人脸辨认系统主要包括四个组成局部，分别为-人脸图像采集及检测、人脸图像预处置、人脸图像特征提取以及匹配与辨认。

人脸图像采集及检测

人脸图像采集-不同的人脸图像都能经过摄像镜头采集下来，比方静态图像、动态图像、不同的位置、不同表情等方面都能够得到很好的采集。

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-人脸检测在实践中主要用于人脸辨认的预处置，即在图像中精确标定出人脸的位置和大小。人脸图像中包含的形式特征非常丰厚，如直方图特征、颜色特征、模板特征、构造特征及Haar特征等。人脸检测是把这其中有用的信息挑出来，并应用这些特征完成人脸检测。

主流的人脸检测办法基于以上特征采用Adaboost学习算法，Adaboost算法是一种用来分类的办法，它把一些比拟弱的分类办法合在一同，组合出新的很强的分类办法。

人脸检测过程中运用Adaboost算法选择出一些能代表人脸的矩形特征(弱分类器)，依照加权投票的方式将弱分类器结构为一个强分类器，再将锻炼得到的若干强分类器串联组成一个级联合构的层叠分类器，有效地进步分类器的检测速度。

人脸图像预处置

人脸图像预处置-关于人脸的图像预处置是基于人脸检测结果，对图像停止处置并终效劳于特征提取的过程。系统获取的原始图像由于遭到

各种条件的限制和随机干扰，常常不能直接运用，必需在图像处置的早期阶段对它停止灰度校正、噪声过滤等图像预处置。关于人脸图像而言，其预处置过程主要包括人脸图像的光线补偿、灰度变换、直方图平衡化、归一化、几何校正、滤波以及锐化等。

人脸图像特征提取

人脸图像特征提取-人脸辨认系统可运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。人脸特征提取是针对人脸的某些特征停止的。人脸特征提取，也称人脸表征，它是对人脸停止特征建模的过程。人脸特征提取的办法归结起来分为两大类-一种是基于学问的表征办法；另外一种是基于代数特征或统计学习的表征办法。

基于学问的表征办法主要是依据人脸器官的外形描绘以及他们之间的间隔特性来取得有助于人脸分类的特征数据，其特征重量通常包括特征点

间的欧氏间隔、曲率和角度等。人脸由眼睛、鼻子、嘴、下巴等部分构成，对这些部分和它们之间构造关系的几何描绘，可作为辨认人脸的重要特征，这些特征被称为几何特征。基于学问的人脸表征主要包括基于几何特征的办法和模板匹配法。

人脸图像匹配与辨认

人脸图像匹配与辨认-提取的人脸图像的特征数据与数据库中存储的特征模板停止搜索匹配，经过设定一个阈值，当类似度超越这一阈值，则把匹配得到的结果输出。人脸辨认是将待辨认的人脸特征与已得到的人脸特征模板停止比拟，依据类似水平对人脸的身份信息停止判别。这一过程又分为两类-一类是确认，是一对一停止图像比拟的过程，另一类是识别，是一对多停止图像匹配比照的过程。