，這里是你用得著的部分：
const char* cascadeFile = "haarcascade_frontalface_alt.xml";
const char* folder = "C:\\Program Files\\OpenCV\\data\\haarcascades\\";
char path[1024];
sprintf(path, "%s%s", folder, cascadeFile);
CvHaarClassifierCascade* cascade = (CvHaarClassifierCascade*) cvLoad(path, 0, 0, 0);
//然後cascade就存著需要的那個CvHaarClassifierCascade了。
......
CvSeq* faces = cvHaarDetectObjects(img, cascade, storage,
1.1, 2, CV_HAAR_DO_CANNY_PRUNING,
cvSize(source->getWidth() >> 7, source->getHeight() >> 7));
這句中，img是一個IplImage*，我自己的項目是從攝像頭弄來的，我估計你需要直接用opencv載入圖片。cascade就是載入的OPENCV的樣本數據，storage是一個空間，我用的CvMemStorage* storage = cvCreateMemStorage(0)創建的，detect objects之前我還用了cvClearMemStorage(storage)，1.1是縮放，2是檢測像素大小，CV_HAAR_DO_CANNY_PRUNING是比較方法， 一個OPENCV自帶的常量。最後cvSize的返回值是允許的最小臉部大小。每個變數都解釋到了吧。
之後faces->total就是找到幾個臉。用cvGetSeqElem(faces, i)來取每個臉的數據，取出來的東西是(CvRect*)，要記得TYPECAST，例如CvRect face1 = *((CvRect*) cvGetSeqElem(faces, 0))。這樣得到的CvRect有4個變數face1.x,face1.y,face1.width,face1.height就是人臉在圖片中的位置了。