局部特徵分析方法原理是什麼

1. 計算機組成原理中的局部性原理是什麼

時間局部性就是，最近被訪問的存儲單元，在之後很有可能會被再次訪問到；

空間局部性就是，對於正在被訪問的存儲單元附近的位置，在之後很有可能會被訪問到。

這個很容易理解，以一段常見的代碼為例：

for(i = 0; i <= 100; i++) {

sum += array[i];

}

其中i、sum 這些元素現在正被訪問，在之後也一定會被重復訪問，這就是時間局部性；

而array這個數組，現在訪問了array[0]的位置，那之後緊接著就會訪問它附近的位置，比如array[1]、array[2]等等，這就是空間局部性。

根據局部性原理，可以做一些相關設計。比如cache就是利用局部性原理設計出來的。

2. 人臉識別技術利用的是什麼原理

人臉識別，特指利用分析比較人臉視覺特徵信息進行身份鑒別的計算機技術。人臉識別是一項熱門的計算機技術研究領域，人臉追蹤偵測，自動調整影像放大，夜間紅外偵測，自動調整曝光強度；它屬於生物特徵識別技術，是對生物體（一般特指人）本身的生物特徵來區分生物體個體。

人臉識別技術包含三個部分：（1）人臉檢測面貌檢測是指在動態的場景與復雜的背景中判斷是否存在面像，並分離出這種面像。一般有下列幾種方法:①參考模板法首先設計一個或數個標准人臉的模板，然後計算測試採集的樣品與標准模板之間的匹配程度，並通過閾值來判斷是否存在人臉；②人臉規則法由於人臉具有一定的結構分布特徵，所謂人臉規則的方法即提取這些特徵生成相應的規則以判斷測試樣品是否包含人臉③樣品學習這種方法即採用模式識別中人工神經網路的方法，即通過對面像樣品集和非面像樣品集的學習產生分類器④膚色模型法這種方法是依據面貌膚色在色彩空間中分布相對集中的規律來進行檢測。⑤特徵子臉法這種方法是將所有面像集合視為一個面像子空間，並基於檢測樣品與其在子孔間的投影之間的距離判斷是否存在面像。值得提出的是，上述5種方法在實際檢測系統中也可綜合採用。（2）人臉跟蹤面貌跟蹤是指對被檢測到的面貌進行動態目標跟蹤。具體採用基於模型的方法或基於運動與模型相結合的方法。此外，利用膚色模型跟蹤也不失為一種簡單而有效的手段。（3）人臉比對面貌比對是對被檢測到的面貌像進行身份確認或在面像庫中進行目標搜索。這實際上就是說，將采樣到的面像與庫存的面像依次進行比對，並找出最佳的匹配對象。所以，面像的描述決定了面像識別的具體方法與性能。目前主要採用特徵向量與面紋模板兩種描述方法：①特徵向量法該方法是先確定眼虹膜、鼻翼、嘴角等面像五官輪廓的大小、位置、距離等屬性，然後再計算出它們的幾何特徵量，而這些特徵量形成一描述該面像的特徵向量。②面紋模板法該方法是在庫中存貯若干標准面像模板或面像器官模板，在進行比對時，將采樣面像所有象素與庫中所有模板採用歸一化相關量度量進行匹配。此外，還有採用模式識別的自相關網路或特徵與模板相結合的方法。人臉識別技術的核心實際為「局部人體特徵分析」和「圖形/神經識別演算法。」這種演算法是利用人體面部各器官及特徵部位的方法。如對應幾何關系多數據形成識別參數與資料庫中所有的原始參數進行比較、判斷與確認。一般要求判斷時間低於1秒。

3. 什麼是局部圖像特徵

遙感影像目視解譯原理

遙感影像目視解譯原理
在遙感影像上，不同的地物有不同的特徵，這些影像特徵是判讀識別各種地物的依據，這些都稱為判讀或解譯標志。解譯標志包括直接和間接解譯標志：
1 直接判讀標志
（1）形狀
影像的形狀是指物體的一般形式或在輪廓上的反映。各種物體都具有一定的形狀和特有的輻射特性。同種物體在圖象上有相同的灰度特徵，這些同灰度的像素在圖象上的分布就構成與物體相似的形狀。隨著圖像比例尺的變化，「形狀」的含義也不相同，一般情況下，大比例尺圖像上所代表的是物體本身的幾何形狀，而小比例尺圖象上則表示同類物體的分布形狀。有些物體的形狀非常特殊，其平面圖形是該物體的結構、組成和功能的生要標志，有時甚至是關鍵，所以「形狀」是判讀的重要工具。
（2）大小
物體在圖像上的大小也是判讀標志之一。「大小」的含義隨圖像比例尺的變化而不同：大比例尺圖像上，量測的是單個物體的大小，而小比例尺圖像上，只能量測同類物體分布范圍的大小。
（3）顏色和色調
顏色一般指彩色圖像而言，當彩色攝影和假彩色合成技術發展起來之後，顏色的差別可以進一步反映了地物間的細小差別，為判讀人員提供更多的信息。人眼對彩色的分辨能力遠比對黑白色調差的解析度能力強，因而顏色可作為彩色圖像判讀的標志。對多波段彩色合成圖像的判讀，往往可依據顏色的差別來確定地物與地物間或地物與背景間的邊緣線，從而區分出各類物體。
色調是人眼對圖像灰度大小的生理感受。人眼不能確切地分辨出灰度值，但能感受到灰度大小的變化，灰度大者色調深，灰度小者色調淺。
圖像色調的深與淺，與物體的輻射特性是緊密相關的。一般情況下，反射率高的物體，接收的能量大，圖像的色調就淺；反之則深。因此同一環境條件下的圖像上色調的差異即是不同物體在圖像上的反映。
（4）陰影
陰影的形式與物體輻射能量的方向有關，對反射輻射能來說與方向反射因子有關。在導出輻射傳輸方程式時，是把地表當作朗伯反射體看；而實際上地表的坡向和坡度都嚴重影響感測器方向的反射能量大小，以及物體之間的相互遮擋，都使圖像上產生陰影。陰影有本影和落影之分。本影是象片上地物未被陽光直接照射到的陰暗部分；落影是在地物背光方向地物投射到地面的陰影在象片上的構象。
陰影會對目視判讀產生相互矛盾的影響。一方面，人們可以利用陰影的立體感，判讀地形地貌特徵，大比例尺圖像上，還可利用陰影判讀物體的側視圖形，按落影的長和成像時間的太陽高度角量測物體的高度、單株樹木的干粗等。另一方面，陰影區中的物體不易判讀甚至根本無法判讀。
（5）位置
自然界的物體之間往往存在一定的聯系，有時甚至是相互依存的。例如橋梁與道路和水系，居民地與道路，土質與植被，地貌與地質等。因此物體所處的位置也是幫助判讀人員確定物體屬性的重要標志之一。
（6）結構（圖案）
指自然界與人文特徵重復出現的排列格式，如農業復合體（農田與果園），地形特徵，建築物布局等組成一定的格式。
（7）紋理
紋理指微色調的變化，紋理特徵有光滑的、波紋形的、斑紋形的、線性的和不規則的等多種形態。利用紋理特徵可以區分色調總體相同的兩類物體，紋理也可以作為分類圖像再細分的基本准則。
（8）解析度
分辯率比其他許多圖像特徵（標志），更取決於遙感系統本身，而與物體的特性關系則小些。感測器本身因素包括性能、設計要求和遙感過程中的環境條件、以及獲取數據以後的處理等。當圖像上的物體小於圖像解析度時，則不能進行判讀。
（9）立體外貌
對有一定重疊度圖像，可以進行立體觀察。各物體的立體外貌，在立體模型中的顯示與真實情況相似。當其他標志都相同或相近時，立體外貌則是很好的判讀標志。
以上這些直接判讀標志，雖然在圖像上都可以直接判讀出來，即能直接確定物體的屬性。但對於不同的圖像類型，不同的圖像比例尺和不同的分析研究目的，各直接判讀標志的重要性也有所不同。例如，假彩色圖像比其他圖像更強調色調（顏色）的差別，因為同一幅圖像上顏色的微小差別，即代表不同的物體特徵；細微分類比粗略分類更強調紋理特徵；進行高差判讀時則以陰影為主要標志等。
2 間接判讀標志
各判讀標志都隨圖像比例尺縮小而逐漸失去其直接性。有許多判讀目的不能根據圖像的直接判讀標志判讀出來，例如城市人口數判讀，某一社會階層的經濟狀況等。這些專題的判讀，可以按下述間接標志為依據：
（1）水系
水系的類型和結構受地形和基岩類型的控制，基岩的岩性、走向決定了地形地貌的結構和走向，因而也就決定了水系類型和結構。反言之，水系的類型結構也就指示出基岩岩性和地貌特徵。
水系密度大，表示地表徑流發育、支流多，土壤和岩石的透水性差，顆粒細，易於被流水侵蝕。密度小，表示地表徑流不發育，土壤的透水性能好，水系稀疏，水土流失少。
水系分布均勻時，表示岩性均勻一致。岩性復雜地區水系的流水方向常急轉彎，河流縱斷面高差突變多形成瀑布、跌水等河段。
各種水系結構、類型都表示基岩的不同特性及地質構造，氣候條件、地貌類型、植被覆蓋密度和人工活動等。
水系在遙感圖像上反映最明顯，最易判讀。在水系判讀的基礎上，可以根據水系的特徵分析推斷出其它地表特徵。
（2）地貌
各種地貌形態由不同的岩性、造山運動、風蝕和水蝕作用形成。岩性不同抵抗風、水等外等侵蝕的能力也不同，一般抗外力能力強的岩石形成陡峻山地地貌，抗外力弱的岩石則形成平緩的丘陵或平地。
地貌形態特徵決定了水系的類型，植被子的分布、土壤的特性等。因此，在圖像上判讀出了地貌形態後，可按其他要素與地貌的關系，推斷出圖像上無直接標志的特徵。如植被子類型、土壤類型甚至植物種類等。
遙感圖像上地貌類型的顯示和水系一樣明顯，由於遙感圖像一般是低太陽高度角成像，地形起伏產生的陰影十分明顯，按陰影的長度和色調的深淺，能確定坡度和比高、進而確定地貌類型——山地、丘陵、平地等。
（3）土質
土質包括各類土壤、裸露岩石、戈壁、沙漠等，各種土質所處的自然環境不同其水分、鹽分、鹼分和腐殖質含量亦不相同。土壤的成因不同，又有不同的顏色——黑土、褐土、黃土、紅壤等，這些區別都造成不同的輻射特性。
另外，土質和植被是緊密相關的，一定類型的土質，生長一定類型的植被。反之，植被的生長發育又影響到土質的組成成分。
土質在遙感圖像上的表徵除大片沙漠、戈壁和裸露岩石外，不是很明顯的，要判斷出土壤類型需根據土壤與其他易判讀要素之間的聯系來分析判斷。
（4）植被
植被的種類、生長狀況、分布規律，在一定程度上受岩性、地貌、土質、氣候等因素的控制。不同種類的植物要在一定的自然環境中才能生長，一般而言，受氣候條件的影響最大，但由於基岩的分布以及沉積物的成分、粒度、含水性、礦化度、鹽鹼度及有害元素等的影響，使植物群落的外貌、種屬、生長狀態等都發生了一些生態變化。
植物在遙感圖像上的反映也是相當明顯的，用植物的特徵來分析判斷與之有關的其他要素，效果很好。反之，也可以按其他影響植物發育的自然地理因素的分布規律，來判斷植物群落的分布、類型和種類等。
大比例尺圖像判讀，植被往往是一種有害因素，茂密的森林往往掩蓋大量地形特徵，尤其對立體觀測的影響較大。
（5）氣候
地球上氣候變化很有規律性，人們按其變化規律分成各類氣候帶：由赤道向兩極，由沿海向內陸分成水平氣候帶；由山下向山頭分成垂直氣候帶。
氣候條件控制植物生長特徵，水系發育特徵，地貌土質發育特徵等。這些要素反過來又影響氣候條件，形成區域氣候。
氣候條件在遙感圖像上毫無特徵標志，但人們根據自然地理位置可以了解其氣候變化情況，進而分析判斷受氣候條件控制的各要素的特徵，諸如植物種屬、密度；地貌特徵；土壤性質；水第結構等。
（6）人文活動
人文活動往往局部地改變自然環境，使其有利於人類社會的發展。但計劃的開發自然資源，往往又會造成生態平衡嚴重破壞，使自然地理要素的內在聯系遭到破壞。
遙感圖像反映人文活動的痕跡，大部分能在大比例尺圖像上判讀出來，小比例尺圖像上只能反映大型人文活動的痕跡，如鐵路建築、堤壩工程、圍湖造田、防護林帶、城市發展、工礦設施及農業活動等。
人類活動對環境生態的破壞，用多時相圖像對比分析，也是顯而易見的。
上述各類判讀標志中，在航空遙感圖像判讀時，直接判讀中起主導作用；但在航天遙感圖像判讀中，間接判讀標志與直接判讀標志起著同等重要的作用。
四 遙感影像目視解譯的原則和方法
1 遙感影像目視解譯原則
遙感影像目視解譯的原則是先「宏觀」後「微觀」；先「整體」後「局部」；先「已知」後「未知」；先「易」後「難」等。一般判讀順序為，在中小比例尺象片上通常首先判讀水系，確定水系的位置和流向，再根據水系確定分水嶺的位置，區分流域范圍，然後再判讀大片農田的位置、居民點的分布和交通道路。在此基礎上，再進行地質、地貌等專門要素的判讀。
2 遙感影像目視解譯方法
（1）總體觀察
觀察圖像特徵，分析圖像對判讀目的任務的可判讀性和各判讀目標間的內在聯系。觀察各種直接判讀標志在圖像上的反映，從而可以把圖像分成大類別以及其他易於識別的地面特徵。
（2）對比分析
對比分析包括多波段、多時域圖像、多類型圖像的對比分析和各判讀標志的對比分析。多波段圖像對比有利於識別在某一波段圖像上灰度相近但在其它波段圖像上灰度差別較大的物體；多時域圖像對比分析主要用於物體的變化繁衍情況監測；而多各個類型圖像對比分析則包括不同成像方式、不同光源成像、不同比例尺圖像等之間的對比。
各種直接判讀標志之間的對比分析，可以識別標志相同（如色調、形狀），而另一些標識不同（紋理、結構）的物體。對比分析可以增加不同物體在圖像上的差別，以達到識別目的。
（3）綜合分析
綜合分析主要應用間接判讀標志、已有的判讀資料、統計資料，對圖像上表現得很不明顯，或毫無表現的物體、現象進行判讀。間接判讀標志之間相互制約、相互依存。根據這一特點，可作更加深入細致的判讀。如對已知判讀為農作物的影像范圍，按農作物與氣候、地貌、土質的依賴關系，可以進一步區別出作物的種屬；河口泥沙沉積的速度、數量與河流匯水區域的土質、地貌、植被等因素有關，長江、黃河河口泥沙沉積情況不同，正是因為流域內的自然環境不同所至。
地圖資料和統計資料是前人勞動的可靠結果，在判讀中起著重要的參考作用，但必須結合現有圖像進行綜合分析，才能取得滿意的結果。實地調查資料，限於某些地區或某些類別的抽樣，不一定完全代表整個判讀范圍的全部特徵。只有在綜合分析的基礎上，才能恰當應用、正確判讀。
（4）參數分析
參數分析是在空間遙感的同時，測定遙感區域內一些典型物體（樣本）的輻射特性數據、大氣透過率和遙感器響應率等數據，然後對這些數據進行分析，達到區分物體的目的。
大氣透過率的測定可同時在空間和地面測定太陽輻射照度，按簡單比值確定。儀器響應率由實驗室或飛行定標獲取。
利用這些數據判定未知物體屬性可從兩個方面進行。其一，用樣本在圖像上的灰度與其他影像塊比較，凡灰度與某樣本灰度值相同者，則與該樣本同屬性；其二，由地面大量測定各種物體的反射特性或發射特性，然後把它們轉化成灰度。然後根據遙感區域內各種物體的灰度，比較圖像上的灰度，即可確定各類物體的分布范圍。
第二部分
：
圖象紋理分析已在許多學科得到廣泛的應用。如細胞圖象、金相圖象等均具有明顯的紋理特徵，分析它們的紋理結構，可以得到鑒別細胞性質的信息及反映金相結構的物理信息〔1〕。氣象衛星雲圖大多也是紋理型的。由於生成雲的大氣環流、雲內氣流、水汽含量等的差異，導致雲的形態、密度、雲頂高度的不同，在雲圖上反映出色調、分布及紋理的多樣性。正確判別衛星雲圖中的雲類特徵可為人類提供豐富的天氣信息，應用於天氣分析、降水預報等領域，因而十分重要。郁凡等〔2〕曾作過這方面的工作。本文根據數字化衛星雲圖的灰度分布，抽取紋理特徵量…

解析度是用於記錄數據的最小度量單位，一般用來描述在顯示設備上所能夠顯示的點的數量(行、列)，或在影像中一個像元點所表示的面積。
因為遙感拍攝的像片是由位於不同高度，裝在不同載體(如飛機、衛星等)上的不同清晰度(解析度)照相設備，以不同的照相(採集)方式，獲取的遙感像片(圖像、數據、影像等)，這些遙感圖像是具有不同清晰度、不同解析度的照片。類似我們在生活中用135 照相機拍攝一棵樹，從汽車上拍一張，然後再從飛機上拍一張，兩張135底片在放大同一棵樹時，其放大效果是不一樣的。肯定是高度低的135照片放大後的效果最清晰，也就是說解析度最高。
遙感衛星的飛行高度一般在4000km～600 km之間，圖像解析度一般從1 km～1m之間。圖像解析度是什麼意思呢？可以這樣理解，一個像元，代表地面的面積是多少。像元是什麼意思呢？像元相當於電視屏幕上的一個點(電視是由若干個點組成的圖像畫面)，相當於計算機顯示屏幕上的一個象素，相當於一群舉著不同色板拼成畫圖的人中的一個。合肥市五里飛虹衛星遙感影像.jpg
當解析度為1km時，一個像元代表地面1kmX1km的面積，即1km2；當解析度為30m時，一個像元代表地面30m×30m的面積；當解析度為1m時，也就是說，圖像上的一個像元相當於地面1m x 1m的面積，即1m2。
在您使用遙感圖像數據時，請您千萬注意，您所要解決的工作問題，應選擇相應解析度的遙感數據資料。有關遙感數據樣板，請您查看本網站衛星遙感影像欄目。

4. 什麼是局部性原理什麼是抖動有什麼辦法減少傳統的抖動現象

程序的局部性原理：是指程序在執行時呈現出局部性規律，即在一段時間內，整個程序的執行僅限於程序中的某一部分。相應地，執行所訪問的存儲空間也局限於某個內存區域。局部性原理又表現為：時間局部性和空間局部性。時間局部性是指如果程序中的某條指令一旦執行，則不久之後該指令可能再次被執行；如果某數據被訪問，則不久之後該數據可能再次被訪問。空間局部性是指一旦程序訪問了某個存儲單元，則不久之後。其附近的存儲單元也將被訪問。

5. 想問一下有沒有比較方便的人臉識別演算法，求推薦

特徵臉方法

步驟一：獲取包含M張人臉圖像的集合S。在我們的例子里有25張人臉圖像（雖然是25個不同人的人臉的圖像，但是看著怎麼不像呢，難道我有臉盲症么），如下圖所示哦。每張圖像可以轉換成一個N維的向量（是的，沒錯，一個像素一個像素的排成一行就好了，至於是橫著還是豎著獲取原圖像的像素，隨你自己，只要前後統一就可以），然後把這M個向量放到一個集合S里，如下式所示。

其中Ω代表要判別的人臉，Ωk代表訓練集內的某個人臉，兩者都是通過特徵臉的權重來表示的。式子是對兩者求歐式距離，當距離小於閾值時說明要判別的臉和訓練集內的第k個臉是同一個人的。當遍歷所有訓練集都大於閾值時，根據距離值的大小又可分為是新的人臉或者不是人臉的兩種情況。根據訓練集的不同，閾值設定並不是固定的。

後續會有對PCA理論的補充^_^.已補充理論：特徵臉(Eigenface)理論基礎-PCA(主成分分析法)

6. 基於局部特徵的圖像匹配與識別有哪些方法

從圖像中提取的特徵可以組成一個向量，兩個圖像之間可以通過定義一個距離或者相似性的測量度來計算相似程度。
特徵匹配是圖像檢索的一個關鍵環節，具有特徵依賴的特點，不同的特徵應該採用不同的度量方法。在檢索的過程中，根據系統相似性度量的演算法計算查詢特徵與特徵庫中對應的每組特徵的相似程度，把所得結果由大到小排序後得到一個匹配圖像序列返回給用戶。其間可以通過人機交互，對檢索的結果逐步求精，不斷縮小匹配集合的范圍，從而定位到目標。匹配過程常利用特徵向量之間的距離函數來進行相似性度量,模仿人類的認知過程,近似得到資料庫的認知排序。常用的距離度量公式有：Minkkowsky距離，Manhattan距離，Euclidean距離，加權Euclidean距離，Chebyshev距離，Mahalanobis距離等。
其中，Manhattan 距離計算簡單，效果也較好，被廣泛採用；加權Euclidean 距離考慮了不同分量的重要性,也較為常用；Mahalanobis 距離考慮了樣品的統計特性和樣品之間的相關性，在聚類分析中經常用到。當採用綜合特徵進行檢索時，需要對各特徵向量進行歸一化,以使得綜合特徵的各特徵向量在相似距離計算中地位相同。

7. 程序的局部性特徵有哪些有什麼應用意義

程序局部性原理：虛擬存儲管理的效率與程序局部性程序有很大關系。根據統計，進程運行時，在一段時間內，其程序的執行往往呈現出高度的局限性，包括時間局部性和空間局部性。 1、時間局部性：是指若一條指令被執行，則在不久的將來，它可能再被執行。 2、空間局部性：是指一旦一個存儲單元被訪問，那它附近的單元也將很快被訪問。

8. 面部識別的原理是什麼

面部識別軟體可歸入名為生物識別的一大類技術。生物識別技術使用生物信息來驗證身份。生物識別背後的理論是：我們的身體包含一些獨一無二的特徵，可以使用它們將我們與他人區分開。除了面部識別之外，生物識別身份驗證方法還包括：
指紋掃描
視網膜掃描
語音識別
面部識別方法有多種，但是通常涉及捕獲、分析和對比等一系列步驟，將你的面孔與資料庫中存儲的圖像進行對比。以下是FaceIt 系統用於捕獲和對比圖像的基本過程：
為了確定某人的身份，面部識別軟體將新近捕獲的圖像與資料庫中存儲的圖像進行對比。
檢測——當系統連接到視頻監視系統後，識別軟體會在攝影機的視野中搜尋面部信息。如果在視野中存在一張面孔，它會在幾分之一秒的時間內檢測到它。它使用多尺度演算法以低解析度搜索麵部圖像。（演算法是提供一組指令以完成特定任務的一個程序）。系統只有在檢測到類似頭部的形狀後，才切換到高解析度搜索。
對齊——一旦檢測到面部圖像，系統會確定頭部的位置、大小和姿態。只有在面部與攝像機至少成35度角的情況下，系統才會記錄它。
標准化——頭部圖像經過縮放和旋轉，以便能記錄和映射到相應的大小和姿態。無論頭部的位置如何以及相距攝像機的距離有多遠，都可以執行標准化過程。光線不會對標准化過程產生影響。
表示——系統將面部數據轉換成一個唯一的代碼。通過編碼，可以更加容易地將新近捕獲的面部數據與存儲的面部數據進行比較。
匹配——將新捕獲的面部數據與存儲的數據進行對比，並（在理想情況下）鏈接到至少一個已存儲的面部圖像。
FaceIt 面部識別系統的核心是局部特徵分析（LFA）演算法。這是系統在對面孔進行編碼時使用的數學技術。系統對面孔進行測量，並生成一個面紋，即面部的唯一數字代碼。在存儲了面紋之後，系統會將它與資料庫中存儲的成千或成百萬的面紋數據進行對比。每個面紋都存儲為一個84位元組的文件。
面部識別系統通過使用面部識別軟體，警察可以縮放攝像機畫面並拍攝某個面孔。
系統可以用每分鍾6000萬張面孔的速度對內存中的面紋數據進行匹配，對於硬碟中的面紋數據，每分鍾可以匹配1500萬張面孔。在進行對比時，系統會用介於1到10之間的一個值來表示對比結果。如果該值大於預先定義的閾值，則宣布找到一個匹配結果。然後，操作人員可以查看被宣布為匹配項的兩張照片，確定計算機的工作是否准確。
與其他生物識別技術一樣，面部識別被認為是一種會在不遠的將來得到廣泛使用的技術。在下一節中，我們將介紹它現在的使用情況。FaceIt這樣的面部識別軟體的主要用戶一直是一些執法機構，它們使用這些系統在擁擠的人群中捕獲隨機出現的面孔。然後，將這些面孔與資料庫中犯罪分子的照片進行對比。除了進行執法和安全監視之外，面部識別軟體還有其他幾個用途，包括：
消除投票欺詐
取款身份驗證
計算機安全

9. 經濟學什麼叫局部分析法

局部分析至少有兩種意思，這兩種意思都導源於先看和每一個質數p有關部份的問題，再試著將由每個質數所得到的資料整合成一「整體」圖像的概念。

在局部均衡分析法的基礎上，利用消費者剩餘和生產者剩餘來說明消費者與生產者在封閉與開放條件下如何進行最優選擇，進而說明市場交易利益的產生、范圍與分解。