[导读]汉王人脸识别系统采用双摄像头，右侧摄像头的图片进行人脸定位和眼睛定位。

　　一、人脸识别系统框图

　　汉王人脸识别系统采用双摄像头，右侧摄像头的图片进行人脸定位和眼睛定位，同时，左侧摄像头与右侧摄像头的图片进行立体融合，恢复出三维人脸模型，在此基础上，进行特征提取和比对，实现模板录入和识别等功能。下面简要介绍一下汉王人脸识别过程。

　　1. 人脸检测

　　人脸检测部分有两个功能：一是判断图像中是否存在人脸，二是如果存在人脸，确定人脸的确切位置。汉王人脸识别系统采用级联的Adaboost以及Harr特征进行人脸定位，正确率高，速度快。

　级联Adaboost算法流程图 . Harr特征示意图

　　2. 人眼定位

　　眼睛是人脸中最关键的一个部分，也是区分不同人脸的最重要的一个区域，同时通过眼睛位置的精确定位后，可以更好对齐人脸上的其它各个器官，所以对眼睛进行精确定位及其重要。汉王人脸识别系统采用极小值区域(MER)原理以及多层结构的方法，很好的解决了眼睛定位的问题。图3基于多层结构的快速眼睛定位算法结构

　　眼睛粗定位：利用极小值区域(MER)做粗定位

　　粗筛选：利用眼睛对的自然约束进行粗筛选

　　分类器一：使用眼睛坐标以及灰度值等参数

　　分类器二：使用Krisch梯度特征做最终筛选

　　眼睛精确定位：利用局部图像重心微调眼睛位置

　　眼睛粗定位

　　三级筛选过程

　　眼睛精确定位　

亮度偏暗亮度偏亮远距离、位置偏离中心

　　眼睛定位结果

　　3. 双目融合

　　二维人脸图像缺乏三维的信息，容易受到光照、姿态、表情等的影响，鉴于此，汉王人脸识别系统采用双摄像头并进行立体融合，恢复出三维人脸模型。三维信息可以用于姿态，光照，眼镜等模型变换和生成。三维信息恢复过程如下图：

　　由于Gabor小波原始特征维数过高，计算量大，需要做降维处理，即用低维的向量来表示高维的向量。因此，汉王人脸识别系统采用了一种先进的降维方法，即张量子空间分析方法(简称ORO)，该方法把人脸表示看成一个张量，通过迭代方法寻找正交的秩一张量进行降维，其优化函数为：

　　该方法有以下几个优点：一是用张量表示人脸能够捕获人脸的局部结构信息;二是张量的每个分量的维数很低，能够避免出现LDA(线形判别分析)中的维数灾难问题;三是该方法的降维矩阵远远小于LDA的降维矩阵，这对于一些存储空间有限的嵌入式应用非常适合。

　　5. 特征比对

　　特征比对主要是比较两张不同人脸间的相似度，汉王人脸识别系统采用特征间的相关度作为相似度的描述：

　　在识别人脸的时候，待识别图像与特征库中的所有特征进行比对，其相似度最大者即为匹配结果。