成都智慧工地人臉識別系統在無需人員配合的情況下，自動提取監控視頻中的優人臉，入庫保存并與后臺“黑名單”數據庫進行實時比對，發現相似度比較高的比對結果及時預警，同時顯示“黑名單”中人員的照片以及案例，結合當前的監控地點，發出不同級別的警報，提示相關人員進行更詳細的跟蹤判斷。
 

　　人員走到通道閘的識別區域，人臉識別攝像頭會自動抓拍并識別人臉，識別成功通道閘自動開啟，常駐居民通過實時拍照以及指紋錄入進行人臉庫的建立。人員如果臉上有臨時傷痕無法識別，也可通過指紋識別，識別成功后通道閘會自動開啟。外來人員如果要進入本區域，必須出示本人進行人證比對，比對成功后通道閘自動開啟，如果是假的或他人的證件，設備會自動報警提示。
 

　　人臉檢測過程中使用Adaboost算法挑選出一些能代表人臉的矩形特征(弱分類器)，按照加權投票的方式將弱分類器構造為一個強分類器，再將訓練得到的若干強分類器串聯組成一個級聯結構的層疊分類器，有效地提高分類器的檢測速度。
 

　　人臉圖像預處理
 

　　人臉圖像預處理：對于人臉的圖像預處理是基于人臉檢測結果，對圖像進行處理并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。
 

　　人臉圖像特征提取
 

　　人臉圖像特征提?。撼啥贾腔酃さ厝四樧R別系統可使用的特征通常分為視覺特征、像素統計特征、人臉圖像變換系數特征、人臉圖像代數特征等。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特征或統計學習的表征方法。
 

　　基于知識的表征方法主要是根據人臉器官的形狀描述以及他們之間的距離特性來獲得有助于人臉分類的特征數據，其特征分量通常包括特征點間的歐氏距離、曲率和角度等。人臉由眼睛、鼻子、嘴、下巴等局部構成，對這些局部和它們之間結構關系的幾何描述，可作為識別人臉的重要特征，這些特征被稱為幾何特征?；谥R的人臉表征主要包括基于幾何特征的方法和模板匹配法。
 

　　人臉圖像匹配與識別
 

　　人臉圖像匹配與識別：提取的人臉圖像的特征數據與數據庫中存儲的特征模板進行搜索匹配，通過設定一個閾值，當相似度超過這一閾值，則把匹配得到的結果輸出。人臉識別就是將待識別的人臉特征與已得到的人臉特征模板進行比較，根據相似程度對人臉的身份信息進行判斷。這一過程又分為兩類：一類是確認，是一對一進行圖像比較的過程，另一類是辨認，是一對多進行圖像匹配對比的過程。