“人臉識別技術本身也有安全漏洞?！苯鹂煽烧f，除了法律問題外，現(xiàn)階段部分人臉識別技術本身還不成熟，有時，機器即使沒有掃描人臉，也有可能顯示取件成功，因此引發(fā)快件的風險。為此，金可可建議，政府相關職能部門加強對快遞代收服務及相關行業(yè)的監(jiān)管，出臺相應辦法，禁止快遞公司未經(jīng)收件人同意擅自使用代收服務，以及禁止代收服務企業(yè)僅采用人臉識別的取件方式。

人臉圖像采集：不一樣的人臉圖像都能根據(jù)拍攝攝像鏡頭采集出來，例如靜態(tài)數(shù)據(jù)圖像、動態(tài)像、不一樣的部位、不一樣小表情等層面都能夠獲得非常好的采集。當客戶在采集機器設備的拍攝范疇內(nèi)時，采集機器設備會全自動檢索并拍攝客戶的人臉圖像。人臉檢測：人臉檢測在具體中關鍵用以人臉鑒別的預備處理，即在圖像中校準出人臉的部位和尺寸。人臉圖像中包括的方式特征十分豐富多彩，如條形圖特征、色調(diào)特征、模版特征、構(gòu)造特征及Haar特征等。人臉檢測便是把這在其中有效的信息內(nèi)容挑出，并運用這種特征完成人臉檢測。流行的人臉檢測方式 根據(jù)之上特征選用Adaboost學習培訓優(yōu)化算法，Adaboost優(yōu)化算法是一種用于歸類的方式，它把一些較為弱的分類方法合在一起，組成更新的較強的分類方法。人臉檢測全過程中應用Adaboost優(yōu)化算法篩出一些意味著人臉的矩形框特征(弱分類器)，依照權重計算的方法將弱分類器結(jié)構(gòu)為一個強分類器，再將訓煉獲得的多個強分類器串連構(gòu)成一個聯(lián)級構(gòu)造的堆疊分類器，合理地提升分類器的檢驗速率。

特征獲取人臉圖像特征獲?。喝四樧R別技術可應用的特征一般分成視覺效果特征、清晰度統(tǒng)計分析特征、人臉圖像轉(zhuǎn)換指數(shù)特征、人臉圖像解析幾何特征等。人臉特征獲取便是對于人臉的一些特征開展的。人臉特征獲取，也稱人臉表征，它是對人臉開展特征模型的全過程。人臉特征獲取的方法具體來說分成兩類：一種是根據(jù)知識的表征方法；此外一種是根據(jù)解析幾何特征或統(tǒng)計學習的表征方法。根據(jù)知識的表征方法主要是依據(jù)人臉的樣子敘述及其她們中間的間距特點來得到有利于人臉歸類的特征數(shù)據(jù)信息，其特征份量一般包含特征點間的歐式距離、折射率和視角等。人臉由雙眼、鼻部、嘴、下頜等部分組成，對這種部分和他們中間構(gòu)造關聯(lián)的幾何圖形敘述，可做為鑒別人臉的關鍵特征，這種特征被稱作幾何圖形特征。根據(jù)知識的人臉表征關鍵包含根據(jù)幾何圖形特征的方法和模板匹配法。