人臉識別系統以人臉識別技術為核心，是一項新興的生物識別技術，是當今國際科技領域攻關的技術。它廣泛采用區(qū)域特征分析算法，融合了計算機圖像處理技術與生物統計學原理于一體，利用計算機圖像處理技術從視頻中提取人像特征點，利用生物統計學的原理進行分析建立數學模型，具有廣闊的發(fā)展前景。2006年，美國已經要求和它有出入免簽證協議的國家在10月26日之前必須使用結合了人臉識別的電子護照系統，到 2006年底已經有50多個國家實現了這樣的系統。2012年4月，鐵路部門宣布車站安檢區(qū)域將安裝用于身份識別的高科技安檢系統人臉識別系統；可以對人臉明暗偵測，自動調整動態(tài)曝光補償， 人臉偵測，自動調整影像放大。

人臉識別的普遍應用

人臉識別系統其實是臺特殊的攝像機，判斷速度相當快，只需要0.01秒左右，由于利用的是人體骨骼的識別技術，所以即使改裝，也難以蒙過它的眼睛。而且“人臉識別系統”具有存儲功能，只要把一些具有潛在危險性的“重點人物”的“臉部特寫”輸入存儲系統，重點人物如擅自闖關，就會在0.01秒之內被揪出來，同時向其他安保中心“報警”。另外，某些重要區(qū)域如控制中心只允許特定身份的工作人員進出，這時候面部檔案信息未被系統存儲的所有人全都會被拒之門外。

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。當用戶在采集設備的拍攝范圍內時，采集設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、結構特征及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組成一個級聯結構的層疊分類器，有效地提高分類器的檢測速度。