人脸识别模板

① 用orl数据库做人脸识别训练样本是随机选的吗

ORL人脸数据库，用来处理人脸识别的好工具，40个人，每版个人10副图权像。
-ORL face database is used to handle a good tool for face recognition, 40 indivials, each 10 images.

② 一款人脸识别门禁一体机,通过摄像镜头捕捉人脸信息,并将所拍图像与系统数据库中预先录入的人脸照片模板进

50cm。希望会帮助你。

③ 在人脸识别软件系统识别的过程中，对于人脸检测，现在主流的方法都基本有啥可以的话详细介绍一下吧。

基于知识的方法

基于知识的方法（Knowledge-Based Methods）一是基于规则的人脸检测方法。规则来源于研究者关于人脸的先验知识。一般比较容易提出简单的规则来描述人脸特征和它们的相互关系。

Yang和Huang使用分层的基于知识的人脸检测方法[11]。他们的系统由3级规则组成。在最高级，通过扫描输入图像的窗口和应用每个位置的规则集找到所有可能的人脸候选区。较高级的规则通常描述人脸看起来象什么，而较低级的规则依赖于面部特征的细节。多分辨率的分层图像通过平均和二次采样生成，如图2所示。

编码规则通常在较低的分辨率下确定人脸的候选区，包括人脸的中心部分图中较浅的阴影部分，其中有个基本上相同的灰度单元。

基于特征的方法

基于特征的方法（Feature-Based Methods）不仅可以从已有的面部特征而且可以从它们的几何关系进行人脸检测。和基于知识的方法相反，它是寻找人脸的不变特征用于人脸检测。人们已经提出了许多先检测人脸面部特征，后推断人脸是否存在的方法。面部特征如眉毛、眼睛、鼻子、嘴和发际等，一般利用边缘检测器提取。根据提取的特征，建立统计模型描述特征之间的关系并确定存在的人脸。基于特征的算法存在的问题是，由于光照、噪声和遮挡等使图像特征被严重地破坏，人脸的特征边界被弱化，阴影可能引起很强的边缘，而这些边缘可能使得算法难以使用。

模板匹配的方法

Sakai等人用眼睛、鼻子、嘴和人脸轮廓等子模板建模，检测照片中的正面人脸。每一个子模板按照线分割定义。基于最大梯度变化提取输入图像的线，然后与子模板匹配。计算子图像和轮廓模板之间的相互关系检测人脸的候选区域，完成用其他子模板在候选区域的匹配。

Craw等人提出了一种基于正面人脸的形状模板即人脸的外形定位方法。用Sobel算子提取边缘，将边缘组织在一起，根据几个约束条件去搜索人脸模板。在头轮廓定位。

Govindaraju等人提出两个阶段的人脸检测方法。人脸模型根据边缘定义的特征构成。这些特征描述了正面人脸的左边、发际和右边的曲线。人脸必须是垂直、无遮挡和正面的。

基于外观的方法

基于外观的方法首先通过学习，在大量训练样本集的基础上建立一个能对人脸和非人脸样本进行正确识别的分类器，然后对被检测图像进行全局扫描，用分类器检测扫描到的图像窗口中是否包含人脸，若有则给出人脸所在的位置。

Moghaddam和Pentland提出在高维空间利用特征空间分解密度估计的概率视觉学习方法[12]。用主成分(PCA)分析来定义子空间从而最好地表示人脸模式集。主成分保存数据中主分量而丢弃了那些次分量。这种方法把向量空间分解为互相排斥和互为补充的2个子空间主子空间或特征空间和它的正交子空间。因此对象密度被分解为个2成分在主子空间由主分量张成的密度，和它的垂直成分(在标准的PCA中被丢弃的次分量)如图3所示。用多变量Gaussians和混合Gaussians密度分布进行学习人脸局部特征的统计。然后将这些概率密度用于基于最大

似然估计的对象检测。这种方法已经被用于人脸定位、编码和识别。和传统的特征脸方法相比，此方法在人脸识别方面表现出更好的性能。

可以的话去Ph一下colorreco，技术过硬，值得我们大家学习。

④ 关于在人脸识别考勤机上做假过关

所谓用假面、图片、修改数据、破解管理员等，都是忽悠人的东西，假面如果可行，也就是百分之百地能仿效出人的皮肤，这可是医学一大难题呀！图片如果能过，那台必定不是人脸识别考勤机！修改数据、破解管理员就更是自找麻烦，电脑数据安全早就有层层设防，你的一举一动都会被记录在案，更严重的是，这可涉及到刑事责任！！！

⑤ 人脸识别

什么是人脸识别
人脸识别，特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。
人脸识别概述
广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。
人脸识别是一项热门的计算机技术研究领域，它属于生物特征识别技术，是对生物体（一般特指人）本身的生物特征来区分生物体个体。生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音（语音）、体形、个人习惯（例如敲击键盘的力度和频率、签字）等，相应的识别技术就有人脸识别、指纹识别、掌纹识别、虹膜识别、视网膜识别、语音识别（用语音识别可以进行身份识别，也可以进行语音内容的识别，只有前者属于生物特征识别技术）、体形识别、键盘敲击识别、签字识别等。
人脸识别的优势
人脸识别的优势在于其自然性和不被被测个体察觉的特点。
所谓自然性，是指该识别方式同人类（甚至其他生物）进行个体识别时所利用的生物特征相同。例如人脸识别，人类也是通过观察比较人脸区分和确认身份的，另外具有自然性的识别还有语音识别、体形识别等，而指纹识别、虹膜识别等都不具有自然性，因为人类或者其他生物并不通过此类生物特征区别个体。
不被察觉的特点对于一种识别方法也很重要，这会使该识别方法不令人反感，并且因为不容易引起人的注意而不容易被欺骗。人脸识别具有这方面的特点，它完全利用可见光获取人脸图像信息，而不同于指纹识别或者虹膜识别，需要利用电子压力传感器采集指纹，或者利用红外线采集虹膜图像，这些特殊的采集方式很容易被人察觉，从而更有可能被伪装欺骗。
人脸识别的困难
虽然人脸识别有很多其他识别无法比拟的优点，但是它本身也存在许多困难。人脸识别被认为是生物特征识别领域甚至人工智能领域最困难的研究课题之一。人脸识别的困难主要是人脸作为生物特征的特点所带来的。人脸在视觉上的特点是：
第一，不同个体之间的区别不大，所有的人脸的结构都相似，甚至人脸器官的结构外形都很相似。这样的特点对于利用人脸进行定位是有利的，但是对于利用人脸区分人类个体是不利的；
第二，人脸的外形很不稳定，人可以通过脸部的变化产生很多表情，而在不同观察角度，人脸的视觉图像也相差很大，另外，人脸识别还受光照条件（例如白天和夜晚，室内和室外等）、人脸的很多遮盖物（例如口罩、墨镜、头发、胡须等）、年龄等多方面因素的影响。
在人脸识别中，第一类的变化是应该放大而作为区分个体的标准的，而第二类的变化应该消除，因为它们可以代表同一个个体。通常称第一类变化为类间变化（inter-class difference），而称第二类变化为类内变化（intra-class difference）。对于人脸，类内变化往往大于类间变化，从而使在受类内变化干扰的情况下利用类间变化区分个体变得异常困难。
人脸识别的技术细节
一般来说，人脸识别系统包括图像摄取、人脸定位、图像预处理、以及人脸识别（身份确认或者身份查找）。系统输入一般是一张或者一系列含有未确定身份的人脸图像，以及人脸数据库中的若干已知身份的人脸图象或者相应的编码，而其输出则是一系列相似度得分，表明待识别的人脸的身份。
人脸识别的算法种类
基于人脸部件的多特征识别算法(MMP-PCA recognition algorithms)。
基于人脸特征点的识别算法（Feature-based recognition algorithms）。
基于整幅人脸图像的识别算法（Appearance-based recognition algorithms）。
基于模板的识别算法（Template-based recognition algorithms）。
利用神经网络进行识别的算法（Recognition algorithms using neural network）。
人脸识别的应用
人脸识别的应用主要有：
·公安刑侦破案：通过查询目标人像数据寻找数据库中是否存在重点人口基本信息。例如在机场或车站安装系统以抓捕在逃案犯。
·门禁系统：受安全保护的地区可以通过人脸识别辨识试图进入者的身份。
·摄像监视系统：例如在机场、体育场、超级市场等公共场所对人群进行监视，以达到身份识别的目的。例如在机场安装监视系统以防止恐怖分子登机。
·网络应用：利用人脸识别辅助信用卡网络支付，以防止非信用卡的拥有者使用信用卡等。
人脸识别软件
人脸识别软件顺应当前的要求，慢慢走上了历史的舞台。KnowU (基于视频的人脸识别系统), 是当前不多的人脸识别软件中具有代表性的一款，它是由个人开发编写的，并且随着版本的升级，逐渐具有了商业开发的色彩，在网上已经免费发布试用了。
人脸识别系统
脸识别系统以人脸识别技术为核心，是一项新兴的生物识别技术，是当今国际科技领域攻关的高精尖技术。人脸因具有不可复制、采集方便、不需要被拍者的配合而深受欢迎。人脸识别系统具有广泛的应用：人脸识别出入管理系统、人脸识别门禁考勤系统、 人脸识别监控管理、人脸识别电脑安全防范、人脸识别照片搜索、人脸识别来防登记等等。

⑥ 人脸识别是怎么实现的

人脸识别一般是对人脸使用摄像头/摄像机采集视频流/图像数据，并自动在图像数据中跟踪和检测人脸，从而对检测到的人脸进行脸部比对的一系列相关技术，也可以叫做面部识别、人像识别、脸部识别。
像云脉人脸识别可对人脸三维朝向，做精准到“度”的判断，采集到的最优人脸照片经过灰度归一化、二值化处理后，通过人脸特征值算法提取特征值，然后建模入库。现场或线上采集照片与其本人证件照进行特征值比对，从而判定是否为本人持证。

⑦ 人社部人脸识别认证app无模板信息什么意思

宁夏人社部社保认证没有本人信息总么办？

⑧ 求助大神们给个人脸识别的训练样本集

OpenCV训练类器
、简介

目标检测初由Paul Viola [Viola01]提并由Rainer Lienhart [Lienhart02]进行改善
该基本步骤：
首先利用本（约几百幅本图片） harr 特征进行类器训练级联boosted类器

类器"级联"指终类器由几简单类器级联组图像检测检窗口依通每级类器 前面几层检测部候选区域排除全部通每级类器检测区域即目标区域

类器训练完应用于输入图像兴趣区域(与训练本相同尺寸)检测检测目标区域(汽车或脸)类器输1否则输0检测整副图像图像移搜索窗口检测每位置确定能目标搜索同目标物体类器设计进行尺寸改变比改变待检图像尺寸更效所图像检测未知目标物体扫描程序通需要用同比例搜索窗口图片进行几扫描

目前支持种类器boosting技术四种：
Discrete Adaboost, Real Adaboost, Gentle Adaboost and Logitboost
"boosted" 即指级联类器每层都选取boosting算(权重投票)并利用基础类器自我训练

根据面析目标检测三步骤：
1、 本创建
2、 训练类器

3、 利用训练类器进行目标检测

二、本创建
训练本例本反例本其例本指待检目标本(例脸或汽车等)反例本指其任意图片所本图片都归化同尺寸(例20x20)
负本
负本自于任意图片些图片能包含目标特征负本由背景描述文件描述背景描述文件文本文件每行包含负本图片文件名（基于描述文件相路径）该文件必须手工创建
e.g: 负本描述文件例：
假定目录结构：
/img
img1.jpg
img2.jpg
bg.txt
则背景描述文件bg.txt内容：
img/img1.jpg
img/img2.jpg
本
本由程序craatesample程序创建该程序源代码由OpenCV给并且bin目录包含执行程序
本由单目标图片或者系列事先标记图片创建
Createsamples程序命令行参数：
命令行参数：
－vec
训练本输文件名
－img
源目标图片（例：公司图标）
－bg
背景描述文件
－num
要产本数量本图片数目相同
－bgcolor
背景色（假定前图片灰度图）背景色制定透明色于压缩图片颜色差量由bgthresh参数指定则bgcolor－bgthreshbgcolor＋bgthresh间像素认透明
－bgthresh
－inv
指定颜色反色
－randinv
指定颜色任意反色
－maxidev
背景色偏离度
－maxangel
－maxangle
－maxzangle
旋转角度弧度单位
－show
指定每本显示按"esc"关闭关即显示本图片创建程继续用debug选项
－w
输本宽度（像素单位）
－h《sample_height》
输本高度像素单位
注：本预先标记图像集合获取集合由文本文件描述类似于背景描述文件每文本行应图片每行第元素图片文件名第二元素象实体数面紧跟着与匹配矩形框（x, y, 宽度高度）