绿道未来，公司团队成立于20 1 6年，汇聚了数十位国内一流的物联网行业、云计算技术、汽车后服务市场专业人士和顶层设计师等，经过3年的市场调研、产品定位、商业模式等等的开发和构建，并同步研发、创新完善，打造出以“O B D车载终端+汽车全智能”综合服务的系统平台。2019注册湖南绿道未来智能科技有限公司，竭诚为国内广大车主、车辆及各类维保厂商提供互惠、共赢、优质、高效的服务。
公司的目标：建成国内一流的汽车后服务市场的生态链闭环。以后所有与车有关的服务，如维修保养、洗车美容、汽车用品、买卖车、加油、车险旅游等等，以及车主的衣食住行玩，都可以在我们这个平台上得到增值的服务和消费。
公司宗旨：
让车主用车放心、养车省心，同时能赚钱的大数据服务平台。

甚么是集约、智能、绿色、低碳”的发展思路

应当是“节俭，智能，绿色，低碳”的发展思路

EPS绿色建筑节能技术什么意思

EPS 俗称 苯板
XPS 俗称 挤塑板

试解 ; 采用 EPS绿色建筑节能 材料 的 技术 (方案
措施 工艺 标准 规范 规程 细则 ...............

复杂场景下的人脸识别的具体应用

复杂场景下的人脸识别
在第一期人机大战后，有很多文章分析人脸识别的基本技术，这里不在赘述，想谈谈复杂场景下的人脸识别。
设想下你不小心在购物中心被摄像头从斜上方照到，当时有一定光照影响，出来的照片中的人脸必然是模糊、残缺的，而要从你的标准照为模板，从摄像头数据中找到你这个人，是不是很科幻？另外一个维度，也是第三期人机大战中的场景，从摄像头不清晰数据中提取特征，寻找现实中的人。
以上两种模式均有现实意义：前者比如寻找失踪儿童和定位罪犯；后者则可以将所有监控数据中的人和实际人关联，辅助监控。




现实的迫切需求催促着技术的发展，由于银行、社保、边防海关、考场等真实场景下，现场人脸采集照片受光照、角度、遮挡等影响大。同时，身份证芯片里存储的身份证照片人脸区域像素小，照片模糊，加之一般为多年以前的照片，和现场采集照片相差大。因此，要在真实场景下实现人脸识别身份认证相当困难。
通过深度神经网络这一利器，算法可以使用更多的数据、学习出更多的特征，将跨场景、非同源人脸图像映射到同一图像空间，有效解决了真实场景光照、角度、遮挡、年龄跨度对人脸识别的影响。同时，可能不同的场景下，会利用不同的专家知识，增强了算法模型自适应能力，从而更适应于现场环境。
而复杂场景下，机器往往比人更杰出（我觉得这次水哥调暗背景是吧自己坑了，机器一般是计算照片像素值的差值，几乎不会受影响）。早在2014年，中科院重庆绿色智能技术研究院，就通过组织200人的人眼测试，在受光照、角度、遮挡、模糊、年龄跨度等因素综合影响下，人眼的平均识别率仅为72.7%，而算法识别率达到93.2%。
复杂场景下的人脸识别的具体应用
之前看到一则新闻，说公安大数据背景下的人脸识别图像来源多样，质量差异较大，尤其是刑侦破案领域，由于受成像设备、环境、犯罪人员距离较远等诸多因素影响，从犯罪现场调取的犯罪嫌疑人图像/视频通常质量非常差（主要表现在图像模糊、分辨率低）。这种低质量的图像/视频直接应用人脸识别比对，识别率非常低。为满足公安实战业务及大数据发展需要，山西省太原市公安局研制了我国公安系统首个面向全警应用的人脸识别系统，结合人脸图像重建技术，实现低质量图像人脸识别，2012年建设完成后投入全警实战应用。
低质量图像重建人脸识别包含两个步骤：首先，采用低分辨率、模糊图像重建算法，对低质量图像进行重建，获取较清晰图像；其次，使用重建图像进行人脸识别，获取犯罪嫌疑人身份。



通过上述技术，在2012年南京“1·6”大案时，技术人员迅速赶赴现场配合侦破，成功重建嫌疑人的下颌，发出全国通缉令。
目前，中国很多城市已经部署了大量的安防监控摄像头，由于非配合性、光线和背景等现场环境的复杂性给人脸识别带来较大困难，而小度的这项能力很好的解决了该难题。虽然在可靠性上还需要加强，但极大的降低了人工筛选的成本，提高了速度 。
人脸识别领域最近几年发展极快，除了安防领域，人脸支付和人脸认证这些商业应用也逐步走进人们生活，随着巨头们（百度，阿里）彻底解决了复杂场景下的人脸识别问题，比如技术上达到语音输入的准确率，相信会有更多的产品会投入市场。