.
-
点:
非强制性:用户不需要专门配合人脸采集设备,几乎可以在无意识的状态下就可获取人
脸图像,这样的取样方式没有“强制性〞;
非接触性:用户不需要和设备直接接触就能获取人脸图像; 并发性:在实际应用场
景下可以进展多个人脸的分拣、判断及识别; 除此之外,还符合视觉特性:“以貌识人〞
的特性,以及操作简单、结果直观、隐蔽性好等特点。
技术流程
编辑
人脸识别系统主要包括四个组成局部,分别为:人脸图像采集及检测、人脸图像预处理、
人脸图像特征提取以及匹配与识别。
人脸图像采集及检测
人脸图像采集:不同的人脸图像都能通过摄像镜头采集下来,比方静态图像、动态图像、
不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时,
采集设备会自动搜索并拍摄用户的人脸图像。
人脸检测:人脸检测在实际中主要用于人脸识别的预处理,即在图像中准确标定出人脸
的位置和大小。人脸图像中包含的模式特征十分丰富,如直方图特征、颜色特征、模板特征、
构造特征及 Haar 特征等。人脸检测就是把这其中有用的信息挑出来,并利用这些特征实现
人脸检测。
主流的人脸检测方法基于以上特征采用 Adaboost 学习算法,Adaboost 算法是一种用
来分类的方法,它把一些比拟弱的分类方法合在一起,组合出新的很强的分类方法。
人脸检测过程中使用 Adaboost 算法挑选出一些最能代表人脸的矩形特征(弱分类器),
按照加权投票的方式将弱分类器构造为一个强分类器,再将训练得到的假设干强分类器串联
组成一个级联构造的层叠分类器,有效地提高分类器的检测速度。
人脸图像预处理
人脸图像预处理:对于人脸的图像预处理是基于人脸检测结果,对图像进展处理并最终
效劳于特征提取的过程。系统获取的原始图像由于受到各种条件的限制和随机干扰,往往不
-
-可修编-