セミナー顔認識システムが改善され、フォロー行動コンピュータスキルと光学イメージング技術の80年後、1960年代に始まり、1990年代後半のステージの主な用途への真の、米国、ドイツ、日本、スキルメインの完了は、成功への鍵は、顔認識システムは、アルゴリズムの上部中央を持っているかどうかにある、との結果が実用的な識別率を特定し、スピードを識別しなければならない、「顔認識システム」を統合し、人工知能、機械認識、機械学習、モデル理論、エキスパートシステム、ビデオ画像処理やその他の専門的なスキルは、一緒に理論との中間値の完全な処理を組み合わせる必要で、生体認証の最新の使用であり、それは強いAI人工知能に弱い実証され、その中心のスキルを完了します変換。
収集顔検出を描く、顔画像前処理、特徴抽出、及び顔照合と認識を描く：顔認識システムは、4つの主要コンポーネントである含みます。
フェイスペイントコレクションとテスト
フェイスペイントコレクション：別の顔写真が良いコレクションを取得することができ静止画、動画、異なる方位、異なる表情などの例示的局面のために、カメラのレンズを通してダウンを収集することができます。範囲内のユーザーが収集装置の写真を撮るためにすると、デバイスは自動的に見つけて、ユーザの顔撮影画像を収集します。
顔検出：就学前顔認識のための実際に顔検出、画像内にある正確に顔の向きと大きさを較正します。フォーマルな特徴は絵が、そのようなので、上のヒストグラム機能、色特性、テンプレート機能、構造およびハールの機能として、非常に豊富含まれてい直面しています。顔検出は、白羽の有用な情報を入れて、これらの機能に完全な顔検出を使用することです。
川の顔検出アプローチは、上記の特性に基づいてアダブースト学習アルゴリズムを選択し、アダブーストのアルゴリズムが使用される分類アプローチである、それは、一緒に強い新しい分類の組み合わせをいくつかの弱い分類を置きます。
強分類器構造への弱識別器の重み付き投票法に応じて顔検出処理を最も代表的なのいくつかは、矩形面（弱判別器）を備えてい取り出すためにアダブーストアルゴリズムを使用して、その後得られたいくつかの強分類器を訓練効果的分類子の検出速度を向上させるカスケード構造積層分類器を形成するように直列。
フェイスペイント前処理
顔塗装前処理：前処理人間の顔を描くには、顔検出、処理及び特徴抽出のためのサービスプロセスの最終的な画像の結果に基づいています。システムは、元の画像を取得し、ランダムに直接使用することができないことが多い制約条件を妨害したため、初期段階の前処理画像描画処理でグレーキャリブレーション、ノイズフィルタリング、等でなければなりません。顔画像に、顔画像の一次光補正、階調変換、ヒストグラム等化、正規化、ダッシュ校正、フィルタリング、及び鮮鋭化を含む前処理工程。
顔画像の特徴抽出
顔特徴抽出描画：顔認識システムは、特徴一般に視覚的特徴を使用する画素演算機能、顔の特徴は、変換係数を描くことができ、顔の特徴、等代数図面。顔の特徴抽出が行われ、特定の顔の特徴のためです。また、顔の表現としても知られている顔特徴抽出、それは人間の顔の特徴のモデル化処理です。二つのカテゴリーにまとめ顔特徴抽出手法：一つは特徴づけるために常識的なアプローチに基づいており、他方は、代数的特徴に基づいて、学習やコンピューティングの方法を特徴づけます。
常識的なアプローチを特徴付けるための主要な基準は、一般的に、特徴点等との間のユークリッド距離、曲率の重量と視点とを含む顔特徴データの分類の助けを得るために器官とそれらの間の間隔の特性を示す人間の顔の形状に基づいています。顔は、目、鼻、口、あごの部分から構成され、ダッシュとそれらの間のリンクに描かれた構造のこれらの部分は、機能はダッシュ機能を呼び、人間の顔の重要な特徴として同定することができます。主面表現基底ダッシュ機能の知識に基づくアプローチとテンプレートマッチングを含みます。
顔画像識別マッチ
認識一致する顔の絵：特性データが抽出された顔は、類似度が閾値を超える閾値を設定した後、出力が一致する結果を得るために、一致を見つけるために、データベースに格納された画像とテンプレートを特徴とします。顔認識は、識別される顔の特徴は、人と比較されている面である類似の程度に応じて識別するためのテンプレート、顔識別情報を提供しています。このプロセスは、2つのカテゴリに分類される：一つは描画の処理は一対一の比較であることを認めることであり、他方は識別することで、ピクチャ多くのマッチング処理参照を行います