人脸识别系统的运用特点：

1、非接触：人脸图像的采集不同于***、掌纹需要接触指掌纹专用采集设备，指掌纹的采集除了对设备有一定的磨损外，也不卫生，而人脸图像采集的设备是摄像头，无须接触。

2、非侵扰：人脸照片的采集可使用摄像头自动拍照，无须工作人员干预，也无须被采集者配合，只需以正常状态经过摄像头前即可。

3、友好：人脸是一个人出生之后暴露在外的生物特征，因此它的隐私性并不像指掌纹、虹膜那样强，因此人脸的采集并不像指掌纹采集那样难以让人接受。

人脸识别识别算法。

基于光照估计模型理论

提出了基于Gamma灰度矫正的光照预处理方法,并且在光照估计模型的基础上，进行相应的光照补偿和光照平衡策略。

优化的形变统计校正理论

基于统计形变的校正理论，优化人脸姿态；强化迭代理论

强化迭代理论是对DLFA人脸检测算法的有效扩展；

独创的实时特征识别理论

该理论侧重于人脸实时数据的中间值处理，从而可以在识别速率和识别效能之间，达到***1佳的匹配效果。

人脸识别系统通常由以下构建模块组成：

1.人脸检测。人脸检测器用于寻找图像中人脸的位置，如果有人脸，就返回包含每张人脸的边界框的坐标。

2.人脸对齐。人脸对齐的目标是使用一组位于图像中固***置的参考点来缩放和裁剪人脸图像。还能实现人脸异常报警、视频预览、设备管理、智能配置、报警设置、用户管理等功能。这个过程通常需要使用一个特征点检测器来寻找一组人脸特征点，在简单的 2D 对齐情况中，即为寻找***适合参考点的***1佳仿射变换。更复杂的 3D 对齐算法还能实现人脸正面化，即将人脸的姿势调整到正面向前。

3.人脸表征。在人脸表征阶段，人脸图像的像素值会被转换成紧凑且可判别的特征向量，这也被称为模板。理想情况下，同一个主体的所有人脸都应该映射到相似的特征向量。

4.人脸匹配。在人脸匹配构建模块中，两个模板会进行比较，从而得到一个相似度分数，该分数给出了两者属于同一个主体的可能性。