人脸识别系统特点: a.集成了2种人脸检测算法，3种人脸识别算法，并为添加新算法提供了开放接口。 b.为系统设计的人脸信息数据库管理系统采用文档结构具有易于查询易于追加方便更新的特点，具有推广价值。 c.基于该系统设计了脆弱水印保护人脸图像数据库和保存额外信息方案，提高了安性，丰富了人脸图像信息内容。 该研究在综合测试系统的基础上实现网络化人脸识别系统，为商业应用提供网络人脸识别原型系统。该系统中，网络传输模块只传输有用的人脸信息，与传统的监控系统传输压缩视频相比，大大的降低了数据传输量。 该研究以人脸识别算法综合测试系统为实验平台，以网络人脸识别系统为原型，提出了联多模态并行计算人脸识别体系结构，该体系结构有良好的识别效率和鲁棒性。理想情况下该体系结构可以达到100％的识别率，而且良好的可扩展性使得识别速度几乎不受人脸信息数据库规模限制。
人脸识别系统具有广泛的应用：人脸识别出入管理系统、人脸识别门禁考勤系统、人脸识别监控管理、人脸识别电脑安防范、人脸识别照片搜索、人脸识别来访登记、人脸识别atm机智能视频报警系统、人脸识别监狱智能报警系统、人脸识别rfid智能通关系统、人脸识别公安罪犯追逃智能报警系统等等。
适用范围： 公园、工厂、超市、小区广场、会议中心、体育场馆、学校、、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、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。
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/-