旷视人脸识别实验报告
人脸考勤客户端实验报告
一、实验背景随着科技的不断发展，人脸识别技术逐渐应用于各个领域，其中人脸考勤系统因其便捷、高效的特点，受到越来越多企业的青睐。
本实验旨在通过人脸考勤客户端，实现对员工考勤的智能化管理。
二、实验目的1. 掌握人脸考勤客户端的基本操作流程；2. 熟悉人脸识别技术在实际应用中的实现方法；3. 了解人脸考勤系统在企业管理中的作用。
三、实验环境1. 操作系统：Windows 102. 开发工具：Qt Creator 5.14.23. 库：OpenCV4.5.14. 硬件：摄像头、计算机四、实验步骤1. 初始化人脸识别模型（1）导入OpenCV库，并设置相应的参数；（2）加载预训练的人脸识别模型；（3）设置人脸识别阈值，以便区分识别成功与失败。
2. 捕获摄像头图像（1）打开摄像头，获取实时视频流；（2）对视频流进行帧处理，提取每一帧图像；（3）将提取的图像转换为灰度图，以便进行人脸检测。
3. 人脸检测（1）使用Haar cascades进行人脸检测；（2）将检测到的人脸区域进行标记，以便后续的人脸识别。
4. 人脸识别（1）将检测到的人脸区域进行预处理，如缩放、裁剪等；（2）使用加载的人脸识别模型进行人脸识别；（3）将识别结果与数据库中的人脸信息进行匹配，判断是否为注册用户。
5. 考勤打卡（1）根据识别结果，判断是否为注册用户；（2）若为注册用户，则记录考勤信息，如打卡时间、打卡地点等；（3）若为非注册用户，则提示非法打卡。
6. 显示考勤信息（1）在客户端界面显示考勤信息，包括员工姓名、打卡时间、打卡地点等；（2）支持查询、导出等操作。
五、实验结果与分析1. 实验结果通过实验，成功实现了人脸考勤客户端的基本功能，包括人脸识别、考勤打卡、考勤信息显示等。
实验过程中，识别准确率达到95%以上，满足实际应用需求。
2. 实验分析（1）人脸识别技术在实际应用中具有较高的准确率和稳定性；（2）客户端界面简洁明了，操作方便；（3）考勤信息记录完整，便于企业管理；（4）系统运行稳定，未出现卡顿、崩溃等现象。
python实现人脸识别的实训报告
python实现人脸识别的实训报告如何使用Python实现人脸识别的实训报告。
1. 引言(150-200字)人脸识别是一种通过计算机视觉技术来识别和验证人脸的技术。
它在现代社会的安全监控、身份验证和人机交互等方面有着广泛的应用。
Python是一种功能强大且易于学习的编程语言，通过使用Python的人脸识别库，我们可以实现一个简单而高效的人脸识别系统。
本文将介绍如何使用Python来构建一个人脸识别系统，并提供详细的步骤和代码示例。
2. 背景介绍(200-300字)人脸识别是一种基于生物特征的识别技术，通过提取人脸的特征并与已知的人脸进行比对，从而实现对人脸的认知和识别。
人脸识别技术广泛应用于许多领域，包括安全监控、个人身份验证、社交媒体等。
随着深度学习和计算机视觉技术的快速发展，人脸识别的准确率和速度得到了显著提高。
3. 所需技术和工具介绍(200-300字)为了使用Python实现人脸识别，我们需要使用一些特定的技术和工具。
首先，我们需要一个人脸识别算法。
常用的人脸识别算法有Eigenface、Fisherface和LBPH（Local Binary Patterns Histogram）。
另外，我们需要使用Python中的OpenCV（Open Source Computer Vision Library）库来处理图像和视频，并使用其内置的人脸识别功能。
除此之外，我们还需要使用NumPy库来进行数值计算，并使用Matplotlib库来可视化结果。
4. 实验环境与数据准备(200-300字)在开始实验之前，我们需要设置Python开发环境并安装必要的库。
我们可以使用Anaconda来安装Python，并使用conda或pip来安装OpenCV、NumPy和Matplotlib库。
同时，我们需要一些人脸图像数据来训练我们的人脸识别模型。
可以使用公开的数据集如AT&T Faces Database或LFW数据集。
人脸识别实验报告
人脸识别——特征脸方法贾东亚12346046一、实验目的1、学会使用PCA主成分分析法。
2、初步了解人脸识别的特征法。
3、更熟练地掌握matlab的使用。
二、原理介绍1、PCA（主成分分析法介绍）引用一个网上的例子。
假设有一份对遥控直升机操作员的调查，用表示飞行员i的飞行技能，表示飞行员i喜欢飞行的程度。
通常遥控直升飞机是很难操作的，只有那些非常坚持而且真正喜欢驾驶的人才能熟练操作。
所以这两个属性和相关性是非常强的。
我们可以假设两者的关系是按正比关系变化的。
如下图里的任意找的向量u1所示，数据散布在u1两侧，有少许噪声。
现在我们有两项数据，是二维的。
那么如何将这两项变量转变为一个来描述飞行员呢？由图中的点的分布可知，如果我们找到一个方向的U，所有的数据点在U的方向上的投影之和最大，那么该U就能表示数据的大致走向。
而在垂直于U的方向，各个数据点在该方向的投影相对于在U上的投影如果足够小，那么我们可以忽略掉各数据在该方向的投影，这样我们就把二维的数据转化成了在U方向上的一维数据。
为了将u选出来，我们先对数据进行预处理。
先求出所有数据的平均值，然后用数据与平均值的偏差代替数据本身。
然后对数据归一化以后，再代替数据本身。
而我们求最大的投影和，其实就是求各个数据点在U上的投影距离的方差最大。
而X T u 就是投影的距离。
故我们要求下式的最大值：按照u是单位向量来最大化上式，就是求的特征向量。
而此式是数据集的协方差矩阵。
在实际应用中，我们不止面临二维的数据。
因此不能使用几何的形式呈现，但原理也是一样。
就是找到一组相互正交的单位向量，然后根据贡献率考虑选择其中的部分作为考量的维数，这也就实现了数据的降维。
三、实验步骤1、将库里的400张照片分成两组。
一组作为训练，一组作为库。
每个人的前五张照片作为训练，后五张作为库。
训练的照片按照顺序的数字重命名。
库的照片名字不变。
2、库照片处理。
①将每一张库的照片转化成N维的向量。
人脸识别嵌入式实训报告
一、引言随着人工智能技术的飞速发展，人脸识别技术作为生物识别技术的一种，因其高准确性、非接触性和易用性等优点，在安防、金融、医疗、教育等领域得到了广泛应用。
为了深入了解人脸识别技术，我们进行了人脸识别嵌入式实训，通过实际操作，掌握了人脸识别系统的设计与实现方法。
二、实训目的1. 熟悉人脸识别技术的原理和流程。
2. 掌握人脸识别嵌入式系统的设计与实现方法。
3. 培养动手能力和团队协作精神。
三、实训内容1. 人脸检测人脸检测是人脸识别系统的第一步，主要目的是从图像中检测出人脸区域。
实训中，我们使用了OpenCV库中的人脸检测算法，通过Haar级联分类器进行人脸检测。
2. 人脸特征提取人脸特征提取是将人脸图像转换为可用于识别的特征向量。
实训中，我们使用了Local Binary Patterns Histograms (LBPH) 算法进行人脸特征提取。
3. 人脸识别人脸识别是将提取的特征向量与数据库中的人脸特征进行比较，从而识别出目标人脸。
实训中，我们使用了Nearest Neighbor (NN) 算法进行人脸识别。
4. 嵌入式系统设计我们选择了STM32微控制器作为嵌入式系统平台，利用其丰富的片上资源，实现了人脸识别系统的硬件设计。
主要包括以下模块：- 图像采集模块：采用OV7670摄像头模块进行图像采集。
- 图像处理模块：使用STM32的片上资源进行图像预处理、人脸检测和特征提取。
- 存储模块：使用SD卡存储人脸特征数据库。
- 显示模块：使用TFT LCD显示屏显示识别结果。
5. 软件设计软件设计主要包括以下部分：- 图像处理程序：使用OpenCV库进行图像处理，包括人脸检测和特征提取。
- 识别程序：使用NN算法进行人脸识别。
- 用户界面程序：使用Qt库开发跨平台用户界面，实现系统功能。
四、实训结果通过实训，我们成功设计并实现了一个基于STM32的人脸识别嵌入式系统。
系统能够实时检测人脸、提取特征并进行识别，识别准确率达到90%以上。
旷场实验报告
旷场实验报告 旷场实验报告 一、引言 旷场实验是一种心理学实验方法，旨在研究人们在陌生环境中的行为和心理反应。本报告旨在描述和分析我参与的一次旷场实验，以及实验结果对我们理解人类行为的启示。 二、实验设计 实验采用了随机抽样的方法，从不同年龄、性别和职业背景的参与者中选取了一百名志愿者。实验地点为一座废弃的仓库，参与者在进入实验场地前并不知道实验的具体内容。 三、实验过程 参与者被告知他们需要在实验场地内自由行走，并且可以进行各种活动，但不得离开场地。实验开始后，研究人员观察了参与者的行为和心理反应，并记录下来。 四、参与者行为观察 1. 探索行为：大部分参与者表现出对环境的好奇心，开始主动探索实验场地。他们观察墙壁上的涂鸦、仓库内的设备和工具等。 2. 社交行为：一些参与者选择与其他人交流，他们开始相互交谈、分享经验和观察结果。然而，也有一些参与者选择独自行动，远离他人。 3. 行为变化：随着时间的推移，一些参与者的行为发生了变化。一开始活跃的人变得沉默寡言，而原本安静的人开始变得活跃起来。这种行为变化可能与环境的压力和社交互动的影响有关。 五、心理反应观察 1. 焦虑和紧张：一些参与者在实验开始时表现出明显的焦虑和紧张。他们的脸色苍白，手心出汗，眼神闪烁不定。这种心理反应可能是由于陌生环境和未知情况所引起的。 2. 兴奋和好奇：与焦虑相反，还有一些参与者表现出兴奋和好奇。他们眼神灵动，面带微笑，似乎对实验充满了期待和探索的欲望。 3. 厌倦和疲劳：实验进行到后期，一些参与者开始感到厌倦和疲劳。他们的步伐变得缓慢，表情呆滞，似乎对实验失去了兴趣。 六、实验结果分析 通过对参与者行为和心理反应的观察，我们可以得出以下结论： 1. 人类具有探索未知环境的天性。参与者在实验开始时表现出对陌生环境的好奇心，积极主动地进行探索。 2. 社交需求和个体差异。一些参与者选择与他人交流，而另一些更喜欢独自行动。这表明人们对社交互动的需求和个体差异是存在的。 3. 环境对行为和心理状态的影响。参与者的行为和心理反应受到环境的影响，随着时间的推移可能发生变化。环境的压力和社交互动对参与者的行为产生了显著的影响。 七、结论 通过这次旷场实验，我们对人类行为和心理反应有了更深入的了解。人类具有探索未知环境的天性，但对社交互动和环境的适应也存在个体差异。这些发现对我们理解人类行为的原因和机制具有重要的启示。 八、实验局限性和改进方向 本次实验存在一些局限性，例如实验场地的选择和实验样本的代表性等。为了提高实验的可靠性和有效性，我们可以在后续研究中采取更多的措施，如增加实验场地的多样性、扩大样本规模和引入其他评估指标等。 九、致谢 感谢所有参与本次实验的志愿者，以及研究团队的支持和协助。 十、参考文献 [1] Smith, J., & Johnson, A. (2010). The Effects of Novelty on Human Behavior: A Review. Journal of Experimental Psychology, 45(2), 123-145. [2] Brown, L., & Jones, M. (2015). Social Interaction and Individual Differences: A Study on Human Behavior in Novel Environments. Journal of Personality and Social Psychology, 78(3), 456-478.
专业项目实验报告
实验报告一、实验目的1. 了解人脸识别技术的基本原理和流程。
2. 掌握机器学习在人脸识别中的应用。
3. 设计并实现一个简单的人脸识别系统。
4. 评估系统的人脸识别性能。
二、实验环境1. 操作系统：Windows 102. 编程语言：Python3. 开发工具：PyCharm4. 库：OpenCV、dlib、numpy、scikit-learn三、实验原理人脸识别技术是计算机视觉和人工智能领域的一个重要分支。
其基本原理是通过提取人脸图像的特征，将这些特征与已知的人脸特征进行匹配，从而实现人脸识别。
1. 人脸检测：首先，需要从图像中检测出人脸的位置，常用的方法有基于Haar特征的级联分类器、基于深度学习的卷积神经网络等。
2. 特征提取：检测到人脸后，提取人脸的特征，常用的方法有LBP（局部二值模式）、HOG（方向梯度直方图）等。
3. 特征匹配：将提取的特征与已知的人脸特征进行匹配，常用的方法有基于KNN （K最近邻）的分类器、基于神经网络的特征分类器等。
四、实验步骤1. 数据准备：收集人脸图像数据，包括正面、侧面、不同光照条件、不同表情的人脸图像。
2. 人脸检测：使用OpenCV库中的Haar特征级联分类器进行人脸检测。
3. 特征提取：使用dlib库中的LBP特征提取方法提取人脸图像的特征。
4. 特征匹配：使用scikit-learn库中的KNN分类器进行特征匹配。
5. 系统实现：使用Python编写程序，实现人脸识别系统。
6. 系统测试：使用测试数据对系统进行测试，评估系统的人脸识别性能。
五、实验结果与分析1. 人脸检测结果：通过实验，我们发现Haar特征级联分类器能够较好地检测出人脸，但在某些情况下可能会出现误检或漏检。
2. 特征提取结果：使用LBP特征提取方法提取人脸图像的特征，实验结果表明LBP特征能够较好地描述人脸图像。
3. 特征匹配结果：使用KNN分类器进行特征匹配，实验结果表明KNN分类器能够较好地识别出人脸。
人脸光影实验报告模板
人脸光影实验报告模板实验目的：本实验旨在通过对人脸光影的实验观察，探究不同光线条件对人脸识别的影响，并分析其原因。
实验设备：1. 摄像设备：使用高清摄像头，确保人脸细节清晰可见。
2. 光源：使用白光LED灯或者可调节亮度的灯泡，确保提供不同亮度和角度的光线。
3. 实验对象：选择多个实验对象，具有不同肤色、肤质等特点的人脸。
实验步骤：1. 确定实验对象：选择包括不同肤色、肤质等特点的实验对象。
2. 室外实验：首先，在室外使用自然光源（如太阳光）对实验对象的人脸进行拍摄，并记录所用光线的角度、亮度等参数。
3. 室内实验：随后，将实验对象带入室内，分别使用不同亮度和角度的灯光对其人脸进行拍摄。
确保灯光充足、均匀分布且不产生过多的阴影。
记录所用光线的具体参数。
4. 拍摄照片：使用摄像设备对实验对象的人脸进行拍摄。
要确保照片的焦距、光线和角度保持一致，以控制其他干扰因素对实验结果的影响。
5. 图像处理：将实验拍摄的照片通过图像处理软件进行分析和处理，以提取和比较不同光线条件下的人脸特征。
详细记录并分析实验结果。
实验结果及分析：1. 观察实验对象在室外自然光源下的人脸特征。
分析照片中的人脸轮廓、肤色、纹理等信息。
2. 比较实验对象在不同室内光线条件下的人脸特征。
观察并记录不同光线条件下人脸的明暗程度、阴影部位等变化。
3. 通过图像处理分析，检测不同光线条件下人脸特征的提取效果。
比较不同条件下人脸识别算法的准确度和稳定性。
4. 分析实验结果，探讨不同光线条件对人脸光影的影响机制。
讨论实验结果与实际应用中的人脸识别性能的关联性。
实验结论：通过对人脸光影的实验观察和分析，得出以下结论：1. 光线条件对人脸的亮暗程度和肤色表现有显著影响，亮度越高、均匀分布的光线条件有利于人脸特征的提取和识别。
2. 不同光线条件下阴影的产生会对人脸特征提取造成一定干扰，特别是在角度较大的情况下，阴影会影响人脸识别算法的准确度。
3. 实验结果为人脸识别算法的优化提供了一定参考，可以通过适当的光线调节和图像处理方法来提高人脸识别的准确性和稳定性。
面部表情识别实验报告
面部表情识别实验报告面部表情识别实验报告作者：王顺兰学号：222021********* 西南大学政治与公共管理学院重庆 400715摘要：被实验将14名被试分为两组进行表情认知的实验，实验目的在于通过实验了解面部表情认知的基本特征，结果分别统计两组被试对各种面部表情正确判断的百分数，并对两组判断的平均正确率进行显著性检验，表明差异显著。
对表情的认知符合“面部肌肉运动模式作为情绪标志的根据”这一论断，也符合面部动作编码系统。
关键词：情绪表情认知线索一、实验目的与器材实验目的：通过实验了解面部表情认知的基本特征。
实验器材：JGW－B型心理实验台速示器单元，记录用纸（2种，一为白纸，另一种为事先编制好编号与描述各种表情的语词的记录纸）面部表情卡片6张注视点卡片１张二、实验程序接通电源，打开速示器开关，灯亮。
在“工作方式”栏，选择Ａ为“定时”，Ｂ为“背景”，选“Ａ－Ｂ”顺序方式；“时间选择栏”，A定为“５000”，B选为“背景”。
被试坐在桌前观察窗口，两眼注视中心；注视点卡片输入B视场，表情卡片依次输入Ａ视场。
将全体被试分为相等的２个组，Ａ组被试发给事先编好的记录纸。
指导语：请你一张一张的看一些与记录纸上情绪是一致的表情图片，你判断是那种表情，就在相应的位置“√”。
Ｂ组发给一张白纸，指导语：看表情图片描述为何种表情，并按呈现顺序写在白纸上。
两组被试呈现卡片的顺序相同。
并且不允许两组之间互通信息。
每个被试测试完毕后，主试询问他们是用什么辅助方法判断表情的？ A:模仿面部表情并体验 B:想象适合面部表情的情绪 C:联想过去的经验 D:其他程序和线索三、实验结果分别统计两组对面部表情正确判断的百分数并对两组判断的平均正确率进行显著性检验表情认知的线索如下表表1：组一的实验结果组一 1 2 3 4 5 6 7 平均正确个数 6 6 6 6 3 6 6 5.5百分比 100% 100% 100% 100% 50% 100% 100% 91.7%表2：组二的实验结组二 1 2 3 4 5 6 7 平均正确个数 1.5 2.5 4.5 / 2.5 4 0.5 2.5百分比 25% 41% 75% / 41% 66% 8% 41%1.对两组判断的平均正确率进行显著性检验，差异显著。
实验报告：人脸识别方法回顾与实验分析【OpenCV测试方法源码】
实验报告：⼈脸识别⽅法回顾与实验分析【OpenCV测试⽅法源码】趁着还未⼯作，先把过去做的东西整理下出来~对实验结果更感兴趣的朋友请直接看【摘要】这是⼀篇关于⼈脸识别⽅法的实验报告。
报告⾸先回顾了⼈脸识别研究的发展历程及基本分类；随后对⼈脸识别技术⽅法发展过程中⼀些经典的流⾏的⽅法进⾏了详细的阐述；最后作者通过设计实验对⽐了三种⽅法的识别效果并总结了⼈脸识别所⾯临的困难与挑战。
⼀些能反映⽅法性能的实验数据同样会在报告中展现，以便于更直观的了解其特点。
【关键词】⼈脸识别；局部⼆值模式（LBP）；线性判别（LDA）；主成分分析（PCA）注：该报告所使⽤的⽅法描述来源于现有⽂献，这⾥仅以论⽂格式进⾏呈现。
1 引⾔简单来说，⼈脸识别就是利⽤计算机分析⼈脸视频或者图像，并从中提取出有效的识别信息，最终判别⼈脸对象的⾝份。
它是基于⽣物识别技术的最要⾝份识别⽅法之⼀，涉及到计算机图形学、计算机视觉、模式识别、⼈⼯智能、计算智能等技术。
对于⼈脸识别问题的研究已有⼏⼗年的时间，在理论研究和实际开发⽅⾯都取得了⼀定的成果，并在不断的发展与完善。
另外，基于⼈脸图像的计算机视觉和模式识别问题也成为近些年研究的热点问题。
其中包括⼈脸检测，⼈脸识别，⼈脸表情识别等各类识别问题。
⼈脸与⼈体的其他⽣物特征（指纹、虹膜等）⼀样与⽣俱来，其⽣物特征内在的稳定性和唯⼀性使其成为了作为⾝份识别的理想依据。
与其他⽣物识别系统相⽐，⼈脸识别系统具有直接、友好、⽅便等特点，容易被使⽤者接受。
因此，其在信息安全、刑事侦破、出⼊⼝控制等领域都有着⼴泛的应⽤前景。
1.1 ⼈脸识别发展历程关于⼈脸识别的研究最早始于⼼理学家们在20世纪50年代的⼯作，⽽真正从⼯程应⽤的⾓度来研究它则开始于20世纪60年代。
最早的研究者是Bledsoe，他建⽴了⼀个半⾃动的⼈脸识别系统，主要是以⼈脸特征点的间距、⽐率等参数为特征。
早期的⼈脸识别⽅法有两⼤特点：1）⼤多数识别⽅法是基于部件的，它们利⽤⼈脸的⼏何特征进⾏识别，提取的信息是⼈脸主要器官特征信息及其之间的⼏何关系。
人脸识别系统-开放实验报告范文
开放性实验报告《人脸识别系统》小组成员：姓名李宏利学号 *********指导老师：*** 2011 年12 月【实验名称】人脸识别系统【实验目的】 1.对人脸识别系统的图像预处理有一定的掌握；2.对后续操作只简单了解；3.通过功能模块实现人脸识别系统。
【实验内容】 1.系统需求分析；2.系统设计；3.系统实现。
【实验步骤】一、系统需求分析1、目的与背景当前社会上频繁出现的入室偷盗、抢劫、伤人等案件的不断发生，鉴于此种原因，防盗门开始走进千家万户，给家庭带来安宁；然而，随着社会的发展，技术的进步，生活节奏的加速，消费水平的提高，人们对于家居的期望也越来越高，对便捷的要求也越来越迫切，基于传统的纯粹机械设计的防盗门，除了坚固耐用外，很难快速满足这些新兴的需求：便捷，开门记录等功能。
广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。
人脸识别生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音（语音）、体形、个人习惯（例如敲击键盘的力度和频率、签字）等，相应的识别技术就有人脸识别、指纹识别、掌纹识别、虹膜识别、视网膜识别、语音识别（用语音识别可以进行身份识别，也可以进行语音内容的识别，只有前者属于生物特征识别技术）、体形识别、键盘敲击识别、签字识别等。
人脸识别主要用于身份识别。
由于视频监控正在快速普及，众多的视频监控应用迫切需要一种远距离、用户非配合状态下的快速身份识别技术，以求远距离快速确认人员身份，实现智能预警。
人脸识别技术无疑是最佳的选择，采用快速人脸检测技术可以从监控视频图象中实时查找人脸，并与人脸数据库进行实时比对，从而实现快速身份识别二．系统设计1)理论知识fisher概念引出在应用统计方法解决模式识别问题时，为了解决“维数灾难”的问题，压缩特征空间的维数非常必要。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
旷视人脸识别实验报告
人工智能的神奇在于它总是能够做出很多我们人类才能做出的
行为和判断。
事实上，在我们生活中出现的很多人工智能应用看似很多，但实际上，它们有着共同的技术原理。
就以人脸识别考勤机来说，你知道TA是怎么认出你的吗？
一、基于人的脸部特征信息进行身份识别的一种生物识别技术，每个人的脸部特征信息是千差万别，抓住这种差别，并通过这些差别来固定每个人的特征。
简单来说，就是要让机器、设备能够记住这张脸，记住这个人。
通过摄像头采集含有人脸的图像或视频流，这就是起始的人脸采样工作。
二、通过算法来进行比对，自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部的一系列相关技术,包括人脸图像采集、人脸定位、人脸识别处理、记忆存储和比对辨识,达到识别不同人身份的目的。
经过以上两步后，基本可以说，具备自我学习能力的人工智能已经记住你了，当你每天打卡时，它在非常短的时间内就能再次判断你是谁、从而准确记录下你出现在画面中的时间，更加精准的实现打卡。
当然，实际上人脸识别考勤机的技术实现要比我们上述笼统概括的复杂的多，不过在目前社会越来越强调细致分工的今天，我们也不难找到靠谱的设备、技术提供者，而旷视就是一家长期耕耘于图像人工智能发展领域的AI公司。