我们的优势-全球领先算法
LFW2017评测中识别度率达99.83%全球排名第一；

下表为2017年最新LFW评测排名

LFW由美国马萨诸塞大学于2007年建立，用于评测非约束条件下的人脸识别算法性能，是人脸识别领域使用最广泛的评测集合。（学术界最权威的测试机构）

易胜人脸识别性能特性和原理

1.人脸识别原理：通过独特的人脸特征点提取以及算法比对

1.人脸识别原理：通过独特的人脸特征点提取以及算法比对
       人脸识别算法通过人脸特征建模来提取人脸的2048个重要特征点并按照其识别信息量来计算出整个人脸的特征值。这样提取的特征向量按照核部分空间法来转换成识别能力高的最终特征向量。人脸区域中提取多种特征向量。

    人脸比对步骤中通过几个步骤的比对处理及详细的验证过程提高类似人脸的识别准确度。就是说越是类似人脸（越相象的人脸）越需要越多的特征量用于比对，并且还要使用各种结构信息来判别是否同一个人。不是很类似的人脸的比对相对来说很快。

深度学习算法：适应人脸特征变化，越用越快。
    人脸相貌会随着时间变，而且也跟着心情也会变一点。人脸识别算法有识别成功后更新用户特征数据的功能。通过分析注册用户的人脸特征数据内容和状态及最新获取的人脸特征来判断是否要更新特征数据， 判断为有需要更新就进行更新。随着人脸特征数据的容量增加，用户的人脸特征会更丰富起来。
这样的自适应过程会随着使用次数的增加，识别的准确率也会增加。算法适应人脸特征变化，越用越快。

 丰富的人脸数据库训练
通过双胞胎的人脸特征采集设置了算法参数。
通过采集大容量(易胜深度神经网络技术在搜集到的5万9千名名人的310万张照片来训练)的人员数据采集，进行了算法的训练及测试，而且通过这些评估了算法的性能。而且在非洲拿S10模块来采集了黑人人脸特征并在算法上训练了。因此，易胜的算法有了超高的双胞胎识别率和跟人种无关的识别率。

双胞胎测试

2.强大的硬件支持以及快速、高精确度的人脸检测
     S10人脸识别模块在任何环境下都可以快速精确进行人脸检测。

     环境光照强度和太阳光的影响，戴眼镜和头部遮挡，用户姿势及摄像头采集的图像质量都会影响到识别精确度。

     易胜算法跟其他算法对比起来针对这些因素环境下人脸采集和识别做了算法优化。

    一般来说其他公司的算法在嵌入式硬件中会增加环境因素处理，在复杂环境光线下简化算法，因此导致检测性能下降。其他公司的人脸锁模块针对这种因素会大大下降检测性能，这个情况通过测试已经验证过。

   易胜的人脸识别模组用了高速算法，把在个人电脑上运行的高速算法移植到嵌入式模块，也同样发挥出更高的性能。

易胜方案VS其他方案(CPU对比）

3.智能的摄像头控制（更智能的环境光识别与适应）
摄像头采集的图像质量对于人脸识别算法性能的影响很重要。
S10人脸识别模块摄像头会对所处的周围环境（光照、逆光及太阳光）进行识别、通过算法底层控制和适应来减少环境因素影响。

图像质量调整
人脸算法会针对摄像头采集的图像进行deblurring（去恍惚，消愁抖动）,  noise removing（降噪）, repainting（重绘）等智能的图像处理算法来减少因图像质量不好带来的影响。

眼镜识别及调整
一般来说戴上眼镜就给算法造成不利影响。
我们算法对戴上眼镜人群进行了优化，可以准确提取人脸的属性信息。
戴上眼镜的时候通过去深度算法，掉眼镜的方法来提高是识别的准确率。

4.活体检测
     人脸识别智能门锁上的防假人脸的需求越来越重要。
其他厂家的活体检测方法及缺陷
通常活体检测有集中方法。
通过分析其他厂家的人脸模块，发现有两种活体检测方法。

第一：通过彩色摄像头来判断是否为活体，判定验证者是彩色图像或者黑白图像。
缺点1：挡住彩色摄像头就不能判定活体，不能判断黑白照片。
缺点2：晚上或黑暗情况下不能判断活体，不能是否存为判断黑白照片。

第二：不进行活体检测判断，通过分析已注册人脸和照片中的人脸的差异来判断。
缺点1：拍摄的照片中人脸的质量好，照片人脸的姿势和已注册人脸的姿势一致（相似度高）的情况下无法防止识别（无法通过活体检测）。
缺点2：注册人脸的过程当中无法判断照片。采用这样的方法是因为活体检测的计算量大导致处理时间增加，所以无法应用于低成本的门锁模块。
缺点3：商业用的活体检测算法还没有公开，活体检测算法开发的公司也很少，虽然目前具有人脸比对算法的公司多，但是具有活体检测算法的公司很少，而且能应用于低成本的门锁模块的活体检测算法就更少了。

5.易胜活体检测
1.通过红外光反射特征来进行活体检测。
     照片的红外光反射和人脸的红外光反射特征不一样。
所以人脸的红外光反射图像和照片的红外光反射图像有区别特征，通过这个特征来判断活体检测。

2.基于深度学习（Deep Learning）的活体检测
    有些照片的红外光反射图像和人脸的红外光反射图像很类似，所以很难判断照片。
正因为如此有些厂家的人脸锁模块可以用这种照片来开锁。
对于活体人脸和照片人脸，肉眼无法判断差异，但是还是有一些微妙的差异。
我们的算法通过基于深度学习（Deep Learning）的神经网络来准确判断出其差异。
Deep Learning是最近人工智能领域中广泛应用的核心技术。
但是因为需要庞大的计算量，只有电脑等内置高级处理芯片的设备上才能用上。
人脸锁模块等低端设备基本上无法使用Deep Learning技术。
我们自己开发了独特的神经网络和高速处理算法来实现人脸锁模块等低端设备上使用的Deep Learning技术。
我们有了这些技术就可以实现人脸识别和活体检测的超高准确率。

3.通过分析采集的摄像头图像流中的人脸区域和背景区域（或者动态变化）并其结果应用于活体检测。 
我们的活体检测算法不需要眨眼和转头等动作，看下摄像头就可以。
而且0.5秒之内所有的人脸比对和活体检测都可以处理完。

4.活体检测不限于人种、性别和年龄；

活体检测神经网络训练，全面使用了易胜人脸锁模块采集的人脸图像和照片。
这个数据库包含非洲黑人、欧洲白人、亚洲黄种人、拉美棕色人种等全球各种人种的数据资料。
所以我们S10人脸锁模块的活体检测不限于人种、性别和年龄，可以提供超高的准确率。

性能测试-特斯拉线圈抗干扰测试

性能测试-静电测试

性能测试-高低温，恒温恒湿

部分合作客户人脸锁展示

业务部联系

罗志军：13620478187

胡长生：18666139917

蓝汉才：18688188225