、小區(qū)廣場、會議中心
、體育場館
、學(xué)校、醫(yī)院
、住宅區(qū)
、商業(yè)街、大型農(nóng)貿(mào)市場等公眾活動和聚集場所的重要部位
，酒店（賓館）
、餐飲、娛樂場所
、辦公樓的大堂出入口
、電梯和其他主要通道等室內(nèi)外范圍的監(jiān)控錄像用途。
人臉的識別過程一般分三步：(1)首先建立人臉的面像檔案
。即用攝像機采集單位人員的人臉的面像文件或取他們的照片形成面像文件，并將這些面像文件生成面紋(Faceprint)編碼貯存起來
。(2)獲取當前的人體面像
。即用攝像機的當前出入人員的面像，或取照片輸入
，并將當前的面像文件生成面紋編碼
。(3)用當前的面紋編碼與檔案庫存的比對。即將當前的面像的面紋編碼與檔案庫存中的面紋編碼進行檢索比對
。上述的“面紋編碼”方式是根據(jù)人臉臉部的本質(zhì)特征和開頭來工作的
。這種面紋編碼可以抵抗光線、皮膚色調(diào)、面部毛發(fā)
、發(fā)型
、眼鏡、表情和姿態(tài)的變化
，具有強大的可靠性
，從而使它可以從百萬人中地辨認出某個人。人臉的識別過程
，利用普通的圖像處理設(shè)備就能自動
、連續(xù)、實時地完成
。
人臉圖像采集：不同的人臉圖像都能通過攝像鏡頭采集下來
，比如靜態(tài)圖像、動態(tài)圖像
、不同的位置
、不同表情等方面都可以得到很好的采集。當用戶在采集設(shè)備的拍攝范圍內(nèi)時
，采集設(shè)備會自動搜索并拍攝用戶的人臉圖像
。人臉檢測：人臉檢測在實際中主要用于人臉識別的預(yù)處理，即在圖像中準確標定出人臉的位置和大小
。人臉圖像中包含的模式特征十分豐富
，如直方圖特征、顏色特征
、模板特征
、結(jié)構(gòu)特征及Haar特征等。人臉檢測就是把這其中有用的信息挑出來
，并利用這些特征實現(xiàn)人臉檢測
。主流的人臉檢測方法基于以上特征采用Adaboost學(xué)習(xí)算法，Adaboost算法是一種用來分類的方法
，它把一些比較弱的分類方法合在一起
，組合出新的很強的分類方法。人臉檢測過程中使用Adaboost算法挑選出一些代表人臉的矩形特征(弱分類器)
，按照加權(quán)的方式將弱分類器構(gòu)造為一個強分類器
，再將訓(xùn)練得到的若干強分類器串聯(lián)組成一個級聯(lián)結(jié)構(gòu)的層疊分類器，有效地提高分類器的檢測速度
。
供應(yīng)信息
