前言

在深度學習出現後，人臉識別技術才真正有了可用性。這是因為之前的機器學習技術中，難以從圖片中取出合適的特徵值。輪廓？顏色？眼睛？如此多的面孔，且隨著年紀、光線、拍攝角度、氣色、表情、化妝、佩飾掛件等等的不同，同一個人的面孔照片在照片象素層面上差別很大，憑藉專家們的經驗與試錯難以取出準確率較高的特徵值，自然也沒法對這些特徵值進一步分類。
深度學習的最大優勢在於由訓練演算法自行調整引數權重，構造出一個準確率較高的f(x)函式，給定一張照片則可以獲取到特徵值，進而再歸類。本文中筆者試圖用通俗的語言探討人臉識別技術，首先概述人臉識別技術，接著探討深度學習有效的原因以及梯度下降為什麼可以訓練出合適的權重引數，最後描述基於CNN卷積神經網路的人臉識別。

如果想詳細看本篇文章的視訊詳解，以及更多系統進階視訊。可以加技術群；701740775免費領取。麻煩備註一下csdn領取人臉識別進階視訊

 

1.人臉追蹤的應用場景

人臉識別的英文名稱是 Human Face Recognition.人臉識別產品利用AVS03A影像處理器；可以對人臉明暗偵測,自動調整動態曝光補償，人臉追蹤偵測,自動調整影像放大。

廣義的人臉識別實際包括構建人臉識別系統的一系列相關技術，包括人臉影像採集、人臉定位、人臉識別預處理、身份確認以及身份查詢等；而狹義的人臉識別特指通過人臉進行身份確認或者身份查詢的技術或系統。[1]

人臉識別是一項熱門的計算機技術研究領域，它屬於生物特徵識別技術，是對生物體（一般特指人）本身的生物特徵來區分生物體個體。生物特徵識別技術所研究的生物特徵包括臉、指紋、手掌紋、虹膜、視網膜、聲音（語音）、體形、個人習慣（例如敲擊鍵盤的力度和頻率、簽字）等，相應的識別技術就有人臉識別、指紋識別、掌紋識別、虹膜識別、視網膜識別、語音識別（用語音識別可以進行身份識別，也可以進行語音內容的識別，只有前者屬於生物特徵識別技術）、體形識別、鍵盤敲擊識別、簽字識別等。

人臉識別系統主要包括四個組成部分，分別為：人臉影像採集及檢測、人臉影像預處理、人臉影像特徵提取以及匹配與識別。

人臉影像採集：不同的人臉影像都能通過攝像鏡頭採集下來，比如靜態影像、動態影像、不同的位置、不同表情等方面都可以得到很好的採集。當使用者在採集裝置的拍攝範圍內時，採集裝置會自動搜尋並拍攝使用者的人臉影像。

人臉檢測：人臉檢測在實際中主要用於人臉識別的預處理，即在影像中準確標定出人臉的位置和大小。人臉影像中包含的模式特徵十分豐富，如直方圖特徵、顏色特徵、模板特徵、結構特徵及Haar特徵等。人臉檢測就是把這其中有用的資訊挑出來，並利用這些特徵實現人臉檢測。

主流的人臉檢測方法基於以上特徵採用Adaboost學習演算法，Adaboost演算法是一種用來分類的方法，它把一些比較弱的分類方法合在一起，組合出新的很強的分類方法。

人臉檢測過程中使用Adaboost演算法挑選出一些最能代表人臉的矩形特徵(弱分類器)，按照加權投票的方式將弱分類器構造為一個強分類器，再將訓練得到的若干強分類器串聯組成一個級聯結構的層疊分類器，有效地提高分類器的檢測速度。

2.NDK開發的原理

3.OpenCV如何在Android中發光發熱

4.人臉識別訓練架構體系

5.影像處理基本演算法

通過OpenCV 和 Matlab影像處理實驗開始，通過對影像的各種處理，理解和掌握影像處理的效果。形態學一般是使用二值影像，進行邊界提取，骨架提取，孔洞填充，角點提取，影像重建。基本的演算法:膨脹腐蝕，開操作，閉操作，擊中擊不中變換

幾種演算法進行組合，就可以實現一些非常複雜的功能，而且邏輯嚴密。

6.人臉識別在android中架構手寫

附錄

Android高階技術大綱，以及系統進階視訊；

Android高階技術大綱

 

Android高階進階視訊資料

獲取方式；

加Android進階群；701740775。即可前往免費領取。免費備註一下csdn