图1-1人脸识别系统框图

首先，是人脸检测与定位，也就是检测图像中是否有人脸。有则将其从背景里分割出来，并确定它在图像中的位置。在一些情况下，拍摄条件可控，譬如在拍摄涉嫌犯罪者的照片时，可以令他们把脸靠近标尺，此时人脸的定位就很简单。但在某些其他的情况下，预先并不能知道图像里人脸的位置。像在一些拍摄照片的背景较为复杂时，以下因素将会影响人脸的检测与定位：

(1) 发型和化妆可能会遮盖某些特征；

(2) 人脸在图像里的位置、尺度和旋转角度：

(3)图像里出现的噪声；

所以人脸的检测和定位同样是人脸识别技术中的一个比较突出的问题。此问题的重点在于怎样从简单或复杂的背景中把单个的人脸分割出来。通常分割的主要方法有：基于皮肤颜色的分割方法，基于神经网络的方法，基于人脸对称的方法，使用人脸模板等[4]。源.自/吹冰·论\文'网·www.chuibin.com/

其次是特征的提取，通常在特征提取之前还需要将图像归一化。得到人脸定位后，据此把图像中人脸转换为同一尺寸和方位，并且对光照加以补偿，来减小光照变化的影响。根据识别方法的不同而不同是特征提取的主要方式。根据几何方面的特征来识别时，直接提取某些此类特征点（如眼、眉、嘴、鼻等部位）来构成二维拓扑结构，继而构造特征矢量；在统计识别中，特征脸方法则是利用图像的相关矩阵的特征矢量来构造特征脸；模板匹配法则是利用模板与图像灰度的自相关性以形成特征矢量。特征提取是人脸识别当中非常关键的一个部分。

最后则是人脸识别。识别的任务为选取合适的分类器，把待识别图像与数据库进行匹配。识别有两个主要任务，即人脸的辨认和人脸的验证。人脸的辨认就是确定为数据库中的哪一个，人脸的验证则是验证某人的身份是否属实。识别人脸的正面视图上通用的技术效果很好，但他们针对姿态的变化并不鲁棒，因为在平动和转动的人脸上，通用的特点是高度敏感的。为了避免这个问题，在对人脸分类之前，可以增加一个对准阶段。把一幅输入的人脸图像和一幅参考的人脸图像对齐需要计算两幅人脸图像之间的对应程度。通常对应程度是由人脸上少数的突出点来确定的，如眼睛的中心，鼻孔，或者嘴角。图像区域也被转化为灰度级并被均匀化，然后用椭圆形的掩膜进行分割并标准化。最后，识别算法把处理后的图像和一组预先录制的、都属于同一主题的人脸进行比较，以找到最佳匹配。这个算法也通常返回当前人脸和参考模板之间的相似度的度量。

1．2  目前的研究水平、存在问题及可能的原因