一、模型应用

2018年7月13日，威海市公安局高区分局在威海市体育中心体育场部署张学友演唱会安保执勤时，体育场西侧智能感知警务系统报警，发现一名与盗窃嫌疑人于某体貌特征相似、驾驶摩托车的嫌疑男子，立即追踪盘查，在体育场附近成功将其抓获。经查，此人2016年因涉嫌盗窃被上网追逃。

在本次抓捕过程中，人工智能应用-机器视觉在本次抓获过程中可谓是起到了关键作用，下图是该智能应用的基本工作流程：

机器视觉作为当前人工智能发展的一个热门分支，已有越来越多应用场景，不管是手机face ID还是高铁机场安检，都可以看到其身影。

二、实现流程

以上应用都用到了机器视觉中的人脸识别技术，其主要流程为：

1. 人脸图片数据采集

2. 人脸检测

3. 图像压缩等数据预处理操作

4. 人脸识别模型训练（CNN）

5. 人脸识别模型应用

    

本用例基于深度学习中的卷积神经网络（CNN），使用当前最流行的深度学习框架TensorFlow，实现人脸识别模型各流程。

三、核心技术

• opencv-python

• 图像处理

• tensorflow

• 卷积神经网络（CNN）模型

四、你可以将本模型用于

• 教与学：可落地操作、学生参与度高、交互性强；

• 科研：将前沿热门的深度学习技术与具体行业应用结合，为科学研究提供素材。

• 生产：将模型改进后直接用于实际生产环境：人脸考勤、网络追逃。

五、运行环境

windows／linux／mac OS，64位操作系统，CPU：4GB（GPU更好），Python3.5或以上，TensorFlow1.6或以上

六、资源展示