人臉識別系統(tǒng)的研究始于20世紀(jì)60年代，80年代后隨著計算機(jī)技術(shù)和光學(xué)成像技術(shù)的發(fā)展得到提高，而真正進(jìn)入初級的應(yīng)用階段則在90年后期，并且以美國、德國和日本的技術(shù)實現(xiàn)為主；人臉識別系統(tǒng)成功的關(guān)鍵在于是否擁有的核心算法，并使識別結(jié)果具有實用化的識別率和識別速度；“人臉識別系統(tǒng)”集成了人工智能、機(jī)器識別、機(jī)器學(xué)習(xí)、模型理論、專家系統(tǒng)、視頻圖像處理等多種專業(yè)技術(shù)，同時需結(jié)合中間值處理的理論與實現(xiàn)，是生物特征識別的應(yīng)用，其核心技術(shù)的實現(xiàn)，展現(xiàn)了弱人工智能向工智能的轉(zhuǎn)化。

點點時光（武漢）科技有限公司是校園移動考勤信息化的，公司所推出的下一代校園移動考勤產(chǎn)品—簽到莢，結(jié)合人臉檢測、人臉、人臉識別、檢測、GPS定位、WIFI定位、定位、錨點定位、云計算、移動互聯(lián)等先進(jìn)技術(shù)，可有效防止考勤時困擾用戶的“代簽到”、“不到考勤點簽到”、“需排隊簽到”等問題。歡迎來電咨詢！

迅速發(fā)展起來的一種解決方案是基于主動近紅外圖像的多光源人臉識別技術(shù)。它可以克服光線變化的影響，已經(jīng)取得了的識別性能，在精度、穩(wěn)定性和速度方面的整體系統(tǒng)性能超過三維圖像人臉識別。這項技術(shù)在近兩三年發(fā)展迅速，使人臉識別技術(shù)逐漸走向?qū)嵱没?

人臉與人體的其它生物特征（指紋、虹膜等）一樣與生俱來，它的性和不易被的良好特性為身份鑒別提供了必要的前提，與其它類型的生物識別比較人臉識別具有如下特點：非強(qiáng)制性：用戶不需要專門配合人臉采集設(shè)備，幾乎可以在無意識的狀態(tài)下就可獲取人臉圖像，這樣的取樣方式?jīng)]有“強(qiáng)制性”；非接觸性：用戶不需要和設(shè)備直接接觸就能獲取人臉圖像；

并發(fā)性：在實際應(yīng)用場景下可以進(jìn)行多個人臉的分揀、判斷及識別；

除此之外，還符合視覺特性：“以貌識人”的特性，以及操作簡單、結(jié)果直觀、隱蔽性好等特點。

人臉識別系統(tǒng)主要包括四個組成部分，分別為：人臉圖像采集及檢測、人臉圖像預(yù)處理、人臉圖像特征提取以及匹配與識別。

人臉圖像采集及檢測人臉圖像采集：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(dāng)用戶在采集設(shè)備的拍攝范圍內(nèi)時，采集設(shè)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(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。人臉檢測就是把這其中有用的信息挑出來，并利用這些特征實現(xiàn)人臉檢測。主流的人臉檢測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(quán)的方式將弱分類器構(gòu)造為一個強(qiáng)分類器，再將訓(xùn)練得到的若干強(qiáng)分類器串聯(lián)組成一個級聯(lián)結(jié)構(gòu)的層疊分類器，有效地提高分類器的檢測速度。