XiaoMi-AI文件搜索系统
World File Search System人脸识别
全球人工智能 (AI) 专利统计分析简报
3.4 生物特征识别 3.4.1 指纹识别 3.4.2 人脸识别 3.4.3 虹膜识别 3.4.4 声纹识别 3.4.5 DNA识别 3.4.6 行为特征识别
利用机器的情绪检测系统...
摘要本文介绍了一种基于实时检测、使用图像处理和人机交互的情绪检测系统。面部检测已经存在了几十年。再进一步，人类的表情可以通过视频、电信号或图像形式捕捉到，并被大脑感受到。通过图像或视频识别情绪对人眼来说是一项艰巨的任务，对机器来说也具有挑战性，因此机器检测情绪需要许多图像处理技术来提取特征。本文提出了一个具有人脸检测和面部表情识别（FER）两个主要过程的系统。本研究重点是识别面部情绪的实验研究。情绪检测系统的流程包括图像采集、图像预处理、人脸检测、特征提取和分类。为了识别这种情绪，情绪检测系统使用 KNN 分类器进行图像分类，使用 Haar 级联算法（一种对象检测算法）来识别图像或实时视频中的人脸。该系统通过从网络摄像头拍摄实时图像来工作。本研究的目的是建立一个自动面部情绪检测系统来识别不同的情绪，基于这些实验，系统可以识别出悲伤、惊讶、快乐、恐惧、愤怒等几种情绪。
为视力有部分障碍的人提供的虚拟 AI 助手
摘要：如今，智能手机几乎可以帮我们完成每一项活动和任务。可以利用手机的功能和硬件来制作用于在线支付、内容消费和创作、可访问性等的应用程序。这些设备还可用于帮助和协助视障人士，并指导他们进行日常活动。由于视障人士有时难以感知周围的物体或人类，因此他们需要指导或帮助来识别物体、人脸、阅读文本和其他活动。因此，提出了这个 Android 应用程序来帮助和协助视力有部分障碍的人。该应用程序将利用人脸检测、对象和文本识别、条形码扫描仪和基本的语音聊天机器人等技术，可用于执行通过深度学习、人工智能和机器学习实现的基本命令。该应用程序将能够检测人脸数量，识别应用程序相机框架中的对象，从报纸、文档等中读出文本，并打开从条形码中检测到的链接，所有这些都以语音的形式输出给用户。
自动面部变形检测的性能 - NIST 页面
背景技术 人脸变形及其检测能力是照片证件签发机构、公司和使用人脸识别进行身份验证的组织高度感兴趣的领域。人脸变形是一种图像处理技术，将两个或多个拍摄对象的脸部变形或混合在一起，在照片中形成一张脸部。变形后的照片可以看起来非常逼真地像所有参与变形的拍摄对象。变形很容易做到，几乎不需要任何技术经验，因为互联网和移动平台上有大量的工具可供使用，而且成本很低甚至免费。例如，如果一张变形的照片出现在身份证件上，那么变形的所有组成部分（如果不是全部的话）都可以使用同一个身份证件。变形可以用来欺骗人类 [ 1 ] [ 2 ] 和现有的人脸识别系统 [ 3 ]，这对当前的身份验证过程造成了漏洞。
大脑——人工智能（个人语音助理）
语音助手的设计目的是让用户的工作更轻松。因为用户无需看屏幕就可以向他们发出命令。该系统最大的缺点是未经授权的用户可以访问机密数据，从而可能侵犯隐私。因此，用户数据的机密性、完整性和可用性 (CIA) 受到影响。针对这个问题，“人脸识别”的安全功能被设计成可以检测授权用户的脸部并将用户命令作为输入并通过合成语音提供响应。面部识别技术 (FRT) 是最具争议的新工具之一。它最早是在 20 世纪 60 年代开发的。最近它开始进入大众市场——无论是执法部门还是私人消费者。自动人脸识别涉及：
工程科学 - DergiPark
目的是通过为当今许多领域使用的面部识别系统添加功能来开发一种不同于现有面部识别系统的系统。最近，随着 Covid-19 大流行，考虑到宵禁和控制这些禁令的困难，开发了该系统以减少宵禁。进行了一项研究，在系统数据集中登记的被诊断患有 Covid-19 的人外出并被摄像机捕捉到后，会向授权人员发送电子邮件。在设计的软件中，首先使用 Haar-Cascades 分类器检测人脸，然后使用 LBPH（局部二值模式直方图）方法进行人脸识别。这个过程是通过将引入图像的每个像素与周围的其他像素匹配来标记它来实现的。该标记的结果被转换为二进制数系统并存储。它尝试通过将从摄像头实时接收到的图像与该数字进行比较来识别人脸。在识别过程中，如果该人已在数据集中注册，则会以“红色”颜色框出。未注册，它会被“绿色”框包围。摄像机识别出带有红框的人会被通知给授权人员，并将目击事件的时间、日期和身份信息通知给授权人员。该研究基于 90 帧，成功率为 84.5%，错误率为 15.5%。https://dx.doi.org/10.30855/gmbd.2020.03.01
