XiaoMi-AI文件搜索系统
World File Search System人脸识别
超越监控：人脸识别技术的隐私、道德和监管
面部识别技术 (FRT) 已成为公共治理和安全的有力工具，但其迅速普及也引发了人们对隐私、公民自由和道德影响的重大担忧。本文批判性地审查了当前管理 FRT 的规则和政策，强调了国家和企业利益与个人权利和道德考虑之间的紧张关系。该研究还调查了旨在保护个人权利和隐私的国际法律框架，认为当前的立法措施往往达不到严格的学术标准和国际人权规范。本文最后提出了制定原则性和适应性治理框架的建议，以利用 FRT 的好处，同时减轻其风险和负面影响，强调将人权和道德置于监管这一变革性技术的核心的重要性。
稳态视觉诱发电位识别与便携式脑机接口系统实现
致谢 ............................................................................................................................. 67
基于点云处理的仿人机器人楼梯障碍物识别与剔除方法
引用本文: 于乃功, 谢秋生, 李洪政.基于点云处理的仿人机器人楼梯障碍物识别与剔除方法[J].北科大：工程科学学报 , 2025, 47(2): 339-350. doi: 10.13374/j.issn2095-9389.2024.05.10.001 YU Naigong, XIE Qiusheng, LI Hongzheng.Obstacle recognition and elimination method for humanoid robots based on point cloud processing[J].Chinese Journal of Engineering , 2025, 47(2): 339-350. doi: 10.13374/j.issn2095-9389.2024.05.10.001
人工智能人脸识别系统
该项目包括为数据库构建面部识别、电子操作和网页设计。首先，使用机器学习和深度学习算法来识别人脸。第二步，将人工智能数据传输到电子元件和传感器，以构建智能锁系统。最后一步是设计一个需要登录并根据数据库显示出勤名单的用户界面。原型可以成功识别人脸并激活电子元件。它性能快速，可以在 Google 数据库中记录有关已识别人类的信息。随着进一步的发展，原型将实现更广泛的算法，通过摄像头区分图片和真实面部。这些算法将使原型更快、更安全，并适合商业用途。
多尺度特征交互的伪标签无监督域自适应行人重识别
刘仲民，杨富君，胡文瑾 .多尺度特征交互的伪标签无监督域自适应行人重识别 [J].光电工程， 2025 ， 52 (1): 240238 Liu Z M, Yang F J, Hu W J. Multi-scale feature interaction pseudo-label unsupervised domain adaptation for person re- identification[J].Opto-Electron Eng , 2025, 52 (1): 240238
Snapshot 系列人脸识别技术
除了面部验证和面部识别之外，还有对人进行分类并推断其特征的系统。面部分析系统旨在揭示对象的人口统计学特征，包括其性别、年龄、种族、健康或体重指数。该技术的工作原理是检查面部特征，例如眼睛的形状和头发的颜色，这些特征可能与特定的人口统计群体相关。与此同时，情感计算试图通过分析某人的面部表情、语气、姿势和其他生理特征来推断其情绪状态。每种类型的 FRT 都带来了新的机遇以及道德和法律挑战。
人工智能小时考勤记录系统
1. 引言 人脸被认为是世界上识别和与其他人交谈的主要关键。面部特征对于其他行业来说是独一无二的。人类根据颜色、鼻子、眼睛、耳朵等多种因素来区分特定的人脸；但是对于计算机来说，分析数据很困难，因此我们可以使用计算机视觉的概念。使用计算机视觉技术识别计算机中的人体特征的目的。科学家们在 90 年代中期开始研究计算机识别人脸，因为它在人脸识别上的广泛应用一直受到研究人员的关注。近年来，我们观察到人脸识别技术发生了显著变化，因为可用的生物识别方法，这是最不引人注意的技术。人脸识别实现了许多算法规则，算法本身具有优势和能力。
基于相关特征的同质低分辨率人脸识别方法
摘要 —人脸识别技术已广泛应用于人身识别、控制准入和移动设备访问等许多关键任务场景。安全监控是人脸识别技术的典型场景。由于监控视频和图像的低分辨率特点使得高分辨率人脸识别算法难以提取有效的特征信息，应用于高分辨率人脸识别的算法很难直接迁移到低分辨率情况。随着密集城市化时代安全监控中的人脸识别变得越来越重要，开发能够在处理低分辨率监控摄像机生成的视频帧时提供令人满意的性能的算法至关重要。本文研究了基于相关特征的人脸识别（CoFFaR）方法，该方法用于同质低分辨率监控视频，详细阐述了理论、实验细节和实验结果。实验结果验证了相关特征方法的有效性，提高了监控安全场景中同质人脸识别的准确率。