人臉識別概要

　　人臉識別，是基于人的臉部特征信息進行身份識別的一種生物識別技術。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進行臉部的一系列相關技術，通常也叫做人像識別、面部識別。

　　人臉識別特點

　　非強制性：用戶不需要專門配合人臉采集設備，幾乎可以在無意識的狀態下就可獲取人臉圖像，這樣的取樣方式沒有“強制性”；

　　非接觸性：用戶不需要和設備直接接觸就能獲取人臉圖像；

　　并發性：在實際應用場景下可以進行多個人臉的分揀、判斷及識別；

　　除此之外，還符合視覺特性：“以貌識人”的特性，以及操作簡單、結果直觀、隱蔽性好等特點。

　　人臉識別技術原理分析

　　人臉識別主要分為人臉檢測（face detection）、特征提取（feature extraction）和人臉識別（face recognition）三個過程。

　　人臉檢測：人臉檢測是指從輸入圖像中檢測并提取人臉圖像，通常采用haar特征和Adaboost算法 訓練級聯分類器對圖像中的每一塊進行分類。如果某一矩形區域通過了級聯分類器，則被判別為人臉圖像。

　　特征提取：特征提取是指通過一些數字來表征人臉信息，這些數字就是我們要提取的特征。

　　常見的人臉特征分為兩類，一類是幾何特征，另一類是表征特征。幾何 特征是指眼睛、鼻子和嘴等面部特征之間的幾何關系，如距離、面積和角度等。由于算法利用了一些直觀的特征，計算量小。

　　不過，由于其所需的特征點不能精確選擇，限制了它的應用范圍。另外，當光照變化、人臉有外物遮擋、面部表情變化時，特征變化較大。所以說，這類算法只適合于人臉圖像的粗略識別，無法在實際中應用。

　　表征特征利用人臉圖像的灰度信息，通過一些算法提取全局或局部特征。其中比較常用的特征提取算法是LBP算法。LBP方法首先將 圖像分成若干區域，在每個區域的像素640x960鄰域中用中心值作閾值化，將結果看成是二進制數。

　　圖3顯示了一個LBP算子。LBP算子的特點是對單調 灰度變化保持不變。每個區域通過這樣的運算得到一組直方圖，然后將所有的直方圖連起來組成一個大的直方圖并進行直方圖匹配計算進行分類。

　　人臉識別：這里提到的人臉識別是狹義的人臉識別，即將待識別人臉所提取的特征與數據庫中人臉的特征進行對比，根據相似度判別分類。而人臉識別又可以分為兩個大類：一類是確認，這是人臉圖像與數據庫中已存的該人圖像比對的過程，回答你是不是你的問題;

　　另一類是辨認，這是人臉圖像與數據庫中已存的所有圖像匹 配的過程，回答你是誰的問題。顯然，人臉辨認要比人臉確認困難，因為辨認需要進行海量數據的匹配。常用的分類器有最近鄰分類器、支持向量機等。

　　人臉識別用途

　　人臉識別主要用于身份識別。由于視頻監控正在快速普及，眾多的視頻監控應用迫切需要一種遠距離、用戶非配合狀態下的快速身份識別技術，以求遠距離快速確認人員身份，實現智能預警。人臉識別技術無疑是最佳的選擇，采用快速人臉檢測技術可以從監控視頻圖象中實時查找人臉，并與人臉數據庫進行實時比對，從而實現快速身份識別。