昨天，雷锋网 AI 掘金志其中的一个安防社群因为一个话题引发了不小的争论：“AI 产品能否高效地实时识别出戴口罩的人是谁？” 过去一段时间，受疫情影响，民众们无不戴上了口罩，这同时也给人脸识别检测造成了不小的困扰。就此，部分厂商连夜升级原有算法，革新固有产品。并声称，升级后的 AI 系统，即使居民戴了口罩，也能做到无障碍识别。

JNinka 是一个协议识别工具，它能够识别一个源文件下的所有协议。

语言检测是一个很有意思的话题，不过相对比较成熟，这方面的解决方案很多，也有很多不错的开源工具包，不过对于Python来说，可以使用langid这个工具包，也非常愿意推荐它。

今天HTML5小组沙龙《论道HTML5》分享时有朋友问到一个问题，getUserMedia是否会支持人脸识别，我当时的答案是这应该是应用来实现的功能，而不是规范要完成的工作。而我之前在网上看到过一篇关于getUserMedia和人脸识别的相关文章，觉得很有趣，正好趁这个机会分享给大家。

在CentOS7上安装了zbar，没有找到el7的rpm，只好自己编译。研究出编译时使用一些参数可以避免安装一些不必要的包。为了virtualenv里的python能用，编译时候要指定安装到/usr。

typeof操作符用于返回正在使用值的类型

公司有需求啊，所以就得研究哈，最近公司需要读验证码，于是就研究起了图像识别，应该就是传说中的（OCR：光学字符识别OCR），下面把今天的收获整理一个给大家做个分享。

C#验证码识别类，可以用于识别各种验证码的算法演示 using System; using System.Collections.Generic; using System.Linq; using System.Text; using System.Drawing; using System.Drawing.Imaging; using System.Runtime.InteropServices

BaToo是一个ID条形码识别工具包。它利用手机的拍照功能就识别EAN13标准条形码。经测试支持的手机包括：Nokia N70，Nokia N90等。

MMCamScanner框架：利用OpenCV进行图片边缘识别

识别率结果：在LFW上97.3%左右（单个model，非ensemble）

jchardet是mozilla自动字符集探测算法代码的java移植。

Dejavu 是音频指纹和识别的算法的一个 Python实现。DEJAVU可以通过听一次，就记住音频然后指纹识别它。通过播放歌曲和录音麦克风输入，dejavu会尝试匹配保存在数据库中的指纹音频，回到歌曲播放的位置。

Lightwave是VMware发布的容器识别与访问管理技术。用微服务方式构建的服务天然就是分布式的，这使得企业很难维护内部不同部门与用户的身份识别与权限管理。Project Lightwave通过在彼此隔离的容器基础之上引入一个新的“容器安全层”（layer of container security）来加强企业各部门之间的系统访问控制与身份验证能力；而这个“容器安全层”是贯穿企业整个IT构架与所有应用程序栈的实现，同业也包括应用程序开发的各个阶段。

from PIL import Image, ImageEnhance Mods = [] for i in range(10): Mods.append((str(i), Image.open('D:/Python源码/图片/%d-.png' % i))) def regonize(): for n in range(50): image = Image.open('D:/Python源码/图片

(function($){ // // DIV must be style="display:none;" // $.fn.chk_userlanguage = function() { /* check if <style=display:none;> not set to that element */ if (!this.is(":hidden")) { this.hide(); }; /*

本文根据官方教程，通过MNIST数据，使用Softmax Regressio算法训练一个输入784像素的图片，识别出其对应数字的模型

在深度学习出现后，人脸识别技术才真正有了可用性。这是因为之前的机器学习技术中，难以从图片中取出合适的特征值。轮廓？颜色？眼睛？如此多的面孔，且随着年纪、光线、拍摄角度、气色、表情、化妆、佩饰挂件等等的不同，同一个人的面孔照片在照片象素层面上差别很大，凭借专家们的经验与试错难以取出准确率较高的特征值，自然也没法对这些特征值进一步分类。深度学习的最大优势在于由训练算法自行调整参数权重，构造出一个准确率较高的f(x)函数，给定一张照片则可以获取到特征值，进而再归类。本文中笔者试图用通俗的语言探讨人脸识别技术，首先概述人脸识别技术，接着探讨深度学习有效的原因以及梯度下降为什么可以训练出合适的权重参数，最后描述基于CNN卷积神经网络的人脸识别。

今天看到一些感兴趣的东西，现在总结了给大家分享一下，如果有错，希望大家指正批评，谢谢！那就开始进入正题。

Google 在 2015 I/O 大会上推出的 Google Photos 不仅仅是一个相册，还具备了更智能的图片识别技术：它可以将相册中同一个人物的照片整合在一起，比如回顾一个婴儿从小到大的成长轨迹。通过人工智能的长期 学习，它甚至可以自动判断对你重要的时刻、重要的人、和重要的事物。在其中起到关键作用的是 Google 的图片识别 AI 。它通过学习大量的图片、调整算法来提高识别的精确度。