谈到人脸识别系统，很多人的人*反应是“刷脸”，下面我们来了解下人脸识别系统的定义：人脸识别系统，是对人的脸部信息特征进行识别的一种生物识别技术系统。用通过人脸识别设备采集人脸的图像或视频流，并在图像和视频流中检验和人脸追踪，从而对检测到的人脸进行识别的一种人脸识别技术，通常也叫做人像识别、面部识别。

   综上所述，我们便能够推测出人脸识别需要：人脸图像采集及人脸搜索、人脸图像预处理、人脸图像特征提取以及匹配和识别这四个步骤，同时这也是人脸识别系统的四个组成部分。

   人脸图像采集及检测：现阶段应用广泛的的人脸识别及采集的方法有Adaboost人脸识别算法、基于特征的方法、基于模板的方法等等。

   下面我们主要说说Adaboost人脸识别算法。Adaboost人脸检测算法，是基于积分图、级联检测器和Adaboost算法的方法，这种方法能够快速检测出正面人脸，它的核心思想就是自动从多个弱分类器的空间中挑选出若干个分类器，形成一个分类能力很强的强分类器。 　　

   人脸图像预处理：关于人体面部的图像预处理是基于人脸检测的结果，对图像进行各种处理，后服务于人脸特征提取的过程。系统获取的原始图像由于受到各种条件的限制和随机干扰，往往不能直接使用，必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。

　例如Gamma校正，通过变换增强图像阴影或降低光区域的灰度值范围，从而把人脸图像的整体亮度变换到一个预先定义的标准人脸图像。

   经过Gamma校正后的输入和输出图像灰度值关系如图所示：横坐标是输入灰度值，纵坐标是输出灰度值，蓝色曲线是gamma值小于1时的输入输出关系，红色曲线是gamma值大于1时的输入输出关系。可以观察到，当gamma值小于1时(蓝色曲线)，图像的整体亮度值得到提升，同时低灰度处的对比度得到增加，更利于分辩低灰度值时的图像细节。

   人脸图像特征提取：人脸识别系统常用使用的特征通常分为人脸图像变换系数特征、人脸图像代数特征、视觉特征等，人体面部特征提取就是针对人脸的某些关键点特征进行的。人脸特征提取，是人脸识别系统对人脸特征进行建模的一个过程。人脸图像特征采集的方式大致可以分为两大类：一种是基于知识的表征方法；另外一种是基于代数特征或统计学习的表征方法。

　 基于知识的表征方法是根据人脸五官的形态以及五官之间的距离信息特征来获取有助于人脸面部分类的特征数据，其特征分量通常包括特征点间的欧氏距离、曲率和角度等。人脸由眼睛、鼻子、嘴、下巴等五官信息构成，对这些局部和它们之间关系的几何描述，可作为识别人体面部的重要特征，这些特征被称为几何特征。