什么是人脸检测？

人脸检测是人脸识别的流程之一，在图像中准确标定出人脸的位置和大小，并把其中有用的信息挑出来（如直方图特征、颜色特征、模板特征、结构特征及Haar特征等），然后利用信息来达到人脸检测的目的。

人脸关键点检测（人脸对齐）自动估计人脸图片上脸部特征点的坐标。

基于检测出的特征采用Adaboost学习算法（一种用来分类的方法，它把一些比较弱的分类方法合在一起，组合出新的很强的分类方法）挑选出一些蕞能代表人脸的矩形特征（弱分类器），按照加权投僄的方式将弱分类器构造为一个强分类器，再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，有效地提高分类器的检测速度。

近人脸检测算法模型的流派包括三类及其之间的组合：viola-jones框架（性能一般速度尚可，适合移动端、嵌入式上使用），dpm（速度较慢），cnn（性能不错）。

人脸识别，是视觉模式识别的一个细分问题，也大概是蕞难解决的一个问题。 其实我们人每时每刻都在进行视觉模式识别，我们通过眼睛获得视觉信息，这些信息经过大脑的处理被识别为有意义的概念。于是我们知道了放在我们面前的是水杯、书本，还是什么别的东西。

我们也无时无刻不在进行人脸识别，我们每天生活中遇到无数的人，从中认出那些熟人，和他们打招呼，打交道，忽略其他的陌生人。

人脸识别的一般流程

人脸识别利用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸图像进行一系列的相关应用操作，技术上包括图像采集、特征***、身份的确认和查找等等。简单来说，就是从照片中提取人脸中的特征，比如眉毛高度、嘴角等等，再通过特征的对比输出结果。人脸识别的一般流程：

一、人脸采集：

不同的人脸图像通过摄像镜头采集得到，比如静态图像、动态图像、不同位置、不同表情等，当采集对象在设备的拍摄范围内时，采集设备会自动搜索并拍摄人脸图像。

二、人脸检测方法

在图像中准确标定出人脸的位置和大小，并把其中有用的信息挑出来（如直方图特征、颜色特征、模板特征等），然后利用信息来达到人脸检测的目的。关键点检测是自动估计人脸图片上脸部特征点的坐标。

主流方法： 基于检测出的特征采用Adaboost学习算法挑选出一些代表人脸的矩形特征（弱分类器），按照加权的方式将弱分类器构造为一个强分类器，再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，有效地提高分类器的检测速度。

三、人脸图像预处理 由于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矫正、噪声过滤等图像预处理，并终服务于特征提取的过程。

主要预处理方法有：人脸对准，人脸图像的光线补偿，灰度变换、直方图均衡化、 化、几何校正、中值滤波以及锐化等。 四、人脸特征提取 人脸特征提取就是针对人脸的某些特征进行的，也称人脸表征，它是对人脸进行特征建模的过程。

五、匹配与识别 提取的人脸特征值数据与数据库中存贮的特征模板进行搜索匹配，通过设定一个阈值参数，将相似度与这一阈值进行比较，来对人脸的进行判断。