发布单位：济南冠宇智能科技有限公司 发布时间：2022-7-24
人脸建模与检索系统可以将登记入库的人像数据进行建模提取人脸的特征，并将其生---脸模板（人脸特征文件）保存到数据库中。在进行人脸搜索时（搜索式），将的人像进行建模，再将其与数据库中的---的模板相比对识别，终将根据所比对的相似值列出相似的人员列表。---鉴别系统可以识别得出---头前的人是一个真正的人还是一张照片。以此杜绝使用者用照片作假。此项技术需要使用者作脸部表情的配合动作。图像检测图像的好坏直接影响到识别的效果，图像的检测功能能对即将进行比对的照片进行图像评估，并给出相应的建议值来辅助识别。
人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年后期，并且以美国、德国和日本的技术实现为主；人脸识别系统成功的关键在于是否拥有的---算法，并使识别结果具有实用化的识别率和识别速度；“人脸识别系统”集成了---、机器识别、机器学习、模型理论、系统、视频图像处理等多种---，同时需结合中间值处理的理论与实现，是生物特征识别的应用，其---的实现，展现了弱---向工智能的转化。
人脸图像采集：不同的人脸图像都能通过---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---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。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，组合出新的很强的分类方法。人脸检测过程中使用adaboost算法挑选出一些代表人脸的矩形特征(弱分类器)，按照加权的方式将弱分类器构造为一个强分类器，再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，有效地提高分类器的检测速度。
