人臉圖像采集：不同的人臉圖像都能通過攝像鏡頭采集下來，比如靜態(tài)圖像、動態(tài)圖像、不同的位置、不同表情等方面都可以得到很好的采集。當用戶在采集設備的拍攝范圍內時，采集設備會自動搜索并拍攝用戶的人臉圖像。

人臉檢測：人臉檢測在實際中主要用于人臉識別的預處理，即在圖像中準確標定出人臉的位置和大小。人臉圖像中包含的模式特征十分豐富，如直方圖特征、顏色特征、模板特征、結構特征及Haar特征等。人臉檢測就是把這其中有用的信息挑出來，并利用這些特征實現人臉檢測。

主流的人臉檢測方法基于以上特征采用Adaboost學習算法，Adaboost算法是一種用來分類的方法，它把一些比較弱的分類方法合在一起，組合出新的很強的分類方法。

人臉檢測過程中使用Adaboost算法挑選出一些代表人臉的矩形特征(弱分類器)，按照加權的方式將弱分類器構造為一個強分類器，再將訓練得到的若干強分類器串聯(lián)組成一個級聯(lián)結構的層疊分類器，有效地提高分類器的檢測速度。

現有的人臉識別系統(tǒng)在用戶配合、采集條件比較理想的情況下可以取得令人滿意的結果。但是，在用戶不配合、采集條件不理想的情況下，現有系統(tǒng)的識別率將陡然下降。比如，人臉比對時，與系統(tǒng)中存儲的人臉有出入，例如剃了胡子、換了發(fā)型、多了眼鏡、變了表情都有可能引起比對失敗。也就是說，人如果發(fā)生較大變化，系統(tǒng)可能就會認證失敗。光照、姿態(tài)、裝飾等，對機器識別人臉都有影響。




人臉識別實際包括構建人臉識別系統(tǒng)的一系列相關技術，包括人臉圖像采集、人臉定位、人臉識別預處理、身份確認以及身份查找等；而狹義的人臉識別特指通過人臉進行身份確認或者身份查找的技術或系統(tǒng)。人臉識別技術的核心實際為“局部人體特征分析”和“圖形/神經識別算法?！边@種算法是利用人體面部各及特征部位的方法。如對應幾何關系多數據形成識別參數與數據庫中所有的原始參數進行比較、判斷與確認。一般要求判斷時間低于1秒。




人臉識別系統(tǒng)的制作方法：人臉識別技術是基于人的臉部特征，對輸入的人臉圖像或者視頻上的人臉進行識別判斷，從而識別人臉的身份。目前，人臉識別技術廣泛應用在安保系統(tǒng)，例如，人臉識別門禁考勤系統(tǒng)，人臉識別防盜門，人臉識別手機，人臉識別來運行的機器人等。近年來，在人臉識別技術的發(fā)展過程中，出現了人臉的欺騙行為，例如打印人臉圖像到紙張上，或者使用投影、液晶顯示屏(LiquidCrystalDisplay，簡稱LCD)等播放設備顯示在屏幕上，放置于人臉識別系統(tǒng)的采集裝置前，會得到各種人臉圖像，這些人臉圖像跟真實的人臉圖像有很大的相似性，容易被系統(tǒng)當成真實的人臉進行識別，成為人臉識別系統(tǒng)中的不安全因素。然而，在人臉識別系統(tǒng)中，特別是無人值守或高安全性場合，防止人使用人臉假體欺騙系統(tǒng)是非常重要的。