为想要实现这个技术的话，还得从一百年前开始说起。

　　在十九世纪七十年代，一名叫贝迪永的巴黎警察根据人体特征，开发出了一种人体测量学，其中包括部分人脸特征。

　　此君认为人到二十岁，骨骼就会基本定型。

　　通过记录人的头长、头宽、中指长度、耳长、身高、坐高等多组数据，配上相应的面部照片，来比对识别罪犯。

　　然而这种全人工的方法既费时费力，准确率也不高，急需自动化高精度的人脸识别系统。

　　真正自动化的人脸识别系统的研究始于六十年代。

　　而许多年则是在六十年代启动了和平岛之后，就已经开始启动了计算机技术和光学成像技术等相关科技的发展项目。

　　整个人脸自动识别系统技术，最重要的还是人脸特征数据库。

　　从待注册人脸图像到人脸检测，然后到关键点检测，接着就是人脸对齐，然后就是特征提取，最后才是人脸特征数据库。

　　人脸检测是指在给定的人脸图像中准确定位出人脸的位置和大小。

　　只有明确知道被检测主体的人脸在哪里，才能开展后续的人脸相关任务。

　　所以说人脸检测是人脸相关算法及工程落地的基础算法。

　　理论上，通用物体检测算法都可以直接用来做人脸检测，只需要改一下输出类别即可。

　　通用物体检测考虑的是更广泛通用的物体，具有场景复杂多变，物体形状、背景、大小等都比人脸这种单一的类别更复杂。

　　人脸检测虽然类别单一，但也不是那么简单，姿态、光照、遮挡以及极小人脸等都是人脸检测里面的难点。

　　基于通用物体检测算法基础，人脸检测的问题可以针对性优化，如锚设置、背景处理、抑制误检等。

　　这个时空的白头鹰，已经有了早期的人脸检测算法，但还是非常浅显的技术。

　　比如白头鹰那边的算法就是使用模板匹配技术，即用一个人脸模板图像与被检测图像中的各个位置进行匹配，确定这个位置处是否有人脸。

　　而和平岛这边，以及薄扶林道的那个研发中心，早已经研发出来了滑动窗口扫描技术。

　　此技术便是要对图像进行反复缩放扫描，得到的图像非常多，而绝大部分窗口都是背景，即人脸是一个稀疏事件，如果能快速的背景图像子窗口排除掉，则能大大提高目标检测的效率。

　　所以采用AdaBoost这样的级联分类器进行人脸检测。

　　这种思想的精髓在于用简单的弱分类器在初期快速排除掉大量的非人脸窗口，同时保证高的召回率，最终能通过所有级弱分类器的窗口即认为包括人脸。

　　除此之外，便是卷积神经网络技术在图像分类问题上取得成功之后，很快被用于人脸检测。

　　许多年并不是很清楚这些技术，所以肖一堂他们这些科研

　　请收藏：https://m.bj11.cc

（温馨提示：请关闭畅读或阅读模式，否则内容无法正常显示）