硬件型号：Deli 34521

系统版本：考勤机系统

人脸识别技术的核心其实是“人体局部特征分析”和“图形/神经识别算法”。本算法是利用人体面部器官和特征的方法。例如，将对应几何关系的多个数据形成的识别参数与数据库中的所有原始参数进行比较、判断和确认。一般判断时间小于1秒。人脸识别技术由三部分组成：

(1)人脸检测

人脸检测就是判断动态场景和复杂背景中是否存在人脸图像，并对该人脸图像进行分离。一般有以下几种方法：

参考模板法首先设计一个或多个标准人脸模板，然后计算测试样品与标准模板的匹配度，通过阈值判断是否存在人脸。

人脸规则法由于人脸具有一定的结构分布特征，所谓人脸规则法就是通过提取这些特征生成相应的规则来判断测试样本中是否含有人脸。

(3)样本学习方法本方法采用模式识别中的人工神经网络方法，即通过人脸图像样本集和非人脸图像样本集的学习生成分类器。

这种方法是根据肤色在色彩空间中相对集中的分布规律来检测的。

该方法将所有人脸集视为人脸子空间，根据检测样本与其在子空间中的投影之间的距离来确定人脸图像的存在性。值得一提的是，以上五种方法也可以集成到实际的检测系统中。

(2)人脸跟踪人脸跟踪是指对被检测人脸进行动态目标跟踪。具体采用基于模型或运动与模型相结合的方法。此外，利用肤色模型跟踪也是一种简单有效的方法。

(3)人脸比对人脸比对是对检测到的人脸图像进行识别或在人脸图像库中进行目标搜索。这本质上意味着依次将采样面与库存面进行比较，并找到最佳匹配。因此，对人脸图像的描述决定了人脸图像识别的具体方法和性能。特征向量和人脸图案模板主要用来描述：

特征向量法

该方法首先确定虹膜、鼻子、嘴巴等面部特征的大小、位置、距离等特征属性，然后计算其几何特征，这些特征形成描述面部图像的特征向量。

(2)人脸图案模板法

该方法是在库中存储多个标准面部模板或面部器官模板。在比较过程中，使用归一化相关度量将采样人脸图像的所有像素与库中的所有模板进行匹配。此外，还有使用模式识别或特征与模板组合方法的自相关网络。

(图片来自互联网)