才没有几年，人脸识别技术就已经发展得相当成熟了，现在连我们小区的门禁都用的是人脸识别，所以，还是来学习一下，省得自己被偷拍了还不知道。
人脸识别流程
人脸识别的流程并不太复杂，主要分为以下三个步骤：
1) 建立人脸的面像档案：用摄像机采集人脸的面像文件或取他们的照片形成面像文件，并将这些面像文件生成面纹(Faceprint)编码贮存起来。
2) 获取当前的人体面像：用摄像机捕捉的当前人员的面像，或取照片输入，并将当前的面像文件生成面纹编码。
3) 用当前的面纹编码与档案库存的比对：将当前的面像的面纹编码与档案库存中的面纹编码进行检索比对。
人脸图像的预处理
采集到的人脸图像由于采集环境的不同，如光照明暗程度以及设备性能的优劣等，往往存在有噪声，对比度不够等缺点。另外，距离远近，焦距大小等又使得人脸在整幅图像中间的大小和位置不确定。为了保证人脸图像中人脸大小，位置以及人脸图像质量的一致性，必须对图像进行预处理。
图像预处理的主要目的是消除图像中无关的信息，滤除干扰、噪声。处理后恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据，从而改进特征抽取、图像分割、匹配和识别的可靠性。人脸图像的预处理主要包括人脸扶正，人脸图像的增强，以及归一化等工作。
预处理时的一些专业装B专用专业术语：直方图均衡、中值滤波、归一化，我们平民可以避而不谈。
人脸特征提取与选择
人脸特征可以选择鼻梁、眉骨、颧骨、下巴、嘴唇、眼睛等的形状和它们之间的几何关系（如相互之间的距离），以及耳廓和脸型等轮廓特征。
目前，国内外研究人脸特征提取算法的学者很多，有基于KL变换的特征脸识别、人脸等密度线分析匹配方法、遗传算法的人脸检测、神经网络的特征提取、特征脸法、弹性图匹配方法、变形模板匹配法、隐马尔可夫模型方法等。
特征向量提取人脸图像的特征向量由两部分组成:形状向量和纹理向量。人脸形状由位于人脸边缘的101个关键点的坐标表示，对训练图像的关键点坐标进行主分量分析，得到形状主元空间，测试图像的关键点坐标在形状主元空间进行投影得到形状特征向量。人脸纹理图像是通过将人脸图像通过基于三角形的仿射变换拉伸到标准形状获得。对训练图像的纹理进行主分量分析，得到纹理主元空间，测试图像的纹理在纹理主元空间进行投影得到纹理特征向量。
再来一些此步骤的专业词汇，当然，这些我们又不用了解，太专业了：
1、基于积分投影的人脸图像特征点提取；
2、基于小波分解谱性分析人脸特征提取；
3、基于SVD分解的特征提取方法；
人脸识别方法
1) 几何特征法
通过提取人脸的几何特征，包括人脸部件归一化的点间距离和比率以及人脸的一些特征点（如眼角、嘴角、鼻尖等），构成二维拓扑结构进行识别。人脸识别要求所构造的几何特征既要清晰区分不同对象人脸的差异，又要对光照背景条件不敏感，常规的几何特征量很难满足这些要求，从而该方法的识别效果不理想。
2) 模板匹配法
利用人脸的全局特征，根据人脸模板和相关参数进行识别。即将当前的面像与档案库存中存储的面像进行检索比对。这种方法简单易行，但对人脸角度、大小和光照条件这些全局特征非常敏感，对人脸本质区别的细节特征不敏感。
3) 模型法
包括特征脸方法、费舍尔方法、神经网络方法和HMM方法等。特征脸法是从主成分分析导出的一种人脸识别和描述技术。特征脸方法识别率较低,而神经网络方法由于采用自组织神经网络和卷积神经网络,识别率较高,但运算量大,消耗时间长。
没有几年人脸识别技术就已经发展得很成熟了。现在连我们小区的门禁都用的是人脸识别。再不学习就真的out了。
閱讀更多 野天鵝生活智慧 的文章
