人脸识别（Face Recognition）:相当于“是谁？”这个问题。它是通过对比分析识别输入的图像中的人脸，在一个或多个已经建立的较为大的人脸数据库之中进行对比分析，判断给出的图像当中的人脸是所在人脸数据库中的谁。

两者一个是“一对一”类别的，一个是“一对多”类别的。

2  人脸识别系统的设计

2。1  人脸识别的流程

人脸识别对于机器来说是一个非常繁复困难的过程，需要认为地制定一系列的步骤来加以实现的。具体流程图如图3-1所示。人脸识别系统主要可以分为以下几个步骤：一、人脸的检测定位：首先检测人脸的存在，给出结果；其次是对图像进行人脸的位置定位，将检测出来的人脸的具体位置的数据提取出来。二、图像的预处理：对于提取出来的人脸可以通过图像的处理。三、人脸的识别：借助人脸的描述进行对比就可以完成相对来说较为狭义的人脸识别了，即通过提取人脸面部的某些特征来确定人脸所对应的的身份信息。

图2-1 人脸识别的流程

2。2  人脸识别的检测定位

2。2。1  检测方法

人脸检测定位通过对不同类型的特征进行分类可以粗略地分为两大类：通过显式特征为基础来定位的方法和通过隐式特征为基础来定位的定位的方法。本文只考虑了直接可见的显式特征来定位人脸。

显式特征，顾名思义是指可以通过人类的眼睛直观了当能看见的特征，比如说：肤色、五官结构、脸部轮廓等。人们通过肉眼进行观察可以总结出图像中存在人脸和不存在人脸的区别，然后根据这些有差异的区域来判断此图像中是否存在满足这些人脸特征的地方，从而得出其是否存在人脸的结论。论文网

基于肤色模型的方法[4]：在颜色丰富的图像当中，我们可以观察到有人脸的区域肤色是最为显著的一个特征之一。利用人脸面部的颜色与其他颜色进行区分来检测是否存在人脸的想法是十分普遍的。但是由于每个区域，每个民族、每个种族的人都有可能存在肤色的不一，所以通过寻找他们肤色之间的共通点来检测，经过前人总结出来，认为人体表面的肤色能在颜色维度中单独地区分出来成为一类，而影响采集到的图像内人脸的肤色的变化的主要因素是图像亮度的变化。因此他们多数使用RGB颜色空间。我们可以考虑过滤去亮度值，对人脸图像中的像素点之间的ｒ、ｇ值与肤色范围来进行比较，判断该像素点及其邻域范围是否有可以认定是存在人脸区域。除了可以采用RGB颜色空间，还有像HIS，LUV，GLHS等其它类型的颜色空间也都有被使用。通过此类办法可以寻找到肤色区域，但是要排除掉类似于肤色的区域，我们还必须要多次进行验证筛选来提高面部识别的成功率。另有通过肤色像素来进行分割各类连通的区域，再使用椭圆来拟合这些区域，根据椭圆形状的长短轴比率的不同来判断图像中的是否有人脸的存在。 此类检测方法检测的速度较快，但是，当出现高光和阴影时，可能会因为人脸区域的色调被分隔而导致漏检。肤色区域的判别方法也还是会给人脸识别带来一定的错误率。

基于模板匹配的人脸检测：这种定位方法通常是先定义一个人脸模板并设其为标准，然后通过计算得到输入的人脸图像与标准的人脸模板的相似度；最终，确定一个似然度的阈值，通过判断图像的似然值是否超出阈值来判断该输入图像中是否有人脸的存在。人脸模板可以是固定的形式也可以是变化的。此类人脸检测的方法比较直观，具有较好的适应性。其缺点为:对人面部的表情变化，尺度变化较为敏感，检测率不高，而建设可变的模板又十分的困难。 MATLAB的人脸识别系统设计+程序(3):http://www.youerw.com/zidonghua/lunwen_201860.html