基于先验知识的人脸检测：这种方式主要是选取了符合人体面部生理构造的模型，并且通过对大量的人脸图像的进行分析对比，通过采集人脸图像当中的灰度、人脸的边界以及皮肤的纹理等各类信息，构造出一种关于人脸信息的标准知识库。在对人脸的进行检测时，首先可以对图像抽取它的灰度和人脸边界的信息，然后通过对比验证，判断它是否与人脸知识库的先验知识相符合。 此类人脸检测适用于较为复杂的环境，但依赖先验知识且运算量较大。所以，这三种显式的人脸检测定位方法各有优缺点，针对不同的案例可以选不同的检测方法。

本文的设计采用的是第一种方法，第一种方法能过快速地检测出人脸。

2。2。2  检测的相关公式

   关于灰度变换的相关公式：

（1）（分段）线性变换：

（2）非线性变换：

关于人脸检测的相关公式：

式中：x,y表示的是图像坐标轴上的坐标，L表示的是区域边界的曲线，C代表的是区域边界的周长。

式中： 和 表示的是图像像素在整列像素之中的坐标，N表示的是人脸边缘像素的个数，L表示的是人脸边缘像素的总个数。

2。3  人脸图像的预处理文献综述

总结多数的文献可以得到，经常运用在人脸识别的过程中，对图像进行预处理的方法有：图像类型的转换、滤波去噪、灰度变换、边缘检测及二值化、尺寸归一化、灰度归一化等。[6。8]

   1)滤波去噪

在现实的图像传输过程当中因为多种因素的存在，都可能会对采集到的图像加入噪声，这些加入的噪声会给人脸图像的各方面质量带来影响，在采集人脸的特征之前可以通过滤波的方式来可以去除一定的噪声，这是在形成人脸识别系统的过程中的非常必要的一个步骤。滤波的方法主要有各种各样平滑滤波和各类锐化滤波。在人脸图像预处理中运用的较为广泛的滤波方法是平滑滤波，其主要方法有： 

   （1）线性滤波对采集到的人脸图像通过计算出的的线性滤波处理可以去除该人脸图像中某些特定类型的噪声。对传输获得的人脸图像，对其主要的噪声类型一般都用这种滤波方法来出去噪声的影响的。考虑到不同滤波模板的大小会在对图像进行滤波时的影响比较大，仿真系统在选择不同的算法时要针对不同一类型的滤波算法提供不同类型的模板大小。