实践哲学视角下的信息化教学

人脸识别技术进入课堂,为何会被视为一场突如其来的校园监视危机?技术的能力越大,对其的约束力就越重要。2018年5月,美国前国务卿亨利·基辛格(Henry Kissinger)在《大西洋月刊》(The Atlantic)上发文说到:“我们完全无法预测新技术变革带来的影响,当它发展到顶点时,可能会带来一个由数据和算法驱动的机器主宰、不受伦理或道德约束的世界……当下已存在可以统领一切的技术,但需要哲学的指引。”     

基于自适应加权Fisherface算法的人脸识别

提出了一种改进的Fisherface算法。算法首先利用Karhunen-Loeve（K-L）变换降维，在降维的子空间内，根据样本与同类样本间的距离赋予该样本一权值，再用加权后的样本求取类均值，以新的类均值重建类内散布矩阵和类间散布矩阵，从而改进Fisher判别函数。在ORL和Yale人脸库上的实验结果表明，该算法优于传统的主成分分析（PCA）方法和Fisherface方法，并能有效解决小样本情况下训练样本类均值偏离类中心的问题。     

人脸识别研究进展

人脸识别技术在各种应用的推动下发展很快。而近几年中，为避免各种实际应用环境的限制，非约束环境下的人脸识别也得到了很大的发展。本文概述了人脸识别的一些主要方法，讨论了影响人脸识别的几个主要因素及其处理方法以及基于视频的人脸识别技术，最后指出了鲁棒的人脸识别技术的研究方向和发展前景。     

眼球的自动定位

提出了一种由粗到细自动定位人脸的一个重要特征即眼球圆心的方法，该方法综合运用局部二值化，霍夫变换，像纱聚类，边缘提取等技术，对均匀或非均匀光照下拍摄或戴眼镜的照片都能获得很高的定位精度，适用于处理证件照。     

人脸识别：生物识别的明日之星

专家们预测：未来两三年，在生物识别技术中，指纹识别一枝独秀的市场情况将会改变，人脸识别技术将会居为生物识别的后起之秀。究竟，他们作出此预见的依据是什么？[编者按]     

基于统一概率模型的每人单张图象的人脸识别研究

人脸识别不同于许多其他的传统模式识别问题(例如字符识别)。在传统的模式识别应用中，常常分类的类数比较少，而每一类的训练样本非常多。通常的统计模式识别方法基于内部插值的思想，根据各类中的样本情况，或者估计各类的类条件概率密度(如最大似然估计、Parzen窗估计等)，或者     

基于面像识别技术的公安网上追逃系统

研究了公安网上追逃系统的体系结构和系统的程序流程，阐述了ASP COM 后台比对服务的3层B／S模式面像网上比对的实现方法，最后给出系统的性能指标和特点。