厨师帽检测 - 人脸识别_人脸检测_人脸对比_人脸搜索_活体检测
图片编码质量 1. 用于控制抽帧的图片的清晰度，默认75，范围1-100。 2. 当设置数值越大时，图片编码质量清晰度越高，但是对应图片大小也有所增加，当对存储空间有要求需要压缩图片清晰度时，可选择将数值调小。 上报图片类型 1. 可选择上报图片类型为：原图、渲染图，默认上报渲染图。 2. 如果选择原图，则在对接第三方业务平台时，会上报触发事件的原图，如图1所示。 3.
增强级人脸比对 - 人脸识别_人脸检测_人脸对比_人脸搜索_活体检测
增强级人脸比对 增强级人脸比对接口 能力介绍 接口能力 两张人脸图片相似度对比 ：比对两张图片中人脸的相似度，并返回相似度分值； 多种图片类型 ：支持 生活照 、 证件照 、 身份证芯片照 、 带网纹照 四种类型的人脸对比； 活体检测控制 ：基于图片中的破绽分析，判断其中的人脸是否为 二次翻拍 （举例：如用户A用手机拍摄了一张包含人脸的图片一，用户B翻拍了图片一得到了图片二，并用图片二伪造成用户A去进行识别操作
[AI行业案例]-通用文字识别技术，让你的快递早日到家
第一步：通过“独马”采集系统完成包裹信息的拍摄、搜索裁剪面单，将三段码、目的地、单号等单面信息转化为图片信息； 第二步：通过百度通用文字识别（高精度含位置版）技术，将三段码、目的地、单号等图片信息转化为文字信息并录入系统； 第三步：提取的文字信息进入“独马”分析系统，与后台数据进行匹配（三段码中区域信息与目的地信息匹配）； 第四步：数据匹配正确进入自动分拣设备；信息不全或者不正确的由人工补码系统处理后
Android-方案集成指南 - 人脸识别_人脸检测_人脸对比_人脸搜索_活体检测
此处最终采集到的数据经过加密处理，需要配合开放平台 在线图片活体V4 接口使用，实现二次验证采集图片是否存在假体攻击破绽的情况。 如您的业务场景核心为人脸实名认证，请直接请求 7.2 实名认证接口 。
[AI行业案例]-OCR身份证混贴识别，让蓝领招工快速入职
解决方案 接入百度OCR身份证混贴识别，针对身份证正反面在同一张图片上的场景，可自动检测与识别图片中身份证正反面所有字段。显著解放企业招聘人力。 操作流程： 第1步：点击“身份证导入”； 第2步：同时拍摄/上传多张身份证正反面照片； 第3步：OCR结构化录入员工身份证信息； 第4步：核验完成后，完成信息录入。
更新记录 - 人脸识别_人脸检测_人脸对比_人脸搜索_活体检测
此次更新内容包括CPU和GPU模型，具体优化如下： ① 进一步优化戴口罩识别效果 ②进一步优化图片活体检测效果 ③基于客户使用场景，针对近/远场景识别进行了深度优化 2020.05 人脸私有化推出V3.0版本 -- 上线多场景模型： 推出「通用版」、「视频监控版」、「闸机门禁版」、「安防布控版」模型 ① 通用版下正式开放CPU模型邀测②「安防版」正式更名为「视频监控版」，支持普通摄像头和抓拍机摄像头的选择切换
人脸融合 - 人脸识别_人脸检测_人脸对比_人脸搜索_活体检测
图像融合 ：将检测到的两张人脸图片进行融合，输出一张融合后的人脸 黄反识别 ：利用图像识别能力，判断图片中是否存在色情、暴恐血腥场景、政治敏感人物 在线调试 您可以在 示例代码中心 中调试该接口 ，可进行签名验证、查看在线调用的请求内容和返回结果、示例代码的自动生成。
Android-广告屏分析工程 - 人脸识别_人脸检测_人脸对比_人脸搜索_活体检测
1.4.3 有效剔除非真人图片造成的数据影响 对广告效果进行监播时，利用活体检测能力，剔除掉背景中的人物图片，人物海报等非真人图片造成的影响，使得监播的数据更为真实可靠。 1.4.4 提升新零售场景业务效率 零售店、酒店、商场等多种新零售场景，打通广告营销系统与场景业务系统，借助人脸识别完成酒店认证核验、人脸支付等业务，提升新零售场景的业务效率。
Android-方案集成指南 - 人脸识别_人脸检测_人脸对比_人脸搜索_活体检测
6、如果不想使用OCR身份证识别能力，怎么操作？ 不使用OCR身份证识别能力，不需要导入ocr_ui模块，也不需要对OCR能力进行初始化，不需要向工程中放置OCR识别的授权文件。 7、OCR身份证识别初始化的时候，报错初始化失败 = [283502] App identifier unmatch 请确认是否使用了控制台创建应用时配置的文字识别包名、以及签名文件。
人脸实名认证 - 人脸识别_人脸检测_人脸对比_人脸搜索_活体检测
如果您对文档内容有任何疑问，可以通过以下几种方式联系我们： 人脸实名认证V3 能力介绍 业务能力 质量检测（可选） ：判断图片中是否包含人脸，以及人脸在姿态、遮挡、模糊、光照等方面是否符合识别条件； 活体检测（可选） ：基于图片中的破绽分析，判断其中的人脸是否为 二次翻拍 （举例：如用户A用手机拍摄了一张包含人脸的图片一，用户B翻拍了图片一得到了图片二，并用图片二伪造成用户A去进行识别操作，这种情况普遍发生在金融开户
