视觉智能平台人脸搜索里涉及到的人脸数据库和人脸样本，是保存的特征值还是照片？

在视觉智能平台的人脸搜索功能中，涉及到的人脸数据库和人脸样本通常保存的是人脸特征值，而不是原始照片，这是因为直接存储和比较原始照片会非常消耗计算资源，并且效率低下，通过提取人脸特征值，可以大幅度提高搜索速度和准确性。

以下是详细的技术教学：

1、人脸检测与对齐：系统需要对输入的图像进行人脸检测，找出图像中的人脸区域，通过人脸对齐技术将人脸区域调整到标准位置和大小，以便于后续的特征提取。

2、特征提取：在人脸对齐之后，系统会使用深度学习算法（如卷积神经网络）从人脸图像中提取特征值，这些特征值是对人脸的关键信息（如眼睛、鼻子、嘴巴等）进行编码的数字向量，特征提取的目的是将高维度的原始图像数据转换为低维度的特征表示，以便于后续的搜索和比对。

3、特征存储：提取到的人脸特征值会被存储在人脸数据库中，为了提高搜索效率，通常会使用高效的数据结构（如哈希表、KD树等）来组织和存储这些特征值，还可以采用一些压缩算法（如主成分分析、线性判别分析等）对特征值进行降维，以减少存储空间的需求。

4、相似度计算：在进行人脸搜索时，系统会提取待搜索图像的人脸特征值，并与人脸数据库中的特征值进行相似度计算，常用的相似度计算方法包括欧氏距离、余弦相似度等，通过计算待搜索特征值与数据库中特征值之间的相似度，可以找到最匹配的人脸样本。

5、结果排序与展示：根据相似度计算的结果，系统会对搜索结果进行排序，并将最匹配的人脸样本展示给用户，用户可以通过查看搜索结果来判断是否找到了目标人物。

归纳一下，视觉智能平台人脸搜索里涉及到的人脸数据库和人脸样本主要保存的是人脸特征值，而非原始照片，这样做可以提高搜索速度和准确性，同时降低存储空间的需求，通过人脸检测、特征提取、特征存储、相似度计算等技术步骤，实现了高效的人脸搜索功能。