人臉識別(Face Recognition)是一種依據(jù)人的面部特征(如統(tǒng)計或幾何特征等)，自動進行身份識別的一種生物識別技術(shù)，又稱為面像識別、人像識別、相貌識別、面孔識別、面部識別等。通常我們所說的人臉識別是基于光學人臉圖像的身份識別與驗證的簡稱。

我們覺得，人臉識別利用攝像機或攝像頭采集含有人臉的圖像或視頻流，并自動在圖像中檢測和跟蹤人臉，進而對檢測到的人臉圖像進行一系列的相關(guān)應(yīng)用操作。技術(shù)上包括圖像采集、特征定位、身份的確認和查找等等。簡單來說，就是從照片中提取人臉中的特征，比如眉毛高度、嘴角等等，再通過特征的對比輸出結(jié)果。

人臉識別的一般流程：1）人臉采集：

（1）簡介：不同的人臉圖像通過攝像鏡頭采集得到，比如靜態(tài)圖像、動態(tài)圖像、不同的位置、不同表情等，當采集對象在設(shè)備的拍攝范圍內(nèi)時，采集設(shè)備會自動搜索并拍攝人臉圖像。

（2）人臉采集的主要影響因素：圖像大小：人臉圖像過小會影響識別效果，人臉圖像過大會影響識別速度。非專業(yè)人臉識別攝像頭常見規(guī)定的小識別人臉像素為60*60或100*100以上。在規(guī)定的圖像大小內(nèi)，算法更容易提升準確率和召回率。圖像大小反映在實際應(yīng)用場景就是人臉離攝像頭的距離。圖像分辨率：越低的圖像分辨率越難識別。圖像大小綜合圖像分辨率，直接影響攝像頭識別距離?，F(xiàn)4K攝像頭看清人臉的遠距離是10米，7K攝像頭是20米。光照環(huán)境：過曝或過暗的光照環(huán)境都會影響人臉識別效果?？梢詮臄z像頭自帶的功能補光或濾光平衡光照影響，也可以利用算法模型優(yōu)化圖像光線。模糊程度：實際場景主要著力解決運動模糊，人臉相對于攝像頭的移動經(jīng)常會產(chǎn)生運動模糊。部分攝像頭有抗模糊的功能，而在成本有限的情況下，考慮通過算法模型優(yōu)化此問題。遮擋程度：五官無遮擋、臉部邊緣清晰的圖像為佳。而在實際場景中，很多人臉都會被帽子、眼鏡、口罩等遮擋物遮擋，這部分數(shù)據(jù)需要根據(jù)算法要求決定是否留用訓(xùn)練。采集角度：人臉相對于攝像頭角度為正臉佳。但實際場景中往往很難抓拍正臉。因此算法模型需訓(xùn)練包含左右側(cè)人臉、上下側(cè)人臉的數(shù)據(jù)。工業(yè)施工上攝像頭安置的角度，需滿足人臉與攝像頭構(gòu)成的角度在算法識別范圍內(nèi)的要求。

2）人臉檢測：

（1）簡介：在圖像中準確標定出人臉的位置和大小，并把其中有用的信息挑出來（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），然后利用信息來達到人臉檢測的目的。

（2）人臉關(guān)鍵點檢測（人臉對齊）：自動估計人臉圖片上臉部特征點的坐標。

（3）主流方法：基于檢測出的特征采用Adaboost學習算法（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）挑選出一些能代表人臉的矩形特征（弱分類器），按照加權(quán)投票的方式將弱分類器構(gòu)造為一個強分類器，再將訓(xùn)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。近人臉檢測算法模型的流派包括三類及其之間的組合：viola-jones框架（性能一般速度尚可，適合移動端、嵌入式上使用），dpm（速度較慢），cnn（性能不錯）。

3）人臉圖像預(yù)處理：

（1）簡介：基于人臉檢測結(jié)果，對圖像進行處理并服務(wù)于特征提取的過程。

（2）原因：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矯正、噪聲過濾等圖像預(yù)處理。

（3）主要預(yù)處理過程：人臉對準（得到人臉位置端正的圖像），人臉圖像的光線補償，灰度變換、直方圖均衡化、歸一 化（取得尺寸一致，灰度取值范圍相同的標準化人臉圖像），幾何校正、中值濾波（圖片的平滑操作以消除噪聲）以及銳化等。

4）人臉特征提取：

（1）簡介：人臉識別系統(tǒng)可使用的特征通常分為視覺特征、像素統(tǒng)計特征、人臉圖像變換系數(shù)特征、人臉圖像代數(shù)特征等。人臉特征提取就是針對人臉的某些特征進行的，也稱人臉表征，它是對人臉進行特征建模的過程

（2）人臉特征提取的方法：

1、基于知識的表征方法（主要包括基于幾何特征法和模板匹配法）：根據(jù)人臉器官的形狀描述以及它們之間的距離特性來獲得有助于人臉分類的特征數(shù)據(jù)，其特征分量通常包括特征點間的歐氏距離、曲率、和角度等。人臉由眼睛、鼻子、嘴、下巴等局部構(gòu)成，對這些局部和他們之間結(jié)構(gòu)關(guān)系的幾何描述，可作為識別人臉的重要特征，這些特征被稱為幾何特征。

2、基于代數(shù)特征或統(tǒng)計學習的表征方法：基于代數(shù)特征方法的基本思想是將人臉在空域內(nèi)的高維描述轉(zhuǎn)化為頻域或者其他空間內(nèi)的低維描述，其表征方法為線性投影表征方法和非線性投影表征方法?；诰€性投影的方法主要有主成分分析法或稱K-L變化、獨立成分分析法和Fisher線性判別分析法。非線性特征提取方法有兩個重要的分支：基于核的特征提取技術(shù)和以流形學習為主導(dǎo)的特征提取技術(shù)。

5）匹配與識別：提取的人臉特征值數(shù)據(jù)與數(shù)據(jù)庫中存貯的特征模板進行搜索匹配，通過設(shè)定一個閾值，將相似度與這一閾值進行比較，來對人臉的身份信息進行判斷。