人臉識(shí)別技術(shù)在人工智能中的應(yīng)用

張振寰

（湖北孝感美珈職業(yè)學(xué)院，湖北 孝感 432017）

0 引言

人臉識(shí)別技術(shù)是一種利用計(jì)算機(jī)技術(shù)自動(dòng)對(duì)特定圖像和視頻中的人臉進(jìn)行定位與身份識(shí)別的技術(shù)，具有很強(qiáng)的自動(dòng)化特征。通過相機(jī)或攝像機(jī)采集人臉數(shù)據(jù)，再通過計(jì)算機(jī)識(shí)別人臉的相關(guān)數(shù)據(jù)信息，實(shí)現(xiàn)人臉的檢測、跟蹤與識(shí)別。人臉識(shí)別技術(shù)的研究最早可追溯至1964年，在研究早期，研究人員主要圍繞面部的幾何特征進(jìn)行研究，探究如何對(duì)人臉面部的幾何特征進(jìn)行識(shí)別［1］，隨著科學(xué)技術(shù)的進(jìn)一步發(fā)展，研究人員開始圍繞多維特征矢量層面的人臉面部特征進(jìn)行研究。隨著近年來人工智能技術(shù)的不斷發(fā)展，人臉識(shí)別技術(shù)在人們?nèi)粘Ｉ钆c社會(huì)生產(chǎn)中得到了廣泛應(yīng)用，各行各業(yè)開始重視3D人臉建模與識(shí)別技術(shù)的研究。現(xiàn)階段，我國的人臉識(shí)別技術(shù)已經(jīng)邁入新的時(shí)代，基于人工智能技術(shù)的人臉識(shí)別技術(shù)已成為居民日常生活中必不可少的一門技術(shù)。

1 基于人工智能的人臉識(shí)別技術(shù)

人臉識(shí)別技術(shù)隸屬于生物身份驗(yàn)證方法，與其他生物身份驗(yàn)證方法最大的區(qū)別就是具有非接觸特性。傳統(tǒng)的生物身份驗(yàn)證方法，如虹膜、基因、指紋等屬于接觸式識(shí)別，需要在人為采樣的基礎(chǔ)上才能實(shí)現(xiàn)身份的鑒別。人臉識(shí)別技術(shù)綜合了多個(gè)領(lǐng)域的知識(shí)，與神經(jīng)網(wǎng)絡(luò)、模式識(shí)別、圖像處理、人工智能、計(jì)算機(jī)視覺等學(xué)科的發(fā)展密不可分［2］。對(duì)于人類而言，識(shí)別人臉并記憶人臉的特征并非一件難事，但要實(shí)現(xiàn)機(jī)器的自動(dòng)人臉識(shí)別，則有著非常大的難度。人臉的結(jié)構(gòu)復(fù)雜，機(jī)器在識(shí)別過程中，不僅會(huì)受到光照、角度等外界因素的影響，還會(huì)受到表情、姿態(tài)等人為因素的影響，同樣的人臉在不同的采集條件下會(huì)發(fā)生巨大的變化。近年來，人工識(shí)別技術(shù)被廣泛應(yīng)用于安保、金融、教育等領(lǐng)域，各個(gè)行業(yè)對(duì)這項(xiàng)技術(shù)的精準(zhǔn)度要求也變得越來越高，人工智能技術(shù)的應(yīng)用已成為人臉識(shí)別技術(shù)未來重要的發(fā)展方向。

基于人工智能的人臉識(shí)別技術(shù)與傳統(tǒng)人臉識(shí)別技術(shù)的最大區(qū)別就是前者應(yīng)用了機(jī)器的智能行為，基本研究路徑從人臉特征轉(zhuǎn)變?yōu)樯疃葘W(xué)習(xí)方法。二者識(shí)別流程基本無異，如圖1所示，都需要經(jīng)歷以下3個(gè)階段。

圖1 人臉識(shí)別技術(shù)流程

1.1 人臉檢測與定位

搭建人臉識(shí)別系統(tǒng)，利用攝像機(jī)、相機(jī)等設(shè)備采集包含人臉數(shù)據(jù)信息的圖像或視頻，在此基礎(chǔ)上利用機(jī)器自動(dòng)定位人臉，分析輸入圖像中的人臉大小、位置與姿態(tài)。人臉檢測與定位的主要目的是確定圖像和圖像系列中有無人臉，在機(jī)器檢測出圖像中存在人臉后，對(duì)人臉的位置、空間范圍進(jìn)行定位，實(shí)現(xiàn)人臉位置、數(shù)目、尺寸等參數(shù)的初步分析。

1.2 特征提取

通過檢測與定位后，機(jī)器以檢測與定位的特定人臉區(qū)域?yàn)檠芯繉?duì)象，對(duì)人臉的特征進(jìn)行提取。這個(gè)階段，要對(duì)人臉數(shù)據(jù)信息繼續(xù)預(yù)處理，強(qiáng)化與表現(xiàn)圖像中的人臉特征，并利用特定的算法識(shí)別人臉的特征矢量。人臉識(shí)別技術(shù)中應(yīng)用的特征識(shí)別方法沒有統(tǒng)一的形式與過程［3］，根據(jù)人臉識(shí)別技術(shù)應(yīng)用領(lǐng)域的不同，可選擇不同的特征識(shí)別方法滿足不同領(lǐng)域的需求。例如：幾何特征法中，利用特征點(diǎn)構(gòu)成特征向量；統(tǒng)計(jì)識(shí)別法中，利用圖像相關(guān)矩陣的特征值、特征適量構(gòu)成特征向量；模板匹配法中，利用相關(guān)系數(shù)構(gòu)成特征向量；隱馬爾可夫過程法中，利用多樣本圖像空間系列訓(xùn)練構(gòu)成HMM模型，該模型的參數(shù)即為特征向量；神經(jīng)網(wǎng)絡(luò)法中，將歸一化灰度圖像作為輸出，將網(wǎng)絡(luò)輸出結(jié)果作為識(shí)別結(jié)果。

1.3 人臉識(shí)別

現(xiàn)有的人臉識(shí)別技術(shù)都是根據(jù)已知的人臉，分析未知人臉的具體歸屬。因此，人臉識(shí)別技術(shù)會(huì)將待識(shí)別人臉與數(shù)據(jù)庫內(nèi)已有人臉的特征進(jìn)行匹配，通過分類器設(shè)計(jì)、決策、分類識(shí)別信息等流程，確定人臉識(shí)別的結(jié)果。

2 人工智能下的人臉識(shí)別算法分析

2.1 基于面部特征的人臉識(shí)別算法

人臉的五官分布有一定的規(guī)律，基于面部特征的人臉識(shí)別算法是一種利用人臉面部特征規(guī)律的算法。人的眼睛對(duì)稱分布在人臉的上半部分，鼻與嘴中心點(diǎn)的連線與雙眼連線保持垂直，上述特征都可應(yīng)用于人臉檢測算法中。但基于面部特征的人臉檢測算法準(zhǔn)確率較低，如果在待檢測圖像或圖像序列的背景中也存在人臉區(qū)域，就會(huì)導(dǎo)致誤檢［4］。除此之外，在規(guī)定人臉面部特征規(guī)律時(shí)，如果將面部特征的規(guī)律制定得過于嚴(yán)格，就會(huì)導(dǎo)致人臉難以識(shí)別，出現(xiàn)拒識(shí)現(xiàn)象；如果將面部特征的規(guī)律制定得過于松散，就會(huì)導(dǎo)致機(jī)器錯(cuò)誤識(shí)別，將與人臉面部特征相似的物體識(shí)別為人臉，出現(xiàn)誤識(shí)現(xiàn)象。

2.2 基于統(tǒng)計(jì)的人臉識(shí)別算法

顧名思義，基于統(tǒng)計(jì)的人臉檢測算法利用了統(tǒng)計(jì)的原理。相較于面部特征人臉檢測算法，統(tǒng)計(jì)人臉檢測算法在人工智能技術(shù)的基礎(chǔ)上，利用機(jī)器學(xué)習(xí)與統(tǒng)計(jì)，從海量人臉圖像中總結(jié)出人臉的規(guī)律，從整個(gè)人臉的角度出發(fā)檢測人臉的規(guī)律。統(tǒng)計(jì)人臉檢測法需要大量的樣本輔助機(jī)器學(xué)習(xí)，機(jī)器在學(xué)習(xí)人臉、非人臉樣本后會(huì)構(gòu)造訓(xùn)練分類器，從而判別圖像中哪些區(qū)域?qū)儆谌祟悾瑢?shí)現(xiàn)人類檢測。隨著人工智能技術(shù)的發(fā)展，統(tǒng)計(jì)人臉檢測算法的應(yīng)用難度變得越來越低，應(yīng)用效果也變得越來越好，現(xiàn)階段已經(jīng)成為解決復(fù)雜人臉檢測問題的重要途徑。

2.3 基于模板匹配的人臉識(shí)別算法

模板匹配人臉檢測算法首先會(huì)建立一個(gè)標(biāo)準(zhǔn)模板，其中包含局部人臉特征并被視為子模板。在輸入圖像或圖像序列后，對(duì)圖像進(jìn)行全局搜索，計(jì)算標(biāo)準(zhǔn)人臉模板中不同子模板之間的相關(guān)系數(shù)。在此基礎(chǔ)上，根據(jù)模板中的閾值，檢測圖像或圖像序列中的人臉。隨著模板匹配人臉檢測算法的發(fā)展，彈性模板在人臉檢測算法中得到廣泛應(yīng)用，彈性模板利用待測人臉的形狀參數(shù)，將其構(gòu)成可調(diào)模板，并使其與能量函數(shù)相對(duì)應(yīng)，能夠?qū)崿F(xiàn)不同大小、不同偏轉(zhuǎn)角度人臉的有效檢測［5］。但是，彈性模板匹配人臉檢測算法需要提前設(shè)計(jì)好彈性模板輪廓，必須對(duì)參數(shù)不斷進(jìn)行調(diào)整，對(duì)能量函數(shù)進(jìn)行計(jì)算，需要更長的計(jì)算時(shí)間。

2.4 基于膚色模型的人臉識(shí)別算法

這種方法廣泛應(yīng)用于彩色圖像或圖像序列的人臉檢測中。顏色是人臉的重要特征，據(jù)相關(guān)文獻(xiàn)報(bào)道，人臉的膚色在顏色空間中也是非常獨(dú)立、特殊的一類［6］。在亮度的影響下，膚色值會(huì)發(fā)生變化，在膚色模型人臉檢測算法中，會(huì)首先檢測圖像或圖像序列中的膚色區(qū)域，再將尺度相近、位置相鄰、顏色相近等要素的膚色區(qū)域進(jìn)行合并，最后結(jié)合模板匹配法、統(tǒng)計(jì)法、面部特征法、神經(jīng)網(wǎng)絡(luò)法等實(shí)現(xiàn)人臉的精準(zhǔn)識(shí)別。

2.5 基于代數(shù)特征的人臉識(shí)別算法

假設(shè)圖像由N個(gè)像素構(gòu)成，那么這個(gè)圖像可被視作N維矢量空間。在此基礎(chǔ)上，利用不同的變換方法，提取圖像中的主成分，選擇人臉樣本集中的自相關(guān)矩陣特征矢量，即可構(gòu)成正交低維人臉空間。代數(shù)特征人臉檢測算法有著非常好的穩(wěn)定性，也具備唯一不變性、轉(zhuǎn)置不變性。特征向量會(huì)和圖像的高度等參數(shù)形成比例，發(fā)生變化。

2.6 基于神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別算法

人工神經(jīng)網(wǎng)絡(luò)也被稱作連接模型，是一種模擬人類神經(jīng)網(wǎng)絡(luò)行為特征進(jìn)行分布式并行信息處理的數(shù)學(xué)模型。神經(jīng)網(wǎng)絡(luò)與人工智能有著密切的關(guān)系，將神經(jīng)網(wǎng)絡(luò)應(yīng)用于人臉識(shí)別中，有著非常好的效果。神經(jīng)網(wǎng)絡(luò)應(yīng)用了當(dāng)量具有并行運(yùn)算功能的簡單單元，這些單元相互組成構(gòu)成一個(gè)非線性動(dòng)力系統(tǒng)。通過神經(jīng)網(wǎng)絡(luò)，能夠?qū)σ呀?jīng)提取的主特征特征值進(jìn)行有效分類，將人臉圖像、人臉圖像部件區(qū)域作為神經(jīng)網(wǎng)絡(luò)輸入數(shù)據(jù)，隱層節(jié)點(diǎn)和輸出層節(jié)點(diǎn)分別決定特征提取維數(shù)、待識(shí)別人臉類數(shù)，實(shí)現(xiàn)了人臉的有效識(shí)別。隨著人工智能技術(shù)的不斷發(fā)展，計(jì)算學(xué)習(xí)能力也在不斷加強(qiáng)，機(jī)器學(xué)習(xí)、訓(xùn)練與識(shí)別的速度也變得越來越快，相較于其他人臉識(shí)別算法，神經(jīng)網(wǎng)絡(luò)人臉識(shí)別算法不需要經(jīng)歷復(fù)雜的特征提取環(huán)節(jié)，由人工智能加持下的神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)自動(dòng)化特征提取，是未來人臉識(shí)別技術(shù)的重要發(fā)展趨勢。

2.7 基于三維模型的人臉識(shí)別算法

三維模型人臉識(shí)別算法由幾何人臉識(shí)別算法發(fā)展而來，其有效解決了二維照片識(shí)別中無法有效識(shí)別人臉光照、姿態(tài)等因素的缺點(diǎn)。三維模型通過三維網(wǎng)格能夠描述人臉不同特征之間的幾何關(guān)系，通過紋理映射的方法，將人臉的外觀即時(shí)表現(xiàn)出來［7］。常見的三維模型人臉識(shí)別算法有建立在計(jì)算機(jī)圖形學(xué)算法生成的逼真人臉模型之上，也有建立在計(jì)算機(jī)立體視覺理論之上，對(duì)人臉圖像進(jìn)行學(xué)習(xí)、分析、理解與識(shí)別。人臉識(shí)別技術(shù)可以提取人臉面部的結(jié)構(gòu)光，從而獲取人臉的三維表面特征，三維模型中還引用了形狀紋理信息、三維圖像序列數(shù)據(jù)、人臉灰度信息等識(shí)別方法，大幅提升了三維模型的抗干擾能力。綜上，三維模型已成為未來人臉識(shí)別的重要方向。

3 人工智能中人臉識(shí)別技術(shù)的應(yīng)用

3.1 教育領(lǐng)域的應(yīng)用

人臉識(shí)別技術(shù)在教育領(lǐng)域的考試與選拔中發(fā)揮了重要的作用，能夠有效避免具有相似人臉的考生替代考試的行為，在機(jī)器深度學(xué)習(xí)的輔助下，人臉識(shí)別技術(shù)能夠準(zhǔn)確識(shí)別考生臉部的面部特征。近年來，我國線上教育飛速發(fā)展，相較于線下教育，線上教育的實(shí)施監(jiān)管難度更大，而人工智能加持下的在線教育則能夠?qū)崿F(xiàn)有效的監(jiān)管［8］。以新冠疫情期間部分高校的在線教育為例，為了保障學(xué)生的出勤率，確保學(xué)生的學(xué)習(xí)狀態(tài)，在線上教學(xué)的過程中引入了人工智能技術(shù)，通過人臉識(shí)別打卡的形式，檢查學(xué)生是否本人聽課；并通過攝像頭人臉檢測的形式，檢測學(xué)生何時(shí)離開課堂，何時(shí)學(xué)習(xí)狀態(tài)不佳。將人臉識(shí)別技術(shù)應(yīng)用于線上教育中，不僅能夠保障學(xué)生的出勤率，還能夠驗(yàn)證學(xué)生的學(xué)習(xí)狀態(tài)，有效建立了證偽機(jī)制。人工智能加持下的人臉識(shí)別技術(shù)實(shí)現(xiàn)了學(xué)生學(xué)習(xí)狀態(tài)的實(shí)時(shí)監(jiān)控，確保學(xué)生在線上也能夠按質(zhì)按量地參與學(xué)習(xí)，有效地彌補(bǔ)了線上教育交互性差的問題，大幅提升了線上教育質(zhì)量。

3.2 安防領(lǐng)域的應(yīng)用

安防與我國的社會(huì)穩(wěn)定、經(jīng)濟(jì)發(fā)展有著密切的關(guān)系。隨著近年來我國基礎(chǔ)設(shè)施的不斷完善，不同地域的人員流動(dòng)頻率變得越來越高，公共場所人流量的不斷增加也大幅加大了警察部門開展安防工作的難度。不法分子混跡于人群中，很大可能發(fā)生隱蔽的安全事故，將人臉識(shí)別技術(shù)應(yīng)用于安防領(lǐng)域，能夠?qū)崿F(xiàn)公共場所的有效監(jiān)管。將人臉識(shí)別技術(shù)與公安人臉數(shù)據(jù)庫對(duì)接，在可能出現(xiàn)安全問題的公共場所實(shí)施24小時(shí)動(dòng)態(tài)監(jiān)控，實(shí)時(shí)記錄形跡可疑的流動(dòng)人員，在機(jī)器學(xué)習(xí)人臉數(shù)據(jù)庫中的人臉數(shù)據(jù)后，能夠利用人臉識(shí)別技術(shù)實(shí)時(shí)匹配公共場所的流動(dòng)人員信息，實(shí)現(xiàn)公共場所的有效監(jiān)管。

人臉識(shí)別技術(shù)在安防領(lǐng)域的應(yīng)用是我國發(fā)展的需要，也是大勢所趨。隨著我國人口數(shù)量的增長，公共場所的人工檢查難度變得越來越大，公安部門進(jìn)行現(xiàn)場人工檢查必定占據(jù)大量的社會(huì)資源，若遺漏不法分子將會(huì)造成嚴(yán)重的社會(huì)資源浪費(fèi)。此外，若公安部門現(xiàn)場進(jìn)行人工檢查，很有可能打草驚蛇，出現(xiàn)適得其反的效果，無法有效地逮捕不法分子［9］。因此，合理地應(yīng)用人工智能加持下的人臉識(shí)別技術(shù)，通過公共攝像頭和計(jì)算機(jī)處理中心，實(shí)現(xiàn)流動(dòng)人員自動(dòng)化監(jiān)控與識(shí)別。例如：地鐵猥褻事件、公交偷竊事件的實(shí)時(shí)監(jiān)控，人臉識(shí)別技術(shù)不僅能夠采集人臉數(shù)據(jù)，還能夠自動(dòng)匹配人臉信息，大幅節(jié)約了公安人員查案的時(shí)間，提升了公安部門的辦事效率。同時(shí)，還能為公安人員執(zhí)法提供證據(jù)，在不法分子否認(rèn)非法行為時(shí)，利用人臉識(shí)別技術(shù)提供相應(yīng)的證據(jù)，保護(hù)我國公民的合法權(quán)益。

3.3 社會(huì)化應(yīng)用

隨著我國經(jīng)濟(jì)水平的提升、科學(xué)技術(shù)的發(fā)展，人臉識(shí)別技術(shù)已經(jīng)深入居民的日常生活，無論是日常出行搭乘地鐵，還是商超購物人臉支付，都離不開人臉識(shí)別技術(shù)的支持。人臉識(shí)別技術(shù)被廣泛地應(yīng)用于社會(huì)的各行各業(yè)，在小區(qū)門禁、上班打卡、快遞取件、家庭管理、景區(qū)入場等都有著非常廣泛的應(yīng)用。人臉識(shí)別技術(shù)的社會(huì)化應(yīng)用離不開人工智能技術(shù)的支持，人工智能加持下的人臉識(shí)別技術(shù)更具智能化與自動(dòng)化，能夠滿足人民群眾的日常需求，為人民群眾的生命安全與財(cái)產(chǎn)安全提供保障。以社區(qū)安保為例，將人臉技術(shù)應(yīng)用于社區(qū)安保，利用門禁系統(tǒng)能夠準(zhǔn)確記錄出入小區(qū)的人員信息與時(shí)間數(shù)據(jù)，利用樓層與電梯監(jiān)控能夠發(fā)現(xiàn)跡象可疑的不法分子，實(shí)現(xiàn)社區(qū)安全的全程動(dòng)態(tài)監(jiān)控。人臉識(shí)別的應(yīng)用大幅降低了人工識(shí)別檢查的工作量與失誤率，使社區(qū)內(nèi)部的管理效率大幅提升［10］。另一方面，還能夠幫助社區(qū)管理人員統(tǒng)計(jì)社區(qū)內(nèi)部的居民信息，使居民信息與人臉信息相對(duì)應(yīng)，實(shí)時(shí)、動(dòng)態(tài)地保護(hù)居民的生活與出行安全。人臉識(shí)別技術(shù)在社會(huì)公共領(lǐng)域與私人領(lǐng)域都有著非常廣泛的應(yīng)用，不僅方便了我國居民的日常生活，還有效震懾了不法分子，是新時(shí)期推動(dòng)經(jīng)濟(jì)發(fā)展，保障社會(huì)穩(wěn)定的重要技術(shù)。

4 人工智能中人臉識(shí)別技術(shù)的實(shí)例分析

本文以應(yīng)用人工智能的人臉識(shí)別門禁系統(tǒng)為例。在建立人臉識(shí)別門禁系統(tǒng)的初期，以輕型差別自歸一化神經(jīng)網(wǎng)絡(luò)(ANN）為基礎(chǔ)，把人類大腦的神經(jīng)元視作原型。利用神經(jīng)元自身的輸出值，提取神經(jīng)元與神經(jīng)元之間連接權(quán)值特征，應(yīng)用機(jī)器學(xué)習(xí)的方法，制作ANN神經(jīng)元模型。該模型結(jié)構(gòu)由3部分組成，分別是信號(hào)處理、樹突P、傳遞函數(shù)，三者之間相互關(guān)聯(lián)，構(gòu)成完整的ANN神經(jīng)元模型。卷積層、池化層與全連接層的組合能夠?qū)崿F(xiàn)圖像的自動(dòng)訓(xùn)練，實(shí)現(xiàn)圖像格式數(shù)據(jù)的智能轉(zhuǎn)換。人臉識(shí)別門禁系統(tǒng)是一種非接觸性生物識(shí)別系統(tǒng)，相較于指紋識(shí)別等更容易被人民群眾接受，其不具有侵犯性，是一種遠(yuǎn)距離數(shù)據(jù)采集方案，能夠減少對(duì)用戶的生理傷害。在新冠疫情仍未結(jié)束的今天，人臉識(shí)別門禁系統(tǒng)有著非常廣泛的發(fā)展空間，在隱蔽式監(jiān)控、實(shí)時(shí)動(dòng)態(tài)化追蹤中有著非常廣泛的應(yīng)用。

人臉識(shí)別門禁系統(tǒng)在采集人臉數(shù)據(jù)后，卷積層會(huì)自動(dòng)提取輸入圖像或圖像序列的生物特征，并在池化層內(nèi)進(jìn)行采樣，將復(fù)雜的人臉圖像進(jìn)行降維操作，并且在全連接層對(duì)其進(jìn)行映射，使其能夠以向量的形式映射到計(jì)算機(jī)空間，實(shí)現(xiàn)人臉的分類。人工智能技術(shù)加持下的人臉門禁系統(tǒng)首先需要設(shè)立人臉訓(xùn)練集與人臉獲取模塊，利用攝像頭獲取高清人臉圖像，并提供點(diǎn)頭、搖頭、張嘴等不同動(dòng)作影像，提供正臉、側(cè)臉、仰視、俯視等角度影像，利用機(jī)器學(xué)習(xí)人臉模型。在訓(xùn)練集與處理模塊中對(duì)圖像進(jìn)行裁剪，之后進(jìn)行分析、比對(duì)、輸出等操作，即可實(shí)現(xiàn)人臉的有效識(shí)別。AlexNet網(wǎng)絡(luò)會(huì)生成機(jī)器學(xué)習(xí)模塊，并對(duì)人臉信息進(jìn)行學(xué)習(xí)，再根據(jù)學(xué)習(xí)結(jié)果驗(yàn)證模塊，對(duì)經(jīng)過門禁系統(tǒng)的每個(gè)人進(jìn)行識(shí)別與驗(yàn)證，即可發(fā)揮其應(yīng)有的作用。如果經(jīng)檢測，通過門禁的人臉不在訓(xùn)練集中，會(huì)自動(dòng)發(fā)出警報(bào)，應(yīng)用效果非常顯著。具體如圖2所示。

圖2 人臉識(shí)別門禁系統(tǒng)運(yùn)行原理

5 結(jié)語

本文圍繞人工智能中人臉識(shí)別技術(shù)應(yīng)用的相關(guān)內(nèi)容進(jìn)行了探討與分析。廣大研究人員要重視人臉識(shí)別技術(shù)中人工智能技術(shù)的應(yīng)用，利用人工智能技術(shù)提升人臉識(shí)別技術(shù)的質(zhì)量與效率，推動(dòng)人臉識(shí)別技術(shù)在社會(huì)安定、經(jīng)濟(jì)發(fā)展中更好地發(fā)揮作用。