人臉識別技術已成為納入研發參考的、給人們帶來高質量生活的又一科技解決途徑。日常生活中，人臉識別的應用已經常見，那么你知道人臉識別系統是如何進行人臉圖像采集及檢測的嗎?

　　人臉識別系統分析：系統由前端人臉抓拍采集子系統、網絡傳輸子系統和后端解析管理子系統組成，實現對通行人臉信息的采集、傳輸、處理、分析與集中管理。
 

　　系統中，前端人臉采集設備負責人臉圖像的采集，接入服務器主要實現圖片及信息的接收和轉發功能，可為多種型號、多個廠家的抓拍機提供統一接入服務，接收到的抓拍圖片存入云存儲單元，并由人臉結構化分析服務器對抓拍的視頻及圖像進行建模以及黑名單實時比對報警，建模得到的人臉信息以及模型數據存入大數據單元。

　　后端解析應用平臺則根據用戶的應用需要，支持實時人臉抓拍、檢索等功能，可向用戶提供黑名單庫與抓拍圖片的實時比對信息，為快速高效查到可疑目標提供服務。

　　人臉圖像采集及檢測

　　人臉圖像采集：不同的人臉圖像都能通過攝像鏡頭采集下來，比如靜態圖像、動態圖像、不同的位置、不同表情等方面都可以得到很好的采集。當用戶在采集設備的拍攝范圍內時，采集設備會自動搜索并拍攝用戶的人臉圖像。

　　人臉檢測：人臉檢測在實際中主要用于人臉識別的預處理，即在圖像中準確標定出人臉的位置和大小。人臉圖像中包含的模式特征十分豐富，如直方圖特征、顏色特征、模板特征、結構特征及Haar特征等。人臉檢測就是把這其中有用的信息挑出來，并利用這些特征實現人臉檢測。
 

　　主流的人臉檢測方法基于以上特征采用Adaboost學習算法，Adaboost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算法挑選出一些最能代表人臉的矩形特征(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。