人脸识别原理及处理流程

人脸识别将是下述内容的主要介绍对象，通过这篇文章，小编希望大家可以对人脸识别的相关情况以及信息有所认识和了解，详细内容如下。

一、人脸识别技术的工作原理

简单说，人脸识别软件就是使用多种测量方法和技术来扫描人脸，包括热成像、3D人脸地图、独特特征(也称为地标)分类等分析面部特征的几何比例，关键面部特征之间的映射距离，皮肤表面纹理。人脸识别技术属于生物统计学的范畴，即生物数据的测量。生物识别技术的其他例子包括指纹扫描和眼睛/虹膜扫描系统。

现在，人脸识别法主要集中在二维图像方面，二维人脸识别主要利用分布在人脸上从低到高80个节点或标点，通过测量眼睛、颧骨、下巴等之间的间距来进行身份认证。在这里，节点是用来测量一个人面部变量的端点，比如鼻子的长度或宽度、眼窝的深度和颧骨的形状。该系统的工作原理是捕捉个人面部数字图像上节点的数据，并将结果数据存储为面纹。然后，脸纹被用作与从图像或视频中捕捉的人脸数据进行比较的基础。

虽然人脸识别软件只使用80个节点，但在条件允许的情况下，可以快速准确地识别目标个体。然而，如果受试者的脸部分被遮挡，或者在侧面而不是面向前方，这种软件就不那么可靠了。根据美国国家标准与技术协会(NIST)，自1993年以来，人脸识别系统的误报率每两年就减少一半。

二、人脸识别处理流程

1、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，比如静态图像、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、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。

2、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，对图像进行处理并最终服务于特征提取的过程。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，往往不能直接使用，必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言，其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。

3、人脸图像特征提取

人脸图像特征提取：人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取，也称人脸表征，它是对人脸进行特征建模的过程。人脸特征提取的方法归纳起来分为两大类：一种是基于知识的表征方法;另外一种是基于代数特征或统计学习的表征方法。

4、人脸图像匹配与识别

人脸图像匹配与识别：提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。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。这一过程又分为两类：一类是确认，是一对一进行图像比较的过程，另一类是辨认，是一对多进行图像匹配对比的过程。

最后，小编诚心感谢大家的阅读。你们的每一次阅读，对小编来说都是莫大的鼓励和鼓舞。希望大家对人脸识别已经具备了初步的认识，最后的最后，祝大家有个精彩的一天。