人脸与人体的其他生物特征(指纹、虹膜等)一样与生俱来，它的唯一性和不易复制性，为人像识别提供了必要的前提。人像识别是基于人脸特征信息的一种生物识别技术，在机器人、航空航天、刑事侦查、机场检查、小区物业、消费电子等领域有广泛应用。

人脸识别系统包括人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配识别4 部分，如图9-33 所示，该系统需要事先采集、建立待识别人脸数据库，称作训练阶段，才能在识别阶段通过搜索人脸数据库，与其中的人脸数据匹配比较，实现待识别人脸识别，这要较大的存储空间和较强的数据处理能力，必须基于计算机或微处理器的工作平台。

人脸及周围环境图像通过CMOS 摄像头摄取后，显示在液晶或LED 显示屏上，人脸的静态、动态、位置、表情图像都可以得到很好的采集。

图9-33　人脸识别系统组成

采集到的图像通过人脸检测标定人脸的位置和大小。人脸图像中包含的模式特征有：直方图(采样量化所得直方条图)特征、颜色特征、模板特征、结构特征及类Haar 特征(图像的局部灰度化，用以检测边界特征、细线特征、中心特征)等，通过人脸检测，把其中有用的信息挑出来。(www.daowen.com)

采集到的原始图像还要进行光线补偿、灰度校正、直方图均衡化(邻近直方条用平均值拉平)、归一化、几何校正、噪声滤波以及对比度锐化等预处理，使人脸图像特征明显。

人脸特征提取方法有两种，一种是基于知识的表征方法；另一种是基于统计学的表征方法。

人脸由眼睛、鼻子、嘴、下巴等局部构成，人脸的知识表征是对这些局部和它们之间结构关系的几何描述，即几何特征数字化。

匹配识别时，摄像头输入的人脸图像的几何特征数据，与数据库中存储的人脸几何特征模板数据进行搜索、匹配。其间会设定一个阈值，当相似度超过这一阈值时，则把该匹配模板数据输出。这一过程又分为确认和辨认两类。确认是一对一进行人脸图像匹配认定；辨认是一对多进行人脸图像匹配辨别。

基于统计学的表征方法，是用计算机图像处理技术从人脸图像中提取人像区域特征点，用生物统计学原理进行区域特征分析，建立数学模型，即人脸特征模板。分析识别时，用数据库中存储的人脸特征模板数据对摄像头输入的人脸图像数据进行区域特征点分析匹配，根据分析匹配所得相似值大小判定待识别人身份。

人脸识别的关键是计算方法和计算能力，目前一般是通过计算机或微处理器的核心处理器CPU、ARM 芯片进行图像采集，把CMOS 摄像头拍摄的视频中的人脸图像特征信息提取出来，送下一单元进行人脸识别结构化运算。目前结构化运算采用的有GPU 图形处理器、FPGA 场编程逻辑门阵列、ASIC 专用集成电路、DSP 数字信号处理器等芯片。人脸识别图像特征信息提取和深度学习计算的专用芯片正在研制中。