人脸识别的一般方法 双目人脸识别解决方案定制找佩特

首先以人脸对比场景为例，介绍一种人脸对比的可行思路。虽然人脸识别的应用很广泛，而且用到的具体技术也不尽相同，但是，有很多步骤其实是类似的。佩特科技的双目人脸识别解决方案成熟，同时独立研发出可以直接在设备上配备的高性能双目摄像头，利用红外立体成像检测等技术，完成活体检测功能，实现精准的识别判定，识别精度高、速度快，可以给用户带来极致的“刷脸”体验。

下面我们简要介绍一下其中的一些关键步骤。

1. 图像预处理

如图片带有噪声，或者图片尺寸不符合系统要求等，这些都是预处理这一步需要做的事。而对应的处理方法可以是对图片进行滤波等操作，从而使图片更加符合系统要求。

2. 人脸检测

人脸检测就是用来判断一张图片中是否存在人脸的操作。如果图片中存在人脸，则定位该人脸在图片中的位置；如果图片中不存在人脸，则返回图片中不存在人脸的提示信息。

3. 人脸校正

人脸校正又可以称为人脸矫正、人脸扶正、人脸对齐等。这些在几何形态上似乎不是很规整的面部图像，可能会对后续的人脸相关操作造成不利影响。于是，就有人提出了人脸校正。人脸校正是对图片中人脸图像的一种几何变换，目的是减少倾斜角度等几何因素给系统带来的影响。

4. 人脸特征点定位

人脸特征点定位是指在检测到图片中人脸的位置之后，在图片中定位能够代表图片中人脸的关键位置的点。常用的人脸特征点是由左右眼、左右嘴角、鼻子这5个点组成的5点人脸特征点，以及包括人脸及嘴唇等轮廓构成的68点人脸特征点等。

5. 人脸特征提取

对于很多人脸识别应用来说，人脸特征提取是十分关键的步骤。例如在性别判断、年龄识别、人脸对比等场景中，将已提取到的人脸特征为主要的判断依据。提取到的人脸特征质量的优劣将直接影响输出结果正确与否。从宏观角度来看，特征提取过程可以看作一个数据抽取与压缩的过程。

6. 分类器

分类器其实指代的是一种分类算法。例如我们需要判断图片中人脸所属者的性别，在提取到人脸图像的高级特征之后，我们要根据这个提取到的特征来判断其性别。