合作案例

为了理解猪脸识别算法工作原理，我们首先来了解一下特征向量的概念。（译者注：此处的特征向量指机器学习的概念，不同于矩阵理论。）每个机器学习算法都会将数据集作为输入，并从中学习经验。算法会遍历数据并识别数据中的模式。例如，假定我们希望识别指定图片中人物的脸，很多物体是可以看作模式的

脸是标识您身份的重要元素，别人也会通过你的脸来辨认您。请想象一下，如果所有的面孔都是相同的，识别出一个人该是多么的困难。除了长得几乎完全一样的双胞胎之外，面孔毫无疑问是一个人最独一无二的物理特征。不只是人有识别和区分数百万张不同面孔的先天能力，计算机现在也正在迎头赶上人的这种能力

面部识别软件必须能够首先识别出面孔（这取决于它自身的技术水平），然后再测量每张面孔的各种特征。如果照镜子，您会发现脸具有一些可辨别的标志。脸上的凸出部分和凹陷部分构成了不同的面部特征。Visionics将这些标志定义为节点。人脸大约有80个节点

测量这些节点的目的在于产生一个数字代码（一串数字），它在数据库中代表该面孔。该代码称作面纹。对于FaceIt软件，只需要14-22个节点数据即可完成识别过程。在下一节中，我们将介绍该系统如何检测、捕获和存储面孔。

面部识别软件可归入名为生物识别的一大类技术。生物识别技术使用生物信息来验证身份。生物识别背后的理论是：我们的身体包含一些独一无二的特征，可以使用它们将我们与他人区分开。除了面部识别之外，生物识别身份验证方法还包括：指纹扫描、视网膜扫描、语音识别.