基于haar+adaboost的人脸检测、深度学习的人脸识别技术应用综述_adaboost+haar 瀑布模型

版权声明：本文为博主原创文章，未经博主允许不得转载。欢迎交流，QQ：896922782，微信：15058133936
目录
第一节 核心技术 3
一、人脸检测 3
二、特征点检测 5
三、人脸归一化 5
四、人脸验证 5
第二节 人脸识别技术应用 6
一、入库照片及背景要求 6
二、三种应用模式 7
三、人脸识别应用场景 7
（一）出入境/户政/治安/侦查等公共安全系统 8
（二）考试等教育类场所 8
（三）视频人脸识别分析系统 9
第五节 系统实施 21
一、系统架构（硬件设备） 21
（一）摄像头 21
（二）视频分析服务器 21
二、部署要求 22
（一）摄像机采集系统 22
（二）服务器部署 22
三、算法流程 22
（一）摄像头算法 22
（二）服务器算法 23

第一节 核心技术
图铭科技拥有自主研发的人脸识别核心算法，该算法适应于不同肤色、不同年龄、不同表情，针对整容、年龄变化、胖瘦等情况，算法拥有良好的识别处理方案。在百万复杂人脸数据集上识别率达到94%以上。整体框架如下图：

一、人脸检测
（1）Haar分类器
Haar分类器 = Haar-like特征 + 积分图方法 + AdaBoost +级联；
① 使用Haar-like特征做检测。
②　使用积分图（Integral Image）对Haar-like特征求值进行加速。
③　使用AdaBoost算法训练区分人脸和非人脸的强分类器。
④　使用筛选式级联把强分类器级联到一起，提高准确率

（2）多姿态旋转不变性的人脸检测模型
五种人脸模式：正脸（−20°~20°），左右半侧脸（±20°~±50° ）和左右旋转脸（平面内±30°的旋转）。

（3）使用瀑布模型训练五个独立分类器并将结果综合
每一个分支对应一种人脸模式，分支之间相互独立，各个分支的训练过程均采用级联Boosting训练框架。

（4）FDDB人脸检测部分测试