山东华瑞电子有限公司

人脸识别是一项热门的计算机技术研究领域，它属于生物特征识别技术，是对生物体（一般特指人）本身的生物特征来区分生物体个体。生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、、声音（语音）、体形、个人习惯（例如敲击键盘的力度和频率、签字）等，相应的识别技术就有人脸识别、指纹识别、掌纹识别、虹膜识别、识别、语音识别（用语音识别可以进行身份识别人脸识别闸机系统，也可以进行语音内容的识别，只有前者属于生物特征识别技术）、体形识别、键盘敲击识别、签字识别等。  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、结构特征及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，它把一些比较弱的分类方法合在一起人脸识别系统，组合出新的很强的分类方法。人脸识别开发工作的几个步骤：人脸图像采集及检测，检测 :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、结构特征及哈尔特征等，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。人脸图像预处理，基于人脸检测的结果人脸识别管理系统，对图像进行处理，为后面的特征提取服务，系统获取的人脸图像可能受到各种条件的限制和随机干扰，需要进行缩放、旋转、拉伸、光线补偿、灰度变换、直方图均衡化、规范化、几何校正、过滤以及锐化等图像预处理。人脸图像特征提取，就是将人脸图像信息数字化，将一张人脸图像转变为的一串数字(一般称为特征向量)。例如，对一张脸，找到它的眼睛左边、嘴唇右边、鼻子、下巴等位置，利用特征点间的欧氏距离、曲率和角度等提取出特征分量，终把相关的特征连接成一个长的特征向量。

人脸图像预处理：针对人脸的图像预处理是根据人脸检验結果，对图像开展解决并服务项目于svm算法的过程。系统软件获得的初始图像因为遭受各种各样标准的限定和任意影响，通常不可以立即应用，务必在图像解决的初期环节对它开展灰度级校准、噪音过虑等图像预处理。针对人脸图像来讲，其预备处理过程关键包含人脸图像的光线赔偿、灰度变换、条形图均衡、化、几何校正、过滤及其动态模糊等。

娱乐应用

人脸识别技术广泛地应用于日常生活中，如相机拍摄，图片对比等，尤其近两年来，相亲节目如火如荼，其中浙江的爱情连连看中的夫妻像环节就利用了人脸对比技术来测试男女主人公面相的相似程度。

随着移动互联网的崛起，一些人脸识别技术的将该项技术应用到娱乐领域中，如应用开心明星脸等，根据人脸的轮廓，肤色，纹理，质地，色彩，光照等特征来计算照片中主人公与明星的相似度。

人脸识别门和传统门禁的区别。

传统门禁面临的问题。

在传统的门禁卡系统中，一旦用户在使用过程中丢失门禁卡或丢失门禁卡，就会陷入无法通过的尴尬境地。

虽然指纹识别也是门禁卡的一大进步，但一旦使用者的指纹破皮，手湿，灰尘等。，仍然不能通过门禁。

人脸识别门禁系统的优势。

与上述两种门禁卡相比，人脸识别门禁系统具有明显的优势。人脸识别门禁系统可以根据人的面部特征进行识别，无需携带卡片即可通过。因此，人脸识别门禁系统越来越受欢迎。

人脸识别门的识别方法。

人脸识别是一种基于人脸特征信息的生物识别技术。对于输入的人脸图像或视频流，首先要判断是否有人脸。如果有人脸，会进一步给出每张脸的位置、大小和主要面部的位置信息。然后根据这些信息，进一步提取每张脸中包含的身份特征数据，并与已知人脸进行比较，以识别每张脸的身份。