浅谈人脸识别的技术流程

   人脸识别系统主要包括四个组成部分，分别为：人脸画像采集及检测、人脸画像预处理、人脸画像特点提取以及匹配与识别。

   人脸画像采集及检测

   面部画像数据收集：通过相机镜头收集静态画像、动态画像、位置、表情管理等多种面部画像。当客户在收集设备的拍摄范围内时，收集设备会自动搜索和拍摄客户的面部画像。

   人脸识别面部检测：面部数据检测实际上是通过面部图像识别的预处理，即在画像中准确测量人的面部位置和大小。脸部肖像画的图案特征非常丰富，包括直方图特征、颜色特征、模板特征、结构特征、Har特征等。面部检测方法是从中选择有用的信息，利用我们这样的企业特点实现面部检查。(阿尔伯特爱因斯坦、面部检测、面部检测、面部检测、面部检测、面部检测、面部检测、面部检测)。

   主流人脸检测技术方法研究可以通过这些特点采用Adaboost学习相关算法，Adaboost算法是分类使用方法的一部分，结合比较弱的分类管理方法，结合新的、强大的分类工作方法。

   在人脸识别人脸检测工作中，可以使用Adaboost算法选择能代表中国脸的矩形特征(弱分类器)，根据企业加权投票将弱分类器组成强分类器。训练学生的几个强大的分类器连接的重要组成部分是级联结构的级联分类器。对提高垃圾分类器的检测速度很有效。

   人脸识别人脸画像预处理

   人脸图像预处理:对人类面临ima系统可以获取的原始画像由于企业受到各种经济条件的限制和随机干扰，往往我们不能通过直接影响使用，在画像处理的早期发展阶段对它进行灰度校正、噪声过滤等画像预处理。对于人脸绘制，预处理过程主要包括光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波和锐化等。

   人脸识别人脸画像特点提取

   人脸画像特点可以提取：人脸识别信息系统可使用的特点就是通常主要分为视觉发展特点、像素统计工作特点、人脸画像变换系数特点、人脸画像代数特点等。人脸特征提取是针对人脸的某些特征。人脸特点可以提取，也称人脸表征，它是对人脸数据进行发展特点建模的过程。人脸识别技术特点提取的方法分析归纳起来分为两大类：一部分是基于理论知识的表征研究方法；另外还有一部分是基于代数特点或统计学生学习的表征方法。

   基于理论知识的表征分析方法主要是可以根据人脸器官的形状描述问题以及提高他们发展之间的距离特性来获得有助于人脸分类的特点就是数据，其特点分量通常需要包括特点点间的欧氏距离、曲率和角度等。脸部由眼睛，鼻子，嘴巴，下巴等组成。这些部分的几何描述及其结构关系可以作为人脸识别的重要特征，称为几何特征。基于理论知识的人脸表征主要内容包括企业基于几何特点的方法和模板匹配法。

人脸识别