羅誠稍微調整了一下距離和角度，讓他的臉全部顯示在螢幕上，下一秒螢幕上就顯示出打卡成功的字樣，旁邊的電腦上也同步重新整理出來他的打卡資訊。
張旭：“這也沒什麼啊，這東西國外國內都有啊！沒有什麼特別的吧！”
羅誠一聽趕緊解釋：“打卡機的人臉識別系統很早就有，不過我們這個更先進？”
“怎麼說？”
“人臉識別早期演算法有幾何特徵的法，模板匹配的法，區域性特徵的法，子空間演算法還有主成分分析法和線性判別分析法，還有稀疏表達法。”
“那現在呢？”
羅誠：“現在世面上基本上是【人工特徵+分類器】，人工特徵分為：方向梯度直方圖，尺度不變特徵變化和區域性二值模式，而分類思想是給定一個包含正例和反例的樣本集合，其目的是尋找一個超平面將樣本正例和反例分隔開，並且使所有點中離超平面最近的點距離超平面有更大的間距。”
“那你們現在呢？”
羅誠：“我們的方向就是基於人工智慧的功能，讓機器進行深度學習。”
“深度學習？”
羅誠：“對，深度學習！深度卷積神經網路您瞭解嗎？”
張旭搖了搖頭，他現在感覺自己就是一個猴子，剛剛從原始森林走進了人類社會，周圍的人都用一種關愛小動物的目光注視著他。
羅誠不知道他在想什麼，繼續講解到：“在人臉對齊方面，d我們模型採用了3d對齊的方式，並且使用傳統的bp直方圖進行圖片紋理化並提取對應的特徵。對提取出的特徵使用svrsupport vector regression）處理以提取人臉及對應的六個基本點。根據六個基本點做仿射變換，再根據3d模型得到對應的67個面部關鍵點，根據這些點做三角劃分，最終得出對應的3d人臉。”
“模型是3d的？”
羅誠：“是的，我們的機器在訓練過程中採用的是一般的交叉熵損失函式，並且採用一般的softax對訓練的資料進行分類，只不過從特徵向量產生到用來分類的過程中使用了一些內積、卡方距離或siaese的度量方式來計算相似度，用相似度來進行訓練產生分類器。”
王浩接話道：“具體對齊流程為
第一步：檢測出人臉和對應的六個基本點
第二步：二維對齊後的人臉
第三步：使用狄羅尼三角劃分在2d人臉上劃分出67個關鍵點，並在邊緣處採用新增三角形的方式避免不連續
第四步：標準3d人臉模型轉化為2d平面並和原始2d圖片進行比較時所需要的）透過標準3d人臉庫usf生成的對應的平均人臉模型）
第五步：標準3d臉轉化為2d以及原有的2d做殘差使用時所需的變化，黑色部分表示不可見的三角形。對於不可見的三角形處理採用的是對稱方式解決
第六步：透過3d模型產生的67個基準點進行分段對映使人臉變彎曲，對人臉進行對齊處理
第七步：處理生成的2d人臉
第八步：根據處理生成的3d人臉。”
張旭有些麻木了，現在已經有些頭暈眼花了，一個打卡機做得那麼高階幹什麼？打卡成功竟然需要八步走，他就知道把大象放冰箱需要幾步，第一步，把冰箱門開啟，第二步把大象……
喜歡我有一個人才市場請大家收藏：()我有一個人才市場書更新速度全網最快。
