人臉圖像采集：不同的人臉圖像都能通過(guò)攝像鏡頭采集下來(lái)，比如靜態(tài)圖像、動(dòng)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(dāng)用戶在采集設(shè)備的拍攝范圍內(nèi)時(shí)，采集設(shè)備會(huì)自動(dòng)搜索并拍攝用戶的人臉圖像。

人臉檢測(cè)：人臉檢測(cè)在實(shí)際中主要用于人臉識(shí)別的預(yù)處理，即在圖像中準(zhǔn)確標(biāo)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(jié)構(gòu)特征及Haar特征等。人臉檢測(cè)就是把這其中有用的信息挑出來(lái)，并利用這些特征實(shí)現(xiàn)人臉檢測(cè)。

主流的人臉檢測(cè)方法基于以上特征采用Adaboost學(xué)習(xí)算法，Adaboost算法是一種用來(lái)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(qiáng)的分類方法。

人臉檢測(cè)過(guò)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(quán)的方式將弱分類器構(gòu)造為一個(gè)強(qiáng)分類器，再將訓(xùn)練得到的若干強(qiáng)分類器串聯(lián)組成一個(gè)級(jí)聯(lián)結(jié)構(gòu)的層疊分類器，有效地提高分類器的檢測(cè)速度。

現(xiàn)有的人臉識(shí)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(jié)果。但是，在用戶不配合、采集條件不理想的情況下，現(xiàn)有系統(tǒng)的識(shí)別率將陡然下降。比如，人臉比對(duì)時(shí)，與系統(tǒng)中存儲(chǔ)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(duì)失敗。也就是說(shuō)，人如果發(fā)生較大變化，系統(tǒng)可能就會(huì)認(rèn)證失敗。光照、姿態(tài)、裝飾等，對(duì)機(jī)器識(shí)別人臉都有影響。




人臉識(shí)別實(shí)際包括構(gòu)建人臉識(shí)別系統(tǒng)的一系列相關(guān)技術(shù)，包括人臉圖像采集、人臉定位、人臉識(shí)別預(yù)處理、身份確認(rèn)以及身份查找等；而狹義的人臉識(shí)別特指通過(guò)人臉進(jìn)行身份確認(rèn)或者身份查找的技術(shù)或系統(tǒng)。人臉識(shí)別技術(shù)的核心實(shí)際為“局部人體特征分析”和“圖形/神經(jīng)識(shí)別算法。”這種算法是利用人體面部各及特征部位的方法。如對(duì)應(yīng)幾何關(guān)系多數(shù)據(jù)形成識(shí)別參數(shù)與數(shù)據(jù)庫(kù)中所有的原始參數(shù)進(jìn)行比較、判斷與確認(rèn)。一般要求判斷時(shí)間低于1秒。




人臉識(shí)別系統(tǒng)的制作方法：人臉識(shí)別技術(shù)是基于人的臉部特征，對(duì)輸入的人臉圖像或者視頻上的人臉進(jìn)行識(shí)別判斷，從而識(shí)別人臉的身份。目前，人臉識(shí)別技術(shù)廣泛應(yīng)用在安保系統(tǒng)，例如，人臉識(shí)別門(mén)禁考勤系統(tǒng)，人臉識(shí)別防盜門(mén)，人臉識(shí)別手機(jī)，人臉識(shí)別來(lái)運(yùn)行的機(jī)器人等。近年來(lái)，在人臉識(shí)別技術(shù)的發(fā)展過(guò)程中，出現(xiàn)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(jiǎn)稱LCD)等播放設(shè)備顯示在屏幕上，放置于人臉識(shí)別系統(tǒng)的采集裝置前，會(huì)得到各種人臉圖像，這些人臉圖像跟真實(shí)的人臉圖像有很大的相似性，容易被系統(tǒng)當(dāng)成真實(shí)的人臉進(jìn)行識(shí)別，成為人臉識(shí)別系統(tǒng)中的不安全因素。然而，在人臉識(shí)別系統(tǒng)中，特別是無(wú)人值守或高安全性場(chǎng)合，防止人使用人臉假體欺騙系統(tǒng)是非常重要的。