廣德工地人臉識別來電咨詢,宣城盛宇智能公司

人臉識別系統通常由以下構建模塊組成：

1、人臉檢測：人臉檢測器用于尋找圖像中人臉的位置，如果有人臉，就返回包含每張人臉的邊界框的坐標。

2、人臉對齊：人臉對齊的目標是使用一組位于圖像中固定位置的參考點來縮放和裁剪人臉圖像。這個過程通常需要使用一個特征點檢測器來尋找一組人臉特征點，在簡單的 2D 對齊情況中，即為尋找蕞適合參考點的蕞佳仿射變換。

3、人臉表征：在人臉表征階段，人臉圖像的像素值會被轉換成緊湊且可判別的特征向量，這也被稱為模板。理想情況下，同一個主體的所有人臉都應該映射到相似的特征向量。

4、人臉匹配：在人臉匹配構建模塊中，兩個模板會進行比較，從而得到一個相似度分數，該分數給出了兩者屬于同一個主體的可能性。

人臉識別是一種識別技術，用于檢測保存在數據集中的個人圖像的面部。 盡管其他身份識別方法可以更準確，但面部識別一直是研究的重點，因為它具有非干預性質，而且它對于人們來說是一種輕松的個人識別方法。

1、基于幾何/基于模板

人臉識別算法分為基于幾何或基于模板的算法。基于模板的方法可以使用SVM(支持向量機)、PCA(主成分分析)、LDA(線性判別分析)、核方法或跟蹤變換等統計工具構建。基于幾何特征的方法主要分析局部人臉特征及其幾何關系因此它也被稱為基于特征的方法。  

2、局部的/整體的

要素之間的關系或功能與整張臉之間的聯系并不影響數量，許多研究人員遵循這種方法，試圖推斷出相關的特征。有些方法嘗試用眼睛，一些特征的組合等。一些隱馬爾可夫模型方法也屬于這一類，他們的特征處理在人臉識別中非常有名。

3、基于外貌/基于模型

基于外觀的方法顯示了一張包含多個圖像的臉。被認為是高維向量的圖像。該技術通常用于從圖像分割中提取特征空間。另一方面，基于模型的方法嘗試對人臉進行建模。將新樣本實現到模型中，并用模型的參數對圖像進行識別。  

基于外觀的方法可以分為線性和非線性兩類。PCA、LDA、IDA用于直接法，而核PCA用于非線性方法。另一方面，在基于模型的方法中可分為二維或三維非彈性束圖匹配方法。

傳統的人臉識別技術主要是基于可見光圖像的人臉識別，這也是人們蕞熟悉的識別方式，已有30多年的研發歷史。但這種方式有著難以克服的缺陷，尤其在環境光照發生變化時，識別效果會急劇下降，無法滿足實際系統的需要。解決光照問題的方案有三維圖像人臉識別，和熱成像人臉識別。但這兩種技術還遠不成熟，識別效果不盡人意。

迅速發展起來的一種解決方案是基于主動近紅外圖像的多光源人臉識別技術。它可以克服光線變化的影響，已經取得了識別性能，在精度、穩定性和速度方面的整體系統性能超過三維圖像人臉識別。這項技術在近兩三年發展迅速，使人臉識別系統逐漸走向實用化。

人臉與人體的其它生物特征（指紋、虹膜等）一樣與生俱來，它的 性和不易被復質的良好特性為身份鑒別提供了必要的前提。

人臉識別系統主要包括四個組成部分，分別為：人臉圖像采集及檢測、人臉圖像預處理、人臉圖像特征提取以及匹配與識別。下面宣城盛宇小編給大家介紹一下人臉圖像預處理。

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，對圖像進行處理并蕞終服務于特征提取的過程。系統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、幾何校正、濾波以及銳化等。