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(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(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(quán)的方式將弱分類器構(gòu)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(jié)構(gòu)的層疊分類器，有效地提高分類器的檢測速度。

現(xiàn)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(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(gòu)建人臉識別系統(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(shù)或系統(tǒng)。人臉識別技術(shù)的核心實際為“局部人體特征分析”和“圖形/神經(jīng)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(yīng)幾何關(guān)系多數(shù)據(jù)形成識別參數(shù)與數(shù)據(jù)庫中所有的原始參數(shù)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(shù)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(shù)廣泛應(yīng)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(shù)的發(fā)展過程中，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，簡稱LCD)等播放設(shè)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。