人脸识别区别，人脸识别和AI的关系

很多朋友对人脸识别区别，人脸识别和AI的关系不是很了解，每日小编刚好整理了这方面的知识，今天就来带大家一探究竟。

随着AI的发展，AI的应用场景越来越广泛，其中计算机视觉应用于我们生活的方方面面。作为测试人员，你需要跟上AI的步伐，快速从传统业务测试向AI测试转型。人脸识别是机器视觉应用场景中最受欢迎和最常见的部分，所以本文结合AI和人脸识别的架构和核心来谈谈如何测试AI，以及AI测试和传统测试的区别和相似之处。

人脸识别和AI的关系就是要理解AI的两个基本概念。a)计算机视觉(Computer vision)又称机器视觉，是指用摄像机和计算机代替人眼对目标进行识别、跟踪和测量，并对图像进行进一步处理，使计算机处理成更适合人眼观察的图像或送入仪器进行检测的机器视觉。

最容易理解的场景，比如给一朵花拍照，通过机器学习自动告诉用户这是什么。拍一张店铺的照片，机器学习自动分析店铺名称和店铺位置。b)生物识别利用计算机、光学、声学、生物传感器和统计学，利用个人固有的生理和行为特征来识别个人。比如通过对比一个人的指纹和数据库里录入的指纹，判断是否是同一个人。

机器视觉和生物识别都属于AI的应用领域。机器视觉和生物识别的本质在于对图像的识别和比较。人脸识别是机器视觉和生物特征识别相结合，将计算机视觉应用于人的面部特征的典型场景。如何测试图像识别结合AI的架构和核心进行分析？1.数据收集和处理

既然是视觉，那一定是人肉眼能看到的东西。动态和静态的景观、人物、建筑、动植物、书籍等。归根结底可以认为是图片。数据采集的过程是在安装摄像设备后，从动态场景和复杂背景中判断是否存在被识别的物体，并分离出物体。收集的照片。所以测试至少需要从这两个方面来考虑。a)收集的材料

一张图片的像素、大小、清晰度、颜色、复杂度、噪声等都会直接影响到计算机识别的结果。比如下面三张图，肉眼分辨和计算机学习的难易程度明显不同。A的识别难度一定小于B和c，图A、图B、图cb)采集的设备图片一般都是相机拍摄的，所以不同品牌、不同参数的相机拍摄的照片像素、清晰度、色彩甚至层次都会有所不同。

2.数据理解和特征提取数据理解的目的是在获得原始数据后，分析数据的有效性，从数据中提取有用的、典型的特征。比如我们拍的各种照片，需要识别里面是包含一朵花还是一个人，是自行车还是汽车。唯一的解决办法就是让机器获得足够的样本进行训练。训练越多，模型就越精确。

为了检验模型的准确性，我们还应该找到足够多的样本。假设识别的对象是花，那么就尽量去测试各种花，颜色和角度，真材实料和非真材实料。假设识别的对象是一辆车，那么就尽量去测试各种车，各种品牌，各种款式。3.模型构建、培训和评估

计算机只会告诉我们两张图的相似度是80%还是20%，却不会告诉我们这两张图中的内容是不是同一件事。所以图像对比一定要有一个阈值概念。当集合相似度大于x%时，视为比较通过，小于x%时，视为比较失败。

设置阈值的过程是模型评估。如果阈值设置得太低，比对通过率会很高，误报率也可能会增加。如果阈值设置过高，比对通过率会很低，虚警率也可能降低或升高。测试时，我们需要不断尝试不同的阈值，在通过率和误报率之间找到一个平衡点。有必要测试算法的优缺点，因为有些算法过于严格，有些算法不够精确。人脸识别和图像识别的区别1。脸VS普通形象。

对于人脸来说，最大的问题是五官多，可变性强，面部表情丰富，动态变化。

所以在收集数据的时候要考虑：不同性别、年龄、种族、民族的张脸，因为五官的特征差异很大。脸正对着镜头。当Lambda环境的亮度在向上倾斜、向下倾斜、向左倾斜和向右倾斜的不同角度下为正常和黑暗时，存在背光、太阳光、弱光和强光的情况。有戴黑框眼镜或墨镜的情况。有正常发色和染发的情况。脸和非人脸，尤其是和脸最相似的动物，比如猩猩和猿。

2.人脸识别应用场景VS普通图像识别应用场景人脸识别主要用于银行、机场、出入境的安检。所以相对于一般的机器视觉，安全性更重要，需要重点测试人脸识别的抗攻击能力。上一篇文章提到，人脸识别的过程主要有四个步骤：人脸捕捉、活体检测、人脸采集和人脸比对。

攻击一般是照片、口罩、视频，比如翻拍后的照片攻击。面罩，高仿真面罩。相似度高的Lambda人脸，软件合成的虚拟人脸等。 GIF图片和录制的拼接视频等。AI测试与传统测试的异同一般来说，AI测试需要结合AI的架构、算法和应用场景进行针对性的测试。另外一般功能、性能、兼容性和传统业务测试都是一样的。

为了带来更加直观深刻的印象，编辑准备了基于LabVIEW深度学习卷积神经网络的示例视频展示，教大家如何安装AI视觉系统，检测缺陷。AI视觉快速学习基础应用实践视频还不够过瘾吗？放心吧！

为了帮助同学们更多的了解传统视觉，掌握AI人工智能深度学习的机器视觉项目开发，编辑将免费为大家提供一套基于NI开发平台的视觉视频教程。您不仅可以使用VBAI工具快速完成常规视觉检查，还可以使用LV运算符自定义和播放更复杂的视觉实际应用程序。以下是课程大纲：P1指导P2安装及缺陷检测实例演示P3界面介绍_TrimP4采集及采集图像模式

P5读写相机的属性P6模拟P7循环采集哪个图像。P8视觉助手-图像旋转校正处理P9查找表-用于完美视觉定位的滤波器P10图像P11灰度形态学P12练习-图像处理后，寻找标志点P13灰度形态学重建原理P14讲解图像二值化P15基本形态学P16讲解高级形态学有用性通过球实验P17图像二值化反演P18图像分类训练实现准确的颜色识别视频课程内容截图。

一、传统视觉二、人工智能-深度学习卷积神经网络

以上知识分享希望能够帮助到大家！