人脸识别系统-芜湖一路机电-宣城人脸识别

人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。每个人的面孔都由额头、眉毛、眼睛、鼻子、嘴巴、双颊等部位组合而成，它们之间的大致位置关系也是固定的。然而，人脸具有---性，这个上找不出两张完全相同的人脸，宣城人脸识别，人们通常能够根据不同面孔之间的细微差异将不同人区分开来。

人脸具有相似性和易变性，不同环境、光线、角度、年龄，均会对人脸的成像产生变化，因此，人脸识别是生物识别领域困难的研究领域之一。

人脸识别技术具有非强制性、非接触性、并发性等几大优势。

非强制性：系统在用户在无意识的状态下就可获取人脸图像，不需要专门配合;

非接触性：用户不需要和设备直接接触，就能获取人脸图像，提取人脸特征进行检测;

并发性：在实际应用场景下可以进行同时多个人脸的分拣、判断及识别;

除此之外，还有操作简单、结果直观、隐蔽性好等特点。

人脸识别利用---机或---头采集含有人脸的图像或视频流，并自动在图像中检测和---人脸，进而对检测到的人脸图像进行一系列的相关应用操作，技术上包括图像采集、特征定位、身份的确认和查找等等。简单来说，人脸识别系统，就是从照片中提取人脸中的特征，比如眉毛高度、嘴角等等，再通过特征的对比输出结果。人脸识别的一般流程：

一、人脸采集：  

不同的人脸图像通过---镜头采集得到，比如静态图像、动态图像、不同位置、不同表情等，当采集对象在设备的拍摄范围内时，采集设备会自动搜索并拍摄人脸图像。

二、人脸检测方法

在图像中准确标定出人脸的位置和大小，并把其中有用的信息挑出来（如直方图特征、颜色特征、模板特征等），然后利用信息来达到人脸检测的目的。关键点检测是自动估计人脸图片上脸部特征点的坐标。

主流方法：  基于检测出的特征采用adaboost学习算法挑选出一些代表人脸的矩形特征（弱分类器），按照加权的方式将弱分类器构造为一个强分类器，再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，有效地提高分类器的检测速度。

三、人脸图像预处理  由于系统获取的原始图像由于受到各种条件的---和随机干扰，往往不能直接使用，人脸识别技术，必须在图像处理的早期阶段对它进行灰度矫正、噪声过滤等图像预处理，并终服务于特征提取的过程。  

主要预处理方法有：人脸对准，人脸图像的光线补偿，灰度变换、直方图均衡化、 化、几何校正、中值滤波以及锐化等。   四、人脸特征提取  人脸特征提取就是针对人脸的某些特征进行的，也称人脸表征，它是对人脸进行特征建模的过程。

五、匹配与识别  提取的人脸特征值数据与数据库中存贮的特征模板进行搜索匹配，通过设定一个阈值参数，将相似度与这一阈值进行比较，来对人脸的进行判断。