針對高密度人流量區域的安全管理，人臉布控系統以其短時間內實現多目標人臉抓取、識別檢測的高效性能奠定了在行業領域不可取代的地位，不過，由于現階段傳統的監控系統大部分依舊存在圖像清晰度低的缺陷，以及受光線、遮擋、年齡等因素的影響，導致系統在進行人臉識別過程時出現比對速度慢、對比結果不精確等，如何提升人臉識別的精準度成為人臉布控系統深化其應用價值的關鍵!

基于人臉識別技術的快速發展，現人臉布控系統在平安城市、交通、公安、金融、電力、司法、通信、酒店、展館等行業已廣泛應用，特別是通關口岸，車站，地鐵站，機場等人流密集區域。人流量巨大，在這些人員密集區域進行人臉布控，可實現搜捕嫌疑犯、逃犯等功能，但是在實際應用中，人臉識別技術本身還有待進一步發展,特別是對于動態的人臉檢測，夜景環境下，傳統的監控系統依舊存在著大部分圖像清晰度低的情況?，F有的人臉識別方法對于人臉姿態變化、光照、表情、遮擋、年齡、模糊等一系列實際情況還需進一步提高，另外,由于人臉識別技術的實際應用實時性要求比較高,因此需要設計更高效更準確的識別算法，以便快速精準地識別犯罪分子,保證社會的長治久安。

常規的人臉識別流程為人臉檢測、特征提取、人臉識別，在特征提取前先對人臉圖像進行預處理，能有效的提高最終的識別效率及準確度。

人臉圖像預處理技術

人臉圖像預處理是基于人臉檢測結果，對圖像進行處理并最終服務于特征提取的過程。系統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、噪聲過濾等圖像預處理。對于人臉圖像而言，其預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、歸一化、幾何校正、濾波以及銳化等。

圖像是人類獲取信息、表達信息和傳遞信息的重要手段。利用計算機對圖像進行去除噪聲、增強、復原、分割、提取特征等的理論、方法和技術稱為數字圖像處理。

數字圖像處理技術已經成為信息科學、計算機科學、工程科學、地球科學等諸多方面的學者研究圖像的有效工具。數字圖像處理主要包括圖像變換、圖像增強、圖像編碼、圖像復原、圖像重建、圖像識別以及圖像理解等內容。數字圖像的邊緣檢測是圖像分割、目標區域識別、區域形狀提取等圖像分析領域十分重要的基礎,也是圖像識別中提取圖像特征的一個重要屬性，邊緣檢測算子可以檢查每個像素的鄰域并對灰度變化率進行量化。

空域濾波按照空域濾波器的功能又可分為平滑濾波器和銳化濾波器。平滑濾波器可以用低通濾波實現,目的在于模糊圖像或消除噪聲;銳化濾波器是用高通濾波來實現,目的在于強調圖像被模糊的細節。

光照不理想的情況下，為了把人臉區域從非人臉區域分割出來,需要使用適合不同膚色和不同光照條件的可靠的膚色模型。常用的RGB表示方法不適合于皮膚模型,在RGB空間,三基色(R、G、B)不僅代表顏色,還表示了亮度。由于周圍環境光照的改變,亮度可能使人臉的檢測變得更加復雜,在皮膚的分割過程中是不可靠的。為利用膚色在色度空間的聚類性,需要把顏色表達式中的色度信息與亮度信息分開,將R、G、B轉換為色度與亮度分開的色彩表達空間可以解決這個問題。

RGB色彩系統用R、G、B三種基本顏色分量來表示數字圖像像素的顏色值。我們非常熟悉的計算機屏幕的顯示通常采用RGB色彩系統。這是最常見的色彩系統,RGB色系坐標中三維空間的三個軸分別與紅、綠、藍三基色相對應,原點對應于黑色,離原點最遠的頂點對應于白色,其他顏色落在三維空間中由紅、綠、藍三基色組成的彩色立方體中。其他的色彩系統常以RGB色彩系統為基礎,其分量可以描述為RGB三色的線性或非線性函數。RGB色彩系統通過色彩的相加來產生其他顏色,通常稱為加色合成法。

當光照條件發生變化時,人臉的顏色也會發生一定的變化。實驗表明,當待檢測的圖像亮度高于訓練圖像的亮度時,人臉大部分區域的顏色不會超過正常光照條件下人臉顏色的變化范圍。但當待檢測的人臉圖像的亮度低于訓練樣本圖像的亮度時,人臉顏色很可能超出正常光照條件下人臉顏色的變化范圍。為了解決這一問題,就要對待檢測的人臉圖像進行光線補償。光線補償對于畫面較暗的圖像很有效,能極大提高后續膚色建模的效果。對于光線較暗的圖片進行光線補償可以很好地提高人臉膚色建模的效果。

在運動場景下，多數時候會抓拍到的只有半張臉的圖片，使用對稱補值的方式，能有效地為下一步特征提取補齊整張人臉的最低特征值，并進行有效識別;對于動態識別場景，往往出現人臉信息不全的情況，特別是對于疑犯等，都存在故意壓低頭或者側臉方式行走，避免被監控抓拍到全臉的情況;使用半臉對稱補值方式，有效地解決了此場景問題。

在一系列的預處理后，人臉識別的最終準確率及效率得到大幅度提升，且能適用更多的應用場景，對于原始已建設的安防系統，不需要二次的改造，不僅節約成本，也解決實際問題。 人臉識別技術在多領域的應用

人臉識別技術在多領域的應用

隨著卷積神經網絡深度學習的發展，以及人臉識別算法的多樣化趨勢，針對人物年齡、性別的識別技術也越來越成熟。通過對大量人物圖片進行年齡和性別的標注，然后經過訓練，便能得出很好的模型，原始數據訓練得越多，模型的準確度也越高。深度學習的一些網絡結構模擬人的大腦，通過網絡的深度和卷積，目前在人臉識別領域達到很好的效果，而隨著識別速度和精確度的不斷加強，人臉識別在公安案件偵查、車站機場檢票系統、住宅出入口管理、精準商業營銷以及考場身份驗證等多領域展開了多元化的行業應用。

公安行業的應用

為查詢沒有身份證件或證件資料假冒的犯罪嫌疑人的身份，為追捕疑犯、逃犯，提供了有效的多方位數據檢索條件，這有利于快速鎖定疑犯特性范圍，對提高辦案效率和破案成功率有很大幫助，也為目前公安使用的防偽可機讀的第二代身份證提供了有力的技術保障。

車站自主檢票應用

車站自動檢票，應用人臉識別技術，在人臉識別系統機放置二代身份證，識別機器上屏幕的一邊顯示其個人信息與身份證照片，另一邊顯示攝像頭拍攝的游客人臉照片。后臺識別為同一人時，則播報“驗證成功，請通過”;不通過，則報警提示，這樣極大地節省了人工操作時間及人力成本。

家居行業的應用

隨著生活質量的提高，人們對于智能化的要求越來越高。通過人臉識別技術，根據設定的布防策略，結合門禁的應用，對陌生人出入住宅進行自動報警或自動放行，給人們的居家安全提供保障。同時，它還可應用到住宅區、辦公大樓安全管理等。

精準營銷的應用

年齡、性別的識別融入到人臉識別應用后，對于商業化的數據挖掘起到推進作用，通過監控的區域部署人臉識別系統，分析不同性別及不同年齡在各種不同商場的喜好，能有效提供分段數據，為營銷的下一步決策提供有力依據，精準營銷可用于金鋪、4S店、大商場等。

其它應用

考試地點，通過人臉識別，在入場拍照同時刷身份證驗證，由系統后臺進行智能化的人證比對，并對現場的作弊行為進行實時監控，有效減輕了考務人員的工作量，也降低了人工肉眼核對的出錯率及人情因素隱患。