人脸识别技术的原理
人脸图像匹配与识别人脸图像匹配与识别：提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断。这一过程又分为两类：一类是确认，是一对一进行图像比较的过程，另一类是辨认，是一对多进行图像匹配对比的过程。
四，识别算法一般来说，人脸识别系统包括图像摄取、人脸定位、图像预处理、以及人脸识别（身份确认或者身份查找）。系统输入一般是一张或者一系列含有未确定身份的人脸图像，以及人脸数据库中的若干已知身份的人脸图象或者相应的编码，而其输出则是一系列相似度得分，表明待识别的人脸的身份。
人脸识别算法分类基于人脸特征点的识别算法（Feature-basedrecognitionalgorithms）。基于整幅人脸图像的识别算法（Appearance-basedrecognitionalgorithms）。基于模板的识别算法（Template-basedrecognitionalgorithms）。利用神经网络进行识别的算法（Recognitionalgorithmsusingneuralnetwork）。基于光照估计模型理论提出了基于Gamma灰度矫正的光照预处理方法,并且在光照估计模型的基础上，进行相应的光照补偿和光照平衡策略。优化的形变统计校正理论基于统计形变的校正理论，优化人脸姿态；强化迭代理论强化迭代理论是对DLFA人脸检测算法的有效扩展；独创的实时特征识别理论该理论侧重于人脸实时数据的中间值处理，从而可以在识别速率和识别效能之间，达到最佳的匹配效果企业技术创新的影响因素分析
基于前文对技术创新作用机理的理论铺垫与产业技术创新的影响因素分析，本节通过建立面板数据模型来分析各因素对中国战略性新兴产业的技术创新的影响程度。首先在忽略技术溢出效应的前提下，检验研发投入、所有制结构、企业规模三个因素对技术创新的影响作用（模型１），然后再控制其他变量的前提下，单独研究三项不同类型的技术溢出对技术创新的影响作用（模型２），建立的模型如下（见左下图）：
其中，ｉ表示第ｉ个战略性新兴产业子产业，ｔ为年份，■表示不同子产业的截距项，■为不同影响因素的弹性系数，■为随机误差项。
２.２数据说明
由于数据的限制，本章按照战略性新兴产业的细分行业，选择了电子及通信设备制造业、电子计算机及办公设备制造业、医药制造业、医疗设备及仪器仪表制造业、航空航天器制造业五个行业的规模以上企业作为研究对象。所用数据来自《中国统计年鉴（２００１－２０１３）》、《中国工业统计年鉴（２００１－２０１３）》、《中国科技统计年鉴（２００１－２０１３）》和《中国高技术产业统计年鉴（２００１－２０１３）》。为剔除价格因素的影响，对新产品销售收入等指标以２００１年为基期做平减处理。所有变量的统计描述如表１所示。
表１变量的统计描述
■
２.３不考虑技术溢出效应的技术创新因素分析
首先，在不考虑技术溢出效应的情况下，考虑各因素对战略性新兴产业技术创新的影响。使用Ｅｖｉｅｗｓ６．０软件对模型１进行参数估计。考虑到横截面包含了总体的所有单位，而截面与个体的差异主要体现在截距项的差别，故选择构建变截距模型。通过Ｈａｕｓｍａｎ检验，检验结果Ｐ值为０，说明拒绝原假设，即建立随机效应模型假设不成立，应建立固定效应模型。研发投入变量有两个，分别是Ｒ＆Ｄ经费内部支出与Ｒ＆Ｄ活动人员折合全时当量，考虑到两个变量放在同一个模型中可能存在多重共线性，故将两个指标分别带入模型１（模型分别为模型Ａ和模型Ｂ），单独考察其对技术创新的影响，两个模型的回归结果见下表。
表２战略性新兴产业技术创新影响因素回归结果
■
注：＊＊＊、＊＊、＊分别表示１％、５％、１０％的显著性水平，括号内数值为对应的ｔ值。因变量均为ｌｎ（ＮＰＳＲ）
从模型１拟合效果看，模型Ａ的Ｒ－ｓｑｕａｒｅｄ值与ＡｄｊｕｓｔｅｄＲ－ｓｑｕａｒｅｄ值分别为０．９７９、０．９７６，模型Ｂ的？Ｒ－ｓｑｕａｒｅｄ值与ＡｄｊｕｓｔｅｄＲ－ｓｑｕａｒｅｄ值分别为０．９４８、０．９４１，说明模型拟合的效果较好，模型Ａ与模型Ｂ的Ｆ统计量值均在１％的水平下显著，说明两个模型中自变量对因变量的总体影响均显著。
模型Ａ中Ｒ＆Ｄ经费内部支出（ＲＤＦ）的弹性系数为０．７８６，且在１％的水平下显著，说明当Ｒ＆Ｄ经费内部支出每增加１％，技术创新产出就会增长０．７８６％，同理，模型Ｂ中Ｒ＆Ｄ经费内部支出（ＲＤＦ）的弹性系数为０．９８７，且在１％的水平下显著，说明当Ｒ＆Ｄ活动人员折合全时当量每增加１％，技术创新产出就会增长０．９８７％。结果表明，Ｒ＆Ｄ经费支出与Ｒ＆Ｄ人员投入与中国战略性新兴产业的技术创新显著相关，投入越多，创新产出越多，同时可以看出，Ｒ＆Ｄ经费支出的弹性系数小于Ｒ＆Ｄ活动人员折合全时当量的弹性系数，说明经费投入的效率低于人员投入的效率，表明当前中国战略性新兴产业技术创新是靠人力资本的投入实现的，Ｒ＆Ｄ人员积极的创新意愿和潜能在很大程度上影响其产出效率。
模型Ａ和模型Ｂ中，国有企业主营业收入占比（ＳＯＲＰ）的系数分别为－０．２６４、－０．３４２，均为负值，模型Ｂ中的系数并不显著，而模型Ａ中的系数在５％的水平下显著，说明国有企业主营业务收入比重与技术创新产出显著负相关，在一定程度上说明了战略性新兴产业中国有制企业比重越大越不利于技术创新能力的提升。虽然国有企业是中国经济发展的中坚力量，不可否认的是其激励机制存在着缺陷，技术人员因创新成果所得的回报与其做出的贡献很难保持一致，这样不利于调动技术人员的创新积极性，因此深化国企改革，完善激励机制，优化股权结构等将会推动国有企业的技术创新。
模型Ａ和模型Ｂ中，大型企业从业人数占比（ＥＳ）系数分别为－０．０３６、－０．２９９，均为负值，模型Ａ中的系数并不显著，而模型Ｂ中的系数在１０％水平下显著，说明大型企业从业人数比重与技术创新产出显著负相关，在一定程度上说明了战略性新兴产业的大型企业并不利于技术创新能力的提升。虽然学术界对于企业规模对技术创新的影响存在争议，在目前中国战略性新兴产业的发展情况来看，虽然大型企业是战略性新兴产业发展的中流砥柱，但中小企业是重要的技术创新主体，中小企业由于规模相对较小，专业化程度高、组织结构相对简单、机制灵活等，更有利于顺应市场的变化迅速做出创新决策，因此比大企业更具备创新效率。
２.４技术溢出效应对技术创新的影响分析
前文中提出，中国战略性新兴产业技术创新的技术溢出效应包括技术引进、购买国内技术和外商直接投资三种形式。为了避免得出过于笼统的结论，接下来在设置控制变量的前提下，进一步单独考察技术引进、购买国内技术、外商直接投资的技术溢出对中国战略性新兴产业技术创新的影响。模型２仍以新产品销售收入作为被解释变量，Ｒ＆Ｄ活动人员折合全时当量和技术消化吸收经费支出作为控制变量，将技术引进支出、购买国内技术经费支出、三资企业Ｒ＆Ｄ经费内部支出分别带入模型２进行实证分析，得到模型Ａ、模型Ｂ、模型Ｃ，模型估计结果见表３。
模型Ａ考察技术引进溢出效应（ＥＴＩ）对战略性新兴产业技术创新产出的影响，其弹性系数为－０．１３９，且在５％的水平下显著，说明技术引进溢出效应对中国战略性新兴产业的技术创新具有显著的负向作用。战略性新兴产业是在全球金融危机背景下应运而生的，各国为了应对危机，争先选择发展战略性新兴产业，且选择的产业内容极为相似，因此国际间战略性新兴企业之间存在着激烈竞争并；随着中国科学技术的不断提高，中国战略性新兴产业在一些领域已经取得一定的进步，并在个别领域独占鳌头，将技术创新的成果通过专利授权、转让等方式进行转移并不能为技术引进企业潜在技术创新带来明显作用。在未来发展中，技术引进需要设定高标准门槛，要保证引进技术的前沿性。
模型Ｂ考察了购买国内技术溢出效应（ＢＤＴＯ）对战略性新兴产业技术创新产出的影响，其弹性系数为０．０７５，参数不显著，说明购买国内技术溢出效应对中国战略性新兴产业的技术创新具有微弱的正向作用。中国战略性新兴产业发展初期，企业之间还未形成成熟的协作关系，加上战略性新兴产业与传统产业的融合度较低，因此技术创新的扩散效应相对微弱。在今后的发展中，应当鼓励企业间的交流合作，加大技术人员流动性，将企业间的相互支撑作用发挥到最大。
模型Ｃ考察了外商直接投资溢出效应（ＦＴＥ）对中国战略性新兴产业技术创新产出的影响。实证结果表明，外商直接投资是中国战略性新兴产业技术创新的重要影响因素，其弹性系数为０．１７９，且在１％的水平下显著。通过对比三种类型的技术溢出效应模型，可以发现，外商直接投资溢出效应对中国战略性新兴产业的技术创新的贡献最大。
表３三种技术溢出效应对战略性新兴产业技术创新的影响差异
■
注：＊＊＊、＊＊、＊分别表示１％、５％、１０％的显著性水平，括号内数值为对应的ｔ值。因变量均为ｌｎ（ＮＰＳＲ）。
从设定的两个控制变量来看，模型Ａ、Ｂ、Ｃ中研发人员投入（ＲＤＨＲ）和技术消化吸收能力（ＴＤＡ）均与技术创新产出显著正相关，进一步证明了研发人员的投入、企业对技术的消化吸收能力对于中国战略性新兴产业的技术创新具有积极作用。技术消化吸收能力反映了企业的技术积累，能够带动企业实现二次创新的关键，是企业持续创新的保障。
（贾冰雁工作单位为中国社会科学院研究生院；杨悦工作单位为安邦保险集团股份有限公司）
指标
单位
样本容量
均值
标准差
新产品销售收入（ＮＰＳＲ）
万元
６０
２１３９３６３１．６２
２８３７９６８７．７７
Ｒ＆Ｄ经费内部支出（ＲＤＦ）
万元
６０
５０７５９．８０
５９３１１．５７
Ｒ＆Ｄ活动人员折合全时当量（ＲＤＨＲ）
人
６０
１２２４８６５．７８
１６６６４４３．９６
技术消化吸收经费支出（ＴＤＡ）
万元
６０
０．３１
０．３１
国有企业主营业收入占比（ＳＯＲＰ）
％
６０
０．４１
０．２３
大型企业从业人员占比（ＥＳ）
％
６０
１７０３８９．０７
２５６４３８．９１
技术引进经费支出（ＥＴＩ）
万元
６０
２４７０６．９３
３４４４４．９０
购买国内技术经费支出（ＢＤＴＯ）
万元
６０
２４３１６．２８
２５９４８．６５
三资企业Ｒ＆Ｄ经费内部支出（ＦＴＥ）
万元
６０
４８８６２８．２６
７０７６１６．５０
模型Ａ
模型Ｂ
ＲＤＦ
０．７８６０７２＊＊＊
（１２．６４３８８）
ＲＤＨＲ
０．９８７０７５＊＊＊
（５．６２４５９９）
ＳＯＲＰ
－０．２６４０６０＊＊
（－２．１９７７９２）
－０．３４１５６０
（－１．４５４９４８）
ＥＳ
－０．０３６４４９
（－０．３９１８３８）
－０．２９９７０５＊
（－１．７０９６００）
Ｒ－ｓｑｕａｒｅｄ
０．９７９４９５
０．９４８０５７
ＡｄｊｕｓｔｅｄＲ－ｓｑｕａｒｅｄ
０．９７６７３５
０．９４１０６４
Ｆ－ｓｔａｔｉｓｔｉｃ
３５４．８５２２
１３５．５８４１
模型Ａ
模型Ｂ
模型Ｃ
ＲＤＨＲ
＊＊＊
（１２．４５５５４）
＊＊＊
（８．１６９３６６）
０．８０７２５７
＊＊＊（９．４７３７８６）
ＴＤＡ
０．１７０４６０＊＊＊
（３．５１１１０９）
＊＊
（２．６３９３８９）
０．０８２４６４＊
（１．９５７８８５）
ＥＴＩ
＊＊
（－２．３０２６９３）
ＢＤＴＯ
０．０７４８９６
（０．９９０２４４）
ＦＴＥ
＊＊＊
（４．３７２３０８）
Ｒ－ｓｑｕａｒｅｄ
０．９５１６８２
０．９４７７４１
０．９６１０６８
ＡｄｊｕｓｔｅｄＲ－ｓｑｕａｒｅｄ
０．９４５１７８
０．９４０７０６
０．９５５８２７
Ｆ－ｓｔａｔｉｓｔｉｃ
１４６．３１５７
１３４．７２０１
１８３．３８０９返回搜狐，查看更多