Kubuntu 10.04 Pam 脸部识别登录示范
添加脸部识别登录到GDM
现在把人脸验证模块加入到GDM，这是Ubuntu的默认登录管理：
sudo sed -i '1i auth sufficient pam_face_authentication.so enableX' /etc/pam.d/gnome-screensaver
由于你摄像头型号，你可能还需要安装并添加libv4l预载：
创建文件/ etc / ld.so.preload
把路径粘贴到v411compat.so文件，通常位于/ usr/lib/libv4l
应用案例二：Visidion AppLock锁定App 人脸用作解锁密码
Visidion AppLock新应用可以锁定 App，用人脸作解锁密码。如果不想别人动 设置 或者 短消息，Email 这类应用，可以通过 Visidion AppLock 给这些应用加上启动密码 。
与其它App有所不同， Visidion AppLock 引入了更好玩的概念：除了支持传统密码外，还可以将用户的 脸作为通关钥匙，扫描当前用户的面容，符合则解锁。使用这款软件，非常放心。
第一、 Visidion AppLock 的识别可以设置严格程度，按需来即可。
第二、就是传统的密码解锁仍然在那，脸部识别不通过还是可以输入密码解锁的，不用担心自己被 lock 在外面永远启动不了 App 了。
使用较为简单，先设置密码，识别自己的面部等。启动有密码的应用比如 email，先出现的是识别面部的界面，什么按钮也不用按，拿着手机对着自己就好了，识别没问题就会自动进入 email。
应用案例三：OpenCV定位人脸方位
OpenCV全称是Open Computer Vision，是指开放的计算机视觉资源代码，它具有：统一的结构和功能定义、强大的图像和矩阵运算能力、方便灵活的接口等特点，是计算机视觉、图像处理和模式识别等方面进行二次开发的理想工具。它可以在各种版本的Windows下运行，也可以在Linux下运行。OpenCV的源代码是用C和C++所编写且完全开放的，因此具有很好的可移植性，在Microsoft Visual C++ 6.0、Microsoft Visual Studio 2003及Borland C++ BuilderX等环境下均可方便地使用OpenCV所提供的库来进行实际开发。
[代码] [C#]代码
02int faces = objFaceDetector.WrapDetectFaces(lastPic);
03
04int lx, ly, rx, ry, res;
05
06for(int f = 0; f < faces; f++)
07{
08 //The face coordinates are indexed, max index == 4
09 objFaceDetector.WrapGetFaceCordinates(f, &lx, &ly, &rx, &ry);
10<< Source Code For Drawing Face Rectangle >>
11 //returns -1 if cannot detect eyes for this face index
12 res = objFaceDetector.WrapGetEyeCordinates(f, &lx, &ly, &rx, &ry);
13<< Source Code For Drawing Eye Crosses >>
14}
[文件] SampleImages.zip ~ 878KB 下载(313)
[文件] Cascades.zip ~ 364KB 下载(273)
[文件] TestDetection_v.2.zip ~ 25KB 下载(259)
[图片] ScreenShot.png
PHP实现的OpenCV (Open Source Computer Vision) 包含两个函数face_count() 和face_detect(). 第一个给了在一张图像上所标识的面部数量。第二个给了一个他们的坐标数列和总数量。
通过OpenCVDotNet这个开发框架，可以使用C#直接调用OpenCV的函数。OpenCVDotNet 是一个 .NET 对 OpenCV 包的封装。
效果图
案例四：Windows 8 中支持脸部识别登录API接口
Windows 8操作系统里有一个脸部识别登录API接口，微软在Windows 8操作系统的脸部识别登录功能里采用了类似于Xbox 360 Kinect周身体感外设的识别系统，在Xbox 360 Kinect的例子里，微软已经实现了面部识别登录Xbox Live服务。如今微软将在Windows 8操作系统上采用这项少有的登录方式，此举将会绕过传统Windows操作系统的登录方式。
总结
谷歌Picasa和苹果iPhoto等照片软件和在线服务也使用人脸识别技术，人脸认证登录的不断优化, 人脸识别技术应用也日趋丰富，虽然随着人脸数据库规模的增长，人脸识别算法的性能将呈现下降，如何维持或提高大规模应用环境下的人脸识别算法的识别率，同样是一个非常重要的问题。此外，人脸识别引发的隐私泄露也无疑是后患之忧，Facebook的“标签推荐”功能使用面部识别技术，使用户为亲友添加标签这一操作更为快捷。Facebook为用户自动开启此项功能，该项功能已在美国和大多数国家启用。但是，Facebook拥有5亿多用户，使用人脸识别技术势必会引发更为棘手的隐私问题。
