人臉檢測過程中使用Adaboost算法挑選出一些代表人臉的矩形特征(弱分類器)，按照加權(quán)的方式將弱分類器構(gòu)造為一個強分類器，再將訓(xùn)練得到的若干強分類器串聯(lián)組成一個級聯(lián)結(jié)構(gòu)的層疊分類器，有效地提高分類器的檢測速度。人臉圖像預(yù)處理人臉圖像預(yù)處理：對于人臉的圖像預(yù)處理是基于人臉檢測結(jié)果，對圖像進行處理并終服務(wù)于特征提取的過程。系統(tǒng)獲取的原始圖像由于受到各種條件的限制和隨機干擾，往往不能直接使用，必須在圖像處理的早期階段對它進行灰度校正、噪聲過濾等圖像預(yù)處理。


對于人臉圖像而言，其預(yù)處理過程主要包括人臉圖像的光線補償、灰度變換、直方圖均衡化、化、幾何校正、濾波以及銳化等。人臉圖像特征提取人臉圖像特征提?。喝四樧R別系統(tǒng)可使用的特征通常分為視覺特征、像素統(tǒng)計特征、人臉圖像變換系數(shù)特征、人臉圖像代數(shù)特征等。人臉特征提取就是針對人臉的某些特征進行的。人臉特征提取，也稱人臉表征，它是對人臉進行特征建模的過程。人臉特征提取的方法歸納起來分為兩大類：一種是基于知識的表征方法；另外一種是基于代數(shù)特征或統(tǒng)計學(xué)習(xí)的表征方法。


人臉識別具有這方面的特點，它完全利用可見光獲取人臉圖像信息，而不同于指紋識別或者虹膜識別，需要利用電子壓力傳感器采集指紋，或者利用紅外線采集虹膜圖像，這些特殊的采集方式很容易被人察覺，從而更有可能被偽裝欺騙。困難人臉識別被認為是生物特征識別領(lǐng)域甚至人工智能領(lǐng)域困難的研究課題之一。人臉識別的困難主要是人臉作為生物特征的特點所帶來的。


在人臉識別中，類的變化是應(yīng)該放大而作為區(qū)分個體的標準的，而第二類的變化應(yīng)該消除，因為它們可以代表同一個個體。通常稱類變化為類間變化（inter-class difference），而稱第二類變化為類內(nèi)變化（intra-class difference）。對于人臉，類內(nèi)變化往往大于類間變化，從而使在受類內(nèi)變化干擾的情況下利用類間變化區(qū)分個體變得異常困難。主要用途人臉識別主要用于身份識別人臉識別主要用于身份識別。