人脸识别，重庆绿色智能技术研究院智能多媒体技术研究中心启动了以人脸识别为核心技术的人脸识别***方式的研究。 [4] 截止2014年8月，该中心已经完成了人脸识别***系统的关键性技术研究。该中心的人脸数据采集阵列，能够从91个角度对人脸同步采集，能对人脸识别影响多变光照、多角度、遮挡等状态进行的识别效果。智能多媒体技术研究中心的人脸识别系统已应用在边检站自动通关系统、动态人脸识别考勤机、多属性动态人脸识别系统等。在此基础上，中心研发出了人脸识别移动***系统，已能够实现***只需“刷脸卡”。

人脸识别的优势困难

优势人脸识别的优势在于其自然性和不被被测个体察觉的特点。所谓自然性，是指该识别方式同人类（甚至其他生物）进行个体识别时所利用的生物特征相同。例如人脸识别，人类也是通过观察比较人脸区分和确认身份的，另外具有自然性的识别还有虹膜识别语音识别、体形识别等，而***识别、虹膜识别等都不具有自然性，因为人类或者其他生物并不通过此类生物特征区别个体。不被察觉的特点对于一种识别方法也很重要，这会使该识别方法不令人反感。人脸识别具有这方面的特点，它完全利用可见光获取人脸图像信息，而不同于***识别或者虹膜识别，需要利用电子压力传感器采集***，或者利用红外线采集虹膜图像，这些特殊的采集方式很容易被人察觉，从而更有可能被伪装欺骗。困难人脸识别被认为是生物特征识别领域甚至人工智能领域困难的研究课题之一。人脸识别的困难主要是人脸作为生物特征的特点所带来的。

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。人脸检测过程中使用Adaboost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。