技术原理：
人脸识别内容
人脸识别技术包含三个部分：
(1)人脸检测
面貌检测是指在动态的场景与复杂的背景中判断是否存在面像，并分离出这种面像。一般有下列几种方法：
①参考模板法
首先设计一个或数个标准人脸的模板，然后计算测试采集的样品与标准模板之间的匹配程度，并通过阈值来判断是否存在人脸；
②人脸规则法
由于人脸具有一定的结构分布特征，所谓人脸规则的方法即提取这些特征生成相应的规则以判断测试样品是否包含人脸；
③样品学习法
这种方法即采用模式识别中人工神经网络的方法，即通过对面像样品集和非面像样品集的学习产生分类器；
④肤色模型法
这种方法是依据面貌肤色在色彩空间中分布相对集中的规律来进行检测。
⑤特征子脸法
这种方法是将所有面像视为一个面像子空间，并基于检测样品与其在子孔间的投影之间的距离判断是否存在面像。
值得提出的是，上述5种方法在实际检测系统中也可综合采用。
(2)人脸跟踪
面貌跟踪是指对被检测到的面貌进行动态目标跟踪。具体采用基于模型的方法或基于运动与模型相结合的方法。此外，利用肤色模型跟踪也不失为一种简单而有效的手段。
(3)人脸比对
面貌比对是对被检测到的面貌像进行身份确认或在面像库中进行目标搜索。这实际上就是说，将采样到的面像与库存的面像依次进行比对，并找出佳的匹配对象。所以，面像的描述决定了面像识别的具体方法与性能。目前主要采用特征向量与面纹模板两种描述方法：
①特征向量法
该方法是先确定眼虹膜、鼻翼、嘴角等面像五官轮廓的大小、位置、距离等属性，然后再计算出它们的几何特征量，而这些特征量形成一描述该面像的特征向量。
②面纹模板法
该方法是在库中存储若干标准面像模板或面像器官模板，在进行比对时，将采样面像所有象素与库中所有模板采用归一化相关量度量进行匹配。此外，还有采用模式识别的自相关网络或特征与模板相结合的方法。
人脸识别技术的核心实际为“局部人体特征分析”和“图形/神经识别算法。”这种算法是利用人体面部各器官及特征部位的方法。如对应几何关系多数据形成识别参数与数据库中所有的原始参数进行比较、判断与确认。一般要求判断时间低于1秒。
主要功能特色包括：
1.灵活的系统扩展性
基于先进的分布式系统架构，支持动态扩充人脸匹配服务器，实现千万级甚至亿级海量人脸库的支持。
2.的人脸比对性能
单台人脸匹配服务器每秒可完成 2000 万人次实时比对，从人脸检测到人脸识别耗时不足 200ms。在百万人脸库规模下，人脸比对结果前 10 位的命中率在95%以上
3.对人脸的宽容度高，具备人脸姿态矫正功能，当人脸左右上下倾斜在 25 度以内时不会影响识别结果。
支持基于可见光环境下的人脸识别，人脸识别结果受光线变化影响小。
对于人脸的变化，包括表情、胡须、眼镜、发型、年龄等，算法均具有良好的适应性，不影响识别准确度。
4.支持移动终端
系统客户端可运行在基于 Android 或 iOS 的移动终端上，可通过移动终端进行实时人脸采集与人脸比对。
适用范围： 公园、工厂、超市、小区广场、会议中心、体育场馆、学校、医院、住宅区、商业街、大型农贸市场等公众活动和聚集场所的重要部位，酒店（宾馆）、餐饮、娱乐场所、办公楼的大堂出入口、电梯和其他主要通道等室内外范围的监控录像用途。
-/gbaciei/-
http://www.shrrhb.com
