微软笔记本如何设置人脸识别

1、首先从开始菜单打开设置选项；

2、进入账户设置：

3、进入账户分别按照下图顺序分别设置，密码=>pin码=>Windows hello

4、Windows hello设置，点击开始：

5、摄像头打开后开始扫描，请对准你的脸部：

6、我们可以多扫描几次增加精度，

扫描完成后还可以勾选下面这个来进一步提高精准性（防止别人用照片替代本人进入），然后重新扫描下，按照屏幕提示往左再往右扫描即可：

7、按下WIN+L锁定屏幕，然后试试新的人脸识别方式来登录你的Win10系统吧。开始享用新的功能吧。

此功能仅适用于具备红外线(IR)网络摄像头的电脑，如果您在Windows Hello中没看到脸部登陆选项或是显示为此选项无法使用，表示您的电脑没有红外线摄像头。

在Windows 10内点击开始-设置-账户-登录选项，进入Windows Hello。

选择PIN-添加-输入本地账户或微软账户密码进行验证并点击确定。

打开一个设置PIN的窗口，输入两次数字（只能是数字）-确认PIN密码-点击确定。

点击Windows Hello面孔下面出现的设置。

点击开始，输入PIN码进行验证，摄像头开始进行人脸扫描，请确保面孔居中。

面孔扫描完成后，可以选择提高识别能力或关闭。

建议选择提高识别能力，会再进行一次面孔扫描。选择此项后Windows Hello可以在不同光线条件下以及你戴眼镜或剪短发后识别你

大功告成！登陆时电脑会自动查找面孔，匹配成功即可完成登陆。

微软Surface系列可以说让人又爱又恨，爱的是高质量的工业设计，深度优化的Windows使用体验，以及满满的信仰；当然同时还会有一些人非常痛恨它，吝啬的CPU和硬盘配置，相对较高的价格。笔者本身也是一个在其中不断徘徊的用户，一直没有真正拥有过Surface系列产品，但每次选购的时候都会不由自主的想到它，甚至不如身边的朋友更加果断。终于在最近下定决心，入手了新推出的入门系列Surface Laptop Go 作为办公机。综合使用了两天，和大家分享一下对这款机器的看法吧。Surface Laptop Go总的来看，应该说没有任何一款笔记本电脑是完美的，至少我到现在还没有发现哪款产品可以完美满足所有的要求，总会有一些取舍。举个例子，很多人认为使用上完美的Windows系统，其实也存在安全性便利性不够、系统文件冗杂等问题，直观体现就在很多小白用户总会用着用着莫名其妙的就安装了一些奇怪的流氓软件，然后广告到处乱飞，这种情况估计大家都见过。Surface Laptop Go配置表好了先总结一下优缺点，我大概归纳以下几条，优点1：工业设计质感非常好，不说入门级产品当中，同价位的可能也极少能有可以相提并论的，即使并不是全部使用铝合金做的外壳，还是给到了非常不错的视觉和触觉感受。优点2：配置上还算不错，给到了第十代英特尔酷睿i5处理器，虽然是入门级的i5且并非最新的第11代，但视觉上就比之前的奔腾Y系列要舒服许多，不知道大家是不是也有这种心理上的偏执。当然其实从我个人的角度来讲，不推荐大家选择4+64的版本，本着可以用更多年的角度，即使是单纯的敲敲字看看视频也要用8+128版本起步。Surface 系列的对比优点3：续航能力非常棒，官方的测试最长可以达到13小时，这个比较理论，实际使用情况不太一样，我这里中度使用的情况下，续航时间大约有7-8个小时左右，对比一下普通的笔记本，我觉得作为一个用来移动轻度办公的小本，Surface Laptop Go是非常不错的。优点4：有指纹解锁，可能很多人喜欢Windows Hello 人脸识别的解锁方式，一抬起屏幕就可以完成解锁，但也会受到光线的影响，我比较喜欢的是指纹的方式，Surface Laptop Go的8+128以上的版本开机按钮上都配置了Windows Hello 指纹识别的功能，对于这种功能可能每个人的看法不一样，但我觉得更多人的想法肯定是“我可以不用，但你不能没有”。不足1：价格略贵，按照大家的常规看法，计算性能和存储空间是非常重要的参数，在这个参数相同的情况下才会去考虑其他的配件，按照这个逻辑，Surface Laptop Go确实有点贵了，不过我们还可以谈谈设计、品质、信仰这些方面的优势。Surface Laptop Go 屏幕分辨率不足2：屏幕分辨率低，不支持Surface 触控笔。Surface系列的屏幕一直是亮点，3：2的比例，可以显示更多的内容，但Surface Laptop Go的屏幕分辨率是15361024，总像素点为150多万，比1080p的200万少了一些，另外Surface Laptop Go并不能支持Surface 触控笔使用，还好的是保留了10点触控的功能，比较方便。Surface Laptop Go我认为的优点和不足都讲完了，接下来说回我刚买到的这台Surface Laptop Go，Surface Laptop Go有三款配色，分别是亮铂金、砂岩金、冰晶蓝，我这里的是冰晶蓝的8+256G版本，这个存储空间对于刚入职场的新生代或是像我这样拿来当敲字的备用机的人来说是够用的，如果其他的需求也很多的话，还是要升级更大的空间的。亮铂金、砂岩金、冰晶蓝系统配置方面，Surface Laptop Go使用的是i5-1035G1处理器搭配8GB内存，初始预装的是Windows 10家庭版S模式的系统，可以自行不可逆的解锁为标准的Windows 10家庭版。Surface Laptop Go系统信息关于S模式，和普通的版本主要的区别在于S模式下只能安装Windows 10应用商店当中的软件，想要自行安装其他渠道的软件的话就需要退出安全模式，解锁全部的功能。如果你只是特别轻度的使用，我猜测可能S模式下也够用，但我拿到手之后第一件事就是升级了系统并退出了S模式转为了正式的版本。Surface Laptop Go退出S模式存储方面，我这款搭载的是256GB容量的固态硬盘，查型号是HFM256GDGTNG-87A0A，网友说是海力士BC501，猜测是微软专门定制的非零售版的产品，没有具体信息，读取速度已经达到PCI-E 30硬盘的较高水平，写入速度稍微低一点，和256GB容量有关，不过综合来看已经算是很棒的速度了。硬盘测试Surface Laptop Go除了4+64的版本以外，另外两个版本都配置了Windows Hello指纹技术，指纹识别模块就设置在电源按钮上，这样也是方便用户在快速启动之后直接识别指纹进入系统，减少中间的 *** 作过程。指纹识别模块的存在让电源按钮表面和其他按钮材质不太一样，我个人认为这样也可以避免在使用过程之中误按到电源按钮。Surface Laptop Go电源按钮带有指纹识别模块再看看机器外面的设计，A面就是非常简洁的微软设计，logo是镜面抛光的，其他区域为金属磨砂，C面是和A面类似的金属材质，手腕放上去不会烫，机器主要发热的部位位于大约键盘顶部中央的位置，我比较喜欢这个散热设计，放腿上也可以比较舒适。Surface Laptop Go A面设计Surface Laptop Go D面设计D面材质是“聚碳酸酯复合树脂与玻璃纤维，及30%的可回收材质”我复制的官网描述，大概理解类似塑料但又比较亲肤的感觉，摸着比较舒适。Surface Laptop Go C面细节键盘方面是常规的mini身材设计，不过配置了一个非常大的触控板，左下角和右下角可以实现鼠标左右键功能，双指可滚动页面，没有反人类的设计，非常舒适。Surface Laptop Go 配置720p摄像头Surface Laptop Go搭载了720p f20高清网络摄像头，矩阵式远场双麦克风以及支持杜比音效的 Omnisonic 扬声器，这个就比较适合线上会议与视频电话的应用场景了。Surface Laptop Go左侧Surface Laptop Go机身左侧配置了一个USB Type-A接口，一个USB Type-C接口，一个35mm音频接口，基本上所有的接口都在这边了。Surface Laptop Go右侧右侧只有一个Surface Connect 端口，搭配包装之中附送的磁吸式充电插头使用。Surface Laptop Go综合使用的感受来看，Surface Laptop Go 提供了一个轻薄办公本所需的全部功能，即使他也有一些小的问题，但并不影响他成为一个很有品质的优秀入门办公产品，从拿到手到现在，我使用了大约十几个小时，其中主要涉及了文档的编辑、网页的浏览、系统升级、办公应用软件的安装、以及部分测试软件的测试跑分，在这些项目当中的流畅度等表现我觉得都是非常不错的。平常使用当中Surface Laptop Go 非常安静，几乎没有什么噪音，高负载情况下的发热区域设计比较合理，并不会影响正常的 *** 作，这种细节上的体验可能只有Surface 系列才能提供。回想一下为什么要买这样一款笔记本吧，满足日常办公需求，没有复杂的功能影响使用，再加上满满的信仰应该就够了。

重新录制。

1、开启笔记本，点击开始图标，找到设置。

2、选择账户。

3、选择登录选项，点击人脸即可。

Windows10是微软公司研发的跨平台 *** 作系统，应用于计算机和平板电脑等设备，于2015年7月29日发行。

可能是系统的问题。

您可以看下是不是原装的出厂自带的系统，因为如果是自己后面装的系统这些功能就不带的，如果是出厂的系统这些功能都是可以正常使用的，所以如果你是刚买，但是功能没用，那就代表那个商家已经自己重装过系统了。

绿灯闪烁是处在工作状态中，你可以重启电脑后开启摄像头，然后关闭，如果此方法无用，建议你将摄像头的驱动重新安装一下。

新智元导读 最近，知乎上「微软小冰测颜值是否比较准？」的问题又被网友们讨论了起来，相关浏览量已经超过了450万。不过说到底，颜值测试不过是一个供大家娱乐的小游戏，如果较真你就输了。

「帅不帅」「美不美」，微软小冰告诉你

尽管微软早在几年前就推出了「测颜值」的功能，但随着AI技术的不断进步以及与微信等其他软件的结合使用，微软小冰「测颜值」的小游戏到现在仍然很受网友欢迎。

最近，知乎上「微软小冰测颜值是否比较准？」的问题又被网友们讨论了起来，相关浏览量已经超过了450万。

许多网友都在帖子下面晒出了自己体验小冰颜值评分测试的照片，并给出了自己对微软小冰颜值测试准确性的评价。

更有看热闹不怕事大的网友翻出一些明星的素颜照来让小冰进行颜值打分，有些「素颜」的得分也是比较低……

综合大部分评论来看，大多数网友觉得小冰的评分还是比较准的。虽然有些网友反映同一个人化妆前后的评分不一样，但也从侧面说明了小冰对颜值的评分还是比较准的，要是评分一样，化妆还有什么用呢？

颜值测试背后，我的分数是怎么来的？

暂且将微软小冰颜值评分准不准的争论放在一边，那么这个分数到底是谁给你打出来的呢？

有些网友猜测微软小冰背后实际上是人工在 *** 纵评分，这纯属是「无稽之谈」，且不说人工评分可不可行，单是庞大的工作量就不是人力所能够承担的。

实际上，微软小冰颜值测试程序背后，是一套庞大的AI算法系统在起作用，采用的是深度学习算法的原理。

简单来说，就是我们上传照片后，小冰通过采用最新人工智能AI技术进行精准识别人脸属性信息，并通过数据比对等方式进行一系列人脸相关的属性分析，包括颜值、年龄、性别、微笑程度、情绪、皮肤状态等，然后根据函数模型输出分数。

人脸颜值检测一般视为一个简单的regression（回归）问题，就是找到一个函数 function，通过输入特征 x ，输出一个数值 Scalar 。

在此之前，要收集大量的“人脸”数据，人为的判断颜值并「标注」。一般而言，对同一张脸采集N个「标注」，去掉最高和最低的M个，取剩余标注的平均值来作为AI评分的groundtruth。

Regression的过程一般包括3个步骤：一是确定一个模型，二是确定评价函数，三是找出最好的一个函数。此外，还可以通过对step1和step2的优化来得到更为“准确”的值。

而微软小冰的颜值测试算法可能还涉及到Deep Label Distribution Learning（标签分布学习算法）和ranking（排名），以便得出更加匹配的结果。

微软小冰的颜值测试准不准？较真你就输了！

那么，微软小冰AI算法给出的颜值分数到底准不准呢？

实际上，对于这个问题的回答就好比我们中学时做的语文阅读理解题，参考答案会给出一个所谓的「标准答案」，但实际上几乎没有人的答案和「标准答案」完全一样。

而小冰给出的「分数」，就好比「标准答案」，对于执行算法的程序而言，它无疑是高度「准确」的，但对于有着主观判断的个人来说，就无法保证始终是「标准答案」了。

此外，从人脸检测的AI算法的运行原理上来看，groundtruth实际上是由大量人为的「标注」给出的，只不过当这个数据规模足够大的时候，人的影响因素就降低了。

也就是说，AI参考的标准，是大部分人的一个平均审美值，如果你的审美不在这个平均值内，那么小冰给出的颜值分数在你看来可能就是不准的。

不过说到底，微软小冰的颜值测试不过是一个供大家娱乐的小游戏，为了分数去较真着实没有必要。

参考链接：

>

这个很难办到，不过可以通过判断关键点的特点进行判断，但是准确率不高

前言

很多人都认为人脸识别是一项非常难以实现的工作，看到名字就害怕，然后心怀忐忑到网上一搜，看到网上N页的教程立马就放弃了。这些人里包括曾经的我自己。其实如果如果你不是非要深究其中的原理，只是要实现这一工作的话，人脸识别也没那么难。今天我们就来看看如何在40行代码以内简单地实现人脸识别。

一点区分

对于大部分人来说，区分人脸检测和人脸识别完全不是问题。但是网上有很多教程有无无意地把人脸检测说成是人脸识别，误导群众，造成一些人认为二者是相同的。其实，人脸检测解决的问题是确定一张图上有木有人脸，而人脸识别解决的问题是这个脸是谁的。可以说人脸检测是是人识别的前期工作。今天我们要做的是人脸识别。

所用工具

Anaconda 2——Python 2

Dlib

scikit-image

Dlib

对于今天要用到的主要工具，还是有必要多说几句的。Dlib是基于现代C++的一个跨平台通用的框架，作者非常勤奋，一直在保持更新。Dlib内容涵盖机器学习、图像处理、数值算法、数据压缩等等，涉猎甚广。更重要的是，Dlib的文档非常完善，例子非常丰富。就像很多库一样，Dlib也提供了Python的接口，安装非常简单，用pip只需要一句即可：

pip install dlib

上面需要用到的scikit-image同样只是需要这么一句：

pip install scikit-image

注：如果用pip install dlib安装失败的话，那安装起来就比较麻烦了。错误提示很详细，按照错误提示一步步走就行了。

人脸识别

之所以用Dlib来实现人脸识别，是因为它已经替我们做好了绝大部分的工作，我们只需要去调用就行了。Dlib里面有人脸检测器，有训练好的人脸关键点检测器，也有训练好的人脸识别模型。今天我们主要目的是实现，而不是深究原理。感兴趣的同学可以到官网查看源码以及实现的参考文献。今天的例子既然代码不超过40行，其实是没啥难度的。有难度的东西都在源码和论文里。

首先先通过文件树看一下今天需要用到的东西：

准备了六个候选人的放在candidate-faces文件夹中，然后需要识别的人脸testjpg。我们的工作就是要检测到testjpg中的人脸，然后判断她到底是候选人中的谁。另外的girl-face-recpy是我们的python脚本。shape_predictor_68_face_landmarksdat是已经训练好的人脸关键点检测器。dlib_face_recognition_resnet_model_v1dat是训练好的ResNet人脸识别模型。ResNet是何凯明在微软的时候提出的深度残差网络，获得了 ImageNet 2015 冠军，通过让网络对残差进行学习，在深度和精度上做到了比

CNN 更加强大。

1 前期准备

shape_predictor_68_face_landmarksdat和dlib_face_recognition_resnet_model_v1dat都可以在这里找到。

然后准备几个人的人脸作为候选人脸，最好是正脸。放到candidate-faces文件夹中。

本文这里准备的是六张，如下：

她们分别是

然后准备四张需要识别的人脸图像，其实一张就够了，这里只是要看看不同的情况：

可以看到前两张和候选文件中的本人看起来还是差别不小的，第三张是候选人中的原图，第四张微微侧脸，而且右侧有阴影。

2识别流程

数据准备完毕，接下来就是代码了。识别的大致流程是这样的：

3代码

代码不做过多解释，因为已经注释的非常完善了。以下是girl-face-recpy

# -- coding: UTF-8 --

import sys,os,dlib,glob,numpy

from skimage import io

if len(sysargv) != 5:

print "请检查参数是否正确"

exit()

# 1人脸关键点检测器

predictor_path = sysargv[1]

# 2人脸识别模型

face_rec_model_path = sysargv[2]

# 3候选人脸文件夹

faces_folder_path = sysargv[3]

# 4需识别的人脸

img_path = sysargv[4]

# 1加载正脸检测器

detector = dlibget_frontal_face_detector()

# 2加载人脸关键点检测器

sp = dlibshape_predictor(predictor_path)

# 3 加载人脸识别模型

facerec = dlibface_recognition_model_v1(face_rec_model_path)

# win = dlibimage_window()

# 候选人脸描述子list

descriptors = []

# 对文件夹下的每一个人脸进行:

# 1人脸检测

# 2关键点检测

# 3描述子提取

for f in globglob(ospathjoin(faces_folder_path, "jpg")):

print("Processing file: {}"format(f))

img = ioimread(f)

#winclear_overlay()

#winset_image(img)

# 1人脸检测

dets = detector(img, 1)

print("Number of faces detected: {}"format(len(dets)))

for k, d in enumerate(dets):

# 2关键点检测

shape = sp(img, d)

# 画出人脸区域和和关键点

# winclear_overlay()

# winadd_overlay(d)

# winadd_overlay(shape)

# 3描述子提取，128D向量

face_descriptor = facereccompute_face_descriptor(img, shape)

# 转换为numpy array

v = numpyarray(face_descriptor)

descriptorsappend(v)

# 对需识别人脸进行同样处理

# 提取描述子，不再注释

img = ioimread(img_path)

dets = detector(img, 1)

dist = []

for k, d in enumerate(dets):

shape = sp(img, d)

face_descriptor = facereccompute_face_descriptor(img, shape)

d_test = numpyarray(face_descriptor)

# 计算欧式距离

for i in descriptors:

dist_ = numpylinalgnorm(i-d_test)

distappend(dist_)

# 候选人名单

candidate = ['Unknown1','Unknown2','Shishi','Unknown4','Bingbing','Feifei']

# 候选人和距离组成一个dict

c_d = dict(zip(candidate,dist))

cd_sorted = sorted(c_diteritems(), key=lambda d:d[1])

print "\n The person is: ",cd_sorted[0][0]

dlibhit_enter_to_continue()

4运行结果

我们在py所在的文件夹下打开命令行，运行如下命令

python girl-face-recpy 1dat 2dat /candidate-faecs test1jpg

由于shape_predictor_68_face_landmarksdat和dlib_face_recognition_resnet_model_v1dat名字实在太长，所以我把它们重命名为1dat和2dat。

运行结果如下：

The person is Bingbing。

记忆力不好的同学可以翻上去看看test1jpg是谁的。有兴趣的话可以把四张测试都运行下试试。

这里需要说明的是，前三张图输出结果都是非常理想的。但是第四张测试的输出结果是候选人4。对比一下两张可以很容易发现混淆的原因。

机器毕竟不是人，机器的智能还需要人来提升。

有兴趣的同学可以继续深入研究如何提升识别的准确率。比如每个人的候选用多张，然后对比和每个人距离的平均值之类的。全凭自己了。

通过在账户选项设置。

1、首先从开始菜单打开设置选项，进入账户设置。

2、其次进入账户分别按照下图顺序分别设置，密码，pin码，Windowshello，Windowshello设置，点击开始。

3、最后摄像头打开后开始扫描，请对准自己的脸部，可以多扫描几次增加精度。

以上就是关于微软笔记本如何设置人脸识别全部的内容，包括:微软笔记本如何设置人脸识别、Win10专业版系统下如何使用人脸识别、微软Surface+Laptop+Go+怎么设置人脸等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！