人脸识别到底是怎么个过程呢？

人脸简搜物识别流程

人脸识别系统通常包括几个过程：人脸图像采集及检测、关键点提取、人脸规整（图像处理）、人脸特征提取和人脸识别比对。

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。

关键点提取（特征提取）。人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取，漏旦也称人脸表征，它是对人脸进行特征建模的过程。人脸特征提取的方法归纳起来分为两大类：一种是基于知识的表征方法；另外一种是基于代数特征或统计学习的表征方法。

人脸规整（预处理）。对于人脸的图像预处理是基于人脸检测结果，对图像进行处理并最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。对于人脸图像而言拦液，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、归一化、几何校正、滤波以及锐化等。

人脸识别比对（匹配与识别）。提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断。可分为1:1、1:N、属性识别。其中1:1是将2张人脸对应的特征值向量进行比对，1:N是将1张人脸照片的特征值向量和另外N张人脸对应的特征值向量进行比对，输出相似度最高或者相似度排名前X的人脸。

人脸识别过程中需要先采集人脸图像，在实际场景下，考虑到用户体验，一般都是在非限制条件下拍摄的人脸，在这种环境下拍摄到的人脸存在着各种大角度、暗光、强光、背光、遮挡、模糊、噪点等等问题，这些低质量的图像很大程度上会影响人脸算法的识别准确率。所以为什么大家经常听到算法在测试集下识别率高达99%甚至以上，但一摸一样的算法，拿到真实环境下却嫌如变成了60%、70%，主要是因为测试集与真实的场景差异很大，也就是算法的识别率与场景关联性很强，不同的场景下表燃亏现的差芹段启异会很大。提升算法的识别准确率，除了提升算法的鲁棒性外，可以从源头摄像头端着手提升图像采集的质量，同时可以对采集的人脸图像进行预处理，用图像增强提升图像质量。

办业务人脸识别应该不会拍到旁人。因为办业务的摄像头都是固定好的一般自己站好了角度就只能显示自己的脸，人脸识别是细微动态识别，其会产生大量的细节图片，然后去做数据比较，对比一张图片，而且它的存储量有限，因此通常的企业数据库都会节省自己的存储量，只存储精准有用的信息。

人脸识别的作用

人脸图像匹配与识别提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸启闹的身份信息进行判断。

这腊旁厅一过程又分为两类，一类是确认，是一对一进行图像比较的过程，另一类是辨认，是一对多进行图像匹配对比的过程，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，对图像进行处理并最终服务于特征提取的轮隐过程。

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、归一化、几何校正、滤波以及锐化等。

---