不得不承认，生活中越来越多的地方都需要动态人脸识别系统。除了上述的几种应用场景，未来还会有更多地方用到。动态人脸识别技术不需要门配合采集设备，被采集者不易察觉，几乎可以在无意识的状态下就可获取人脸图像，而且匹配准确率高，且不会疲劳 ，比人眼更可靠。
动态人脸识别是科学技术的产物，服务于社会，应用于社会。奇谷科技更是致力于人脸识别的的研究，是动态大容量人脸识别者。
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。
人脸识别技术广泛应用于智慧社区住宅文化建设
对于老旧小区，存在外来人员占比高、流动性强等特点，长期以来，外人可以随意进出，小区发案率高，治理难度大。这时候，人脸识别技术就该发挥作用了，启用人脸识别门禁之后,不曾在系统里登记过信息的人无法自由出入,有效杜陌生人随意进出,进步强化社区安管理。
可以说，人脸识别技术改变了传统的社区安管理方式，使得社区管理更加智能化、人性化和自主化。
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。
-/gbajffh/-