实验4–人脸面部识别
基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。
实验4 人脸面部识别
简介：人脸面部识别技术
基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。
下面的实验内容是简单识别出图像中人物的面部，进而为以后更深层次的学习打下基础。
实验要求：
1）介绍人脸识别技术的基本实现原理；
2）人脸识别程序流程图设计；
3）根据提供的图像或自己选用图像，编写程序，能够识别出图像中人物的脸部；识别时用的人脸特征：“三庭五眼 ”规则高度和宽度比例应该在（ 0.6, 2）内+眼部特征。
4）实验结果展示。
一、人脸检测技术原理
1、原理总说
在检测到人脸并定位面部关键特征点之后，主要的人脸区域就可以被裁剪出来，经过预处理之后，馈入后端的识别算法。识别算法要完成人脸特征的提取，并与库存的已知人脸进行比对，完成最终的分类。
本实验要做的就是人脸识别工作的第一步：人脸检测与框定。
主要利用的人脸特征是肤色、高宽比（“三庭五眼 ”规则高度和宽度比例应该在（0.6, 2）内 ）和眼部特征。
基于肤色的人脸分割主要分为三大部分：
（1）预处理，针对噪声，光照带来的影响进行消除。
（2）基于肤色模型的肤色分割。
（3）连通域分析，人脸区域定位。
2、基于肤色高斯模型实现人脸区域分割提取的原理
- 通过比较
RGB，HSV，Ycbcr空间，发现Ycbcr和HSV空间在进行人脸肤色分割方面由于肤色范围紧密，不易受光照其他物体干扰（基于肤色模型的，如果背景中有与人脸颜色类似的物体，且距离较近很容易产生干扰，影响人脸区域定位的准确性，这也是这一算法不能解决的问题）。但是RGB与HSV空间的转换相比RGB到Ycbcr空间转换来说较为复杂些，所以我们采用Ycbcr空间进行人脸肤色的建模与分割。
3、根据人脸特征筛选
- 人脸区域定位，使用连通区域分析，获取二值图像最小外接矩形，即为人脸区域。 采用的是八邻域连通。
- 高宽比（“三庭五眼 ”规则高度和宽度比例应该在（ 0.6, 2）内）不符合要求的去掉
- 符合要求的区域也可能是胳膊，服饰之类的。我们在这个区域内找眼睛。在肤色的二值图像里，眼珠位置一般是深色，所以我们将这个区域图像取反，再进行连通区域分析，按眼睛与脸的外接矩形尺寸比例筛选得到眼睛。如果在这个区域里能找到一个以上眼睛，判定这个区域是脸。
- 将脸区域框起来。
详细的内容再抄就不礼貌了，还是看这个吧：计算机视觉实验四 人脸面部识别_小西几y的博客-CSDN博客_实验四 人脸识别
二、流程图
三、实验代码及效果
代码不再重复粘贴（多少有点心虚
实现效果展示如下：
可见程序的确成功识别人脸，但是在标定眼睛时，出现了标注不全和标注错误的情况，这是一个可以优化的点。