人臉識別系統(tǒng)的研究始于20世紀60年代，80年代后隨著計算機技術和光學成像技術的發(fā)展得到提高，而真正進入初級的應用階段則在90年后期，并且以美國、德國和日本的技術實現(xiàn)為主；人臉識別系統(tǒng)成功的關鍵在于是否擁有尖1端的核心算法，并使識別結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、機器識別、機器學習、模型理論、專家系統(tǒng)、視頻圖像處理等多種專業(yè)技術，同時需結合中間值處理的理論與實現(xiàn)，是生物特征識別的1新應用，其核心技術的實現(xiàn)，展現(xiàn)了弱人工智能向強1人工智能的轉(zhuǎn)化。

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1能代表人臉的矩形特征(弱分類器)，按照加權投1票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。

人臉圖像預處理：對于人臉的圖像預處理是基于人臉檢測結果，對圖像進行處理并終服務于特征提取的過程。系統(tǒng)獲取的原始圖像由于受到各種條件的限制和隨機干擾，往往不能直接使用，必須在圖像處理的早期階段對它進行灰度校正、噪聲過濾等圖像預處理。對于人臉圖像而言，其預處理過程主要包括人臉圖像的光線補償、灰度變換、直方圖均衡化、歸1一化、幾何校正、濾波以及銳化等。