人臉識(shí)別設(shè)備主要分為人臉檢測(cè)、特征提取和人臉識(shí)別三個(gè)過程。人臉檢測(cè)：人臉檢測(cè)是指從輸入圖像中檢測(cè)并提取人臉圖像，通常采用haar特征和Adaboost算法訓(xùn)練級(jí)聯(lián)分類器對(duì)圖像中的每一塊進(jìn)行分類。如果某一矩形區(qū)域通過了級(jí)聯(lián)分類器，則被判別為人臉圖像。   

特征提取：特征提取是指通過一些數(shù)字來表征人臉信息，這些數(shù)字就是我們要提取的特征。常見的人臉特征分為兩類，一類是幾何特征，另一類是表征特征。幾何特征是指眼睛、鼻子和嘴等面部特征之間的幾何關(guān)系，如距離、面積和角度等。由于算法利用了一些直觀的特征，計(jì)算量小。不過，由于其所需的特征點(diǎn)不能選擇，限制了它的應(yīng)用范圍。另外，當(dāng)光照變化、人臉有外物遮擋、面部表情變化時(shí)，特征變化較大。所以說，這類算法只適合于人臉圖像的粗略識(shí)別，無法在實(shí)際中應(yīng)用。表征特征利用人臉圖像的灰度信息，通過一些算法提取全局或局部特征。其中比較常用的特征提取算法是LBP算法。LBP方法首先將圖像分成若干區(qū)域，在每個(gè)區(qū)域的像素640x960鄰域中用中心值作閾值化，將結(jié)果看成是二進(jìn)制數(shù)。LBP算子的特點(diǎn)是對(duì)單調(diào)灰度變化保持不變。每個(gè)區(qū)域通過這樣的運(yùn)算得到一組直方圖，然后將所有的直方圖連起來組成一個(gè)大的直方圖并進(jìn)行直方圖匹配計(jì)算進(jìn)行分類。人臉識(shí)別：這里提到的人臉識(shí)別是狹義的人臉識(shí)別，即將待識(shí)別人臉?biāo)崛〉奶卣髋c數(shù)據(jù)庫中人臉的特征進(jìn)行對(duì)比，根據(jù)相似度判別分類。而人臉識(shí)別設(shè)備又可以分為兩個(gè)大類：一類是確認(rèn)，這是人臉圖像與數(shù)據(jù)庫中已存的該人圖像比對(duì)的過程，回答你是不是你的問題。另一類是辨認(rèn)，這是人臉圖像與數(shù)據(jù)庫中已存的所有圖像匹配的過程，回答你是誰的問題。顯然，人臉辨認(rèn)要比人臉確認(rèn)困難，因?yàn)楸嬲J(rèn)需要進(jìn)行海量數(shù)據(jù)的匹配。常用的分類器有近鄰分類器、支持向量機(jī)等。

與指紋應(yīng)用方式類似，人臉識(shí)別技術(shù)目前比較成熟的也是考勤機(jī)。因?yàn)樵诳记谙到y(tǒng)中，用戶是主動(dòng)配合的，可以在特定的環(huán)境下獲取符合要求的人臉。這就為人臉識(shí)別提供了良好的輸入源，往往可以得到滿意的結(jié)果。但是在一些公共場(chǎng)所安裝的視頻監(jiān)控探頭，由于光線、角度問題，得到的人臉圖像很難比對(duì)成功。這也是未來人臉識(shí)別技術(shù)發(fā)展必須要解決的難題之一。