人脸识别主要用于身份识别。由于视频监控正在快速普及，众多的视频监控应用迫切需要一种远距离、用户非配合状态下的快速身份识别技术，以求远距离快速确认人员身份，实现智能预警。
人脸识别技术无疑是最佳的选择，采用快速人脸检测技术可以从监控视频图像中实时查找人脸，并与人脸数据库进行实时比对，从而实现快速身份识别。
如今，人脸识别产品已广泛应用于金融、司法、军队、公安、边检、政府、航天、电力、工厂、教育、医疗及众多企事业单位等领域。随着技术的进一步成熟和社会认同度的提高，人脸识别技术将应用在更多的领域。
扩展资料：
发展历史：
人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年后期，并且以美国、德国和日本的技术实现为主；
人脸识别系统成功的关键在于是否拥有尖端的核心算法，并使识别结果具有实用化的识别率和识别速度；
“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，同时需结合中间值处理的理论与实现，是生物特征识别的最新应用，其核心技术的实现，展现了弱人工智能向强人工智能的转化。
参考资料来源：百度百科－人脸识别
温馨提示：答案为网友推荐，仅供参考
第1个回答 2022-02-17
人脸识别测温终端有什么用的？
(1)随着人脸识别测温终端的出现，改变了传统的社区登记方式，完成了数据采集的完整收集。
(2)关爱老人、残疾人等人群，采用不开门不关门的方式每天运行预警信息，两天不开门不回电，三天不开门不关门上门走访入口；
(3)通过人脸识别门禁设备，减轻社区工作人员和警务人员的压力，将他们大量注入到为民服务的工作中去。
人脸识别测温终端的优势：
1.非接触识别：人脸识别不需要像指纹验证或虹膜识别那样。通常被鉴定人必须积极进行检验，只需站在机器设备的检验区域，方便快捷。
2.非强制：客户基本上可以下意识地获得面部图像，不需要面部采集机器设备的专业配合，也没有那样的“强制”采样方式。
3.防伪标志水平强：人脸作为一种独特的生理特征，再加上越来越完善的活体检测技术，可以有效应对众多假冒攻击。
4.并发：可以在真实应用环境中进行人脸的明示排序、判断和识别，符合视觉效果的特点：具有“以貌取人”的特点，操作简单，结果直观，隐蔽性好。
不同个体之间差别不大。所有的人脸在结构上都是相似的，甚至面部器官在结构和外观上都是相似的。该特征有利于人脸的定位，但不利于利用人脸来区分人类个体。有哪些因素影响人脸识别测温终端工作？
1.人脸相似度
不同个体之间差别不大。所有的人脸在结构上都是相似的，甚至面部器官在结构和外观上都是相似的。该特征有利于人脸的定位，但不利于利用人脸来区分人类个体。
化妆、整容等旨在模仿某个明星的人为因素，让这个问题变得更加棘手。尤其是对于双胞胎来说，人脸识别系统能否正确识别他们，在学术界其实是有争议的。有专家认为，双胞胎根本不应该用人脸识别技术来区分，也不可能用人脸识别技术来准确区分。
2.人脸防伪
伪造人脸图像进行识别的主要欺骗手段是建立三维模型，或者嫁接一些表情。随着人脸防伪技术的提高，3D人脸识别技术和摄像头等智能计算视觉技术的引入，伪人脸图像识别的成功率将大大降低。
3.动态识别
在人脸识别不协调的情况下，由于摄像头运动或对焦不正确导致人脸图像模糊，会严重影响人脸识别的成功率。在地铁、高速公路卡口、车站卡口、超市防盗、边检等安防、监控、识别的使用中，这种难度明显。
4.缺少样品
基于统计学习的人脸识别算法是目前人脸识别领域的主流算法，但统计学习方法需要大量的训练。由于人脸图像在高维空间中的分布是一种不规则的流形分布，因此能够获得的样本只是人脸图像空间中的极小一部分。如何解决小样本下的统计学习问题需要进一步研究。此外，参与训练的人脸图像数据库基本都是外国人的图像，关于中国人和亚洲人的人脸图像数据库非常少，使得人脸识别模型的训练更加困难。
5.图像质量问题
人脸图像的来源可能很多，由于采集设备的不同，获得的人脸图像质量也不同。特别是对于那些分辨率低、噪声大、质量差的人脸图像(如手机摄像头拍摄的人脸图像、远程监控拍摄的图片等)。
如何有效识别人脸是一个需要关注的问题。同样，高分辨率图像对人脸识别算法的影响也需要进一步研究。现在我们在识别人脸时，通常使用大小相同、清晰度相近的人脸图像，所以图像质量问题基本可以解决，但是面对现实中比较复杂的问题，我们需要继续优化处理。
原文出自 汉玛智慧本回答被网友采纳
(1)随着人脸识别测温终端的出现，改变了传统的社区登记方式，完成了数据采集的完整收集。
(2)关爱老人、残疾人等人群，采用不开门不关门的方式每天运行预警信息，两天不开门不回电，三天不开门不关门上门走访入口；
(3)通过人脸识别门禁设备，减轻社区工作人员和警务人员的压力，将他们大量注入到为民服务的工作中去。
人脸识别测温终端的优势：
1.非接触识别：人脸识别不需要像指纹验证或虹膜识别那样。通常被鉴定人必须积极进行检验，只需站在机器设备的检验区域，方便快捷。
2.非强制：客户基本上可以下意识地获得面部图像，不需要面部采集机器设备的专业配合，也没有那样的“强制”采样方式。
3.防伪标志水平强：人脸作为一种独特的生理特征，再加上越来越完善的活体检测技术，可以有效应对众多假冒攻击。
4.并发：可以在真实应用环境中进行人脸的明示排序、判断和识别，符合视觉效果的特点：具有“以貌取人”的特点，操作简单，结果直观，隐蔽性好。
不同个体之间差别不大。所有的人脸在结构上都是相似的，甚至面部器官在结构和外观上都是相似的。该特征有利于人脸的定位，但不利于利用人脸来区分人类个体。有哪些因素影响人脸识别测温终端工作？
1.人脸相似度
不同个体之间差别不大。所有的人脸在结构上都是相似的，甚至面部器官在结构和外观上都是相似的。该特征有利于人脸的定位，但不利于利用人脸来区分人类个体。
化妆、整容等旨在模仿某个明星的人为因素，让这个问题变得更加棘手。尤其是对于双胞胎来说，人脸识别系统能否正确识别他们，在学术界其实是有争议的。有专家认为，双胞胎根本不应该用人脸识别技术来区分，也不可能用人脸识别技术来准确区分。
2.人脸防伪
伪造人脸图像进行识别的主要欺骗手段是建立三维模型，或者嫁接一些表情。随着人脸防伪技术的提高，3D人脸识别技术和摄像头等智能计算视觉技术的引入，伪人脸图像识别的成功率将大大降低。
3.动态识别
在人脸识别不协调的情况下，由于摄像头运动或对焦不正确导致人脸图像模糊，会严重影响人脸识别的成功率。在地铁、高速公路卡口、车站卡口、超市防盗、边检等安防、监控、识别的使用中，这种难度明显。
4.缺少样品
基于统计学习的人脸识别算法是目前人脸识别领域的主流算法，但统计学习方法需要大量的训练。由于人脸图像在高维空间中的分布是一种不规则的流形分布，因此能够获得的样本只是人脸图像空间中的极小一部分。如何解决小样本下的统计学习问题需要进一步研究。此外，参与训练的人脸图像数据库基本都是外国人的图像，关于中国人和亚洲人的人脸图像数据库非常少，使得人脸识别模型的训练更加困难。
5.图像质量问题
人脸图像的来源可能很多，由于采集设备的不同，获得的人脸图像质量也不同。特别是对于那些分辨率低、噪声大、质量差的人脸图像(如手机摄像头拍摄的人脸图像、远程监控拍摄的图片等)。
如何有效识别人脸是一个需要关注的问题。同样，高分辨率图像对人脸识别算法的影响也需要进一步研究。现在我们在识别人脸时，通常使用大小相同、清晰度相近的人脸图像，所以图像质量问题基本可以解决，但是面对现实中比较复杂的问题，我们需要继续优化处理。
原文出自 汉玛智慧本回答被网友采纳
第2个回答 2021-01-03
人脸识别即面部识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术，相较于指纹、虹膜、语音等识别方法，其具有更广泛的使用范围和更高的识别精准度，拥有已经广泛应用于我们生活工作中，例如：门禁、考勤、安全支付、账号验证登录、特定目标追踪、疾病诊断等。相信随着识别算法越来越多样，越来越先进，它在我们日常生活中会被运用的愈加广泛。
第3个回答 2022-04-04
比较常用的就是用于手机上了，很多新手机已经用上了这个人脸识别功能，主要就是用于解锁手机，而不再需要密码开机，或者指纹开机，直接将手机对着脸，通过人脸识别来智能开机。
第4个回答 2022-04-05
人脸识别在我们的日常生活之中非常常见，手机解锁需要通过人脸识别，进入学校图书馆、宿舍门禁也需要人脸识别，在付款的时候同样可以利用人脸识别进行线上支付。人脸识别方便了大家的生活，也让很多人在出门的时候甚至连手机都不用带，只需要靠着一张脸就可以轻松完成“衣食住行”
相似回答