种人脸识别系统,其特征在于,包括：人脸信息采集子系统,负载均衡子系统,以及至少个人脸识别子系统,其中,所述人脸信息采集子系统,用于获取人脸信息,并向所述负载均衡子系统发送人脸识别请求,其中,所述人脸识别请求中至少携带有所述人脸信息；所述负载均衡子系统,用于基于各个人脸识别子系统分别对应的平均负载值,从所有人脸识别子系统中,选取个所述人脸识别子系统,并将所述人脸识别请求转发至选取的所述人脸识别子系统；所述人脸识别子系统,用于从自身管辖的所有人脸识别服务器中,选取预设数目的人脸识别服务器分别对所述人脸识别请求中携带的人脸信息进行处理,获取每台人脸识别服务器在处理所述人脸信息后生成的处理结果,并基于各个处理结果,获取所述人脸信息对应的人脸识别结果。
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、归化、几何校正、滤波以及锐化等。
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。
主流的人脸检测方法基于以上特征采用adaboost学习算法，adaboost算法是种用来分类的方法，它把些比较弱的分类方法合在起，组合出新的很强的分类方法。
人脸检测过程中使用adaboost算法挑选出些能代表人脸的矩形特征(弱分类器)，按照加权投票的方式将弱分类器构造为个强分类器，再将训练得到的若干强分类器串联组成个联结构的层叠分类器，有效地提高分类器的检测速度。
人脸识别系统是基于建立“以员工为服务对象、以企业管理为目的，以多种信息化技术为管理手段、结合以人为本的服务理念，实现脸认证通过考勤、进出权限认证、用餐认证等综合管理系统”的总体设计思路。
-/gbajffh/-