人脸识别技术

     人脸识别技术是一种生物识别技术，它通过摄像头采集人脸图像，或者在视频流中检测并跟踪人脸，基于脸部特征信息对人脸进行识别，通常也称为人像识别或面部识别。
    

人脸图像采集及检测

     当用户在采集设备拍摄范围内时，借助摄像头，不同的静态人脸图像、动态人脸图像、不同的人脸位置、不同的表情等都可以被设备搜索并采集下来。人脸检测技术实际运用在人脸识别的 预处理上，通过其中包含的直方图特征、颜色特征、模板特征、结构特征等一系列模式特征实现对图像中标定的人脸位置及大小等信息的处理。目前主流的特征检测方法是Adaboost算法。 该算法把相对较弱的分类方法通过组合的方式组合成很强的分类方法，通过该算法按照加权的方式将弱分类器(代表人脸的矩形特征)构造成强分类器，再将训练得到的强分类器串联组成级 联结构的层叠分类器，可极大地提升分类器的检测速度。
    

人脸图像预处理

     预处理就是对图像进行处理并最终服务于特征提取的过程，系统获得的原始图像往往因为不清晰而不能直接使用，必须在图像处理的早期阶段对其进行灰度校正、噪声过滤等预处理。预处理 过程主要通过灰度变换、直方图均衡化、归一化、几何校正、滤波及锐化等操作实现。
    

人脸图像特征提取

     人脸图像特征提取也称人脸表征，是通过对人脸的某些特征进行提取从而对人脸进行建模的过程。总的来说，提取方法分为两种：基于知识和基于几何特征的表征方法。基于知识的表征方法 主要根据人脸器官的形状及各器官之间的距离来获得有助于人脸分类的特征数据，其特征分量主要包括特征点间的欧几里得距离、曲率和角度等。基于几何特征的表征方法主要根据识别人脸 的重要特征来进行人脸图像特征提取，重要特征由眼睛、鼻子、嘴巴、下巴等局部特征和它们之间的结构关系构成。基于知识的表征方法主要包括基于几何特征的方法和模板匹配法。
    

人脸图像匹配与识别

     通过设定一个阈值，对提取出来的人脸图像的特征数据与数据库中存储的特征模板进行匹配，如果相似度超过这一阈值，则输出其结果。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比 较，根据相似程度对人脸的身份信息进行判断。该比较过程有两种，一种是一对一进行图像比较，另一种是一对多进行图像匹配辨认。
    

人脸识别的市场应用及发展前景

     早在20世纪60年代，就有研究人员开始研究人脸识别，但直到20世纪90年代后期，人脸识别技术才真正进入初级应用阶段，如今其成熟度已达到了较高的水准。人脸识别技术的整个发展过程可以分为机械识别、 半自动化识别、非接触式识别和互联网应用阶段。
     无论是国外的微软、谷歌、脸谱，还是国内的BAT(百度、阿里巴巴、腾讯),都对该领域进行了投入和研究，未来人脸识别技术的潜在市场规模将超过千亿元。
     现实中需要确认身份的场景数不胜数，人脸识别技术应用十分广泛。相比其他生物识别技术，人脸识别技术具有自然性和非接触性的天然优势，可以快捷、隐蔽地进行身份认定。但是，若用户化浓妆或戴眼镜、 受伤、整容，脸部特征就会发生变化。此外，外界光线的变化也会对人脸识别的准确率有较大影响。但毋庸置疑的是，“刷脸”将成为必然趋势，人脸识别技术一定会为人们未来的生活带来诸多便利。