1、提高通行速度。以往通过人工查验差不多是五秒每人，利用机器之后大概能做到秒过关。
2、提升识别效率。人眼相对于机器在识别、肥胖或者发型改变的人们的能力有所降低，甚至不能准确、快速辨别与本人是否致。
3、减轻工作人员压力。以往在国庆、春节等假期，火车站日客流量指数增加，车站工作人员人工查验负荷严重。
4、提升安防等。实时对比照片和人脸来迅速判断是否是本人以及是否是在逃嫌犯。据悉，上海三大火车站在近期就应用了人脸识别系统用于维护“”期间铁路治安稳定，对乘坐列车的旅客实行“区侯车、二次安检、员比对、重点盘查”。
人脸识别系统是人脸识别技术在生物特征识别领域的应用，旨在将人脸图像作为种可以标识的生物特征进行编码与鉴别，目前较为广泛的应用于安防领域。由于云台摄像头的可控旋转特性，基于云台摄像头的人脸识别系统可以应用于公共区域的跟踪监控或教室的监控等。
在现代社会当中,身份认证与识别问题变得尤为重要。其中,基于人脸面部特征的识别技术因其具有的突出优点脱颖而出,得到了广泛研究与应用。考虑到当前人脸识别技术遇到的相关难点,寻求了种主成分分析(pca)和线性判别分析(lda)相结合的方法对人脸进行识别,并且基于labview/matlab和摄像采集系统等软硬件设备,设计了人脸识别系统。该系统以人脸识别算法为基础,利用pc机为操作平台,通过将即时采集的人脸图像与所建立的人脸特征库比对,从而快速有效地查出已登记人员的身份信息。
人脸图像采集及检测
人脸图像采集：不同的人脸图像都能通过摄像镜头采集下来，比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时，采集设备会自动搜索并拍摄用户的人脸图像。
人脸检测：人脸检测在实际中主要用于人脸识别的预处理，即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富，如直方图特征、颜色特征、模板特征、结构特征及haar特征等。人脸检测就是把这其中有用的信息挑出来，并利用这些特征实现人脸检测。
主流的人脸检测方法基于以上特征采用adaboost学习算法，adaboost算法是种用来分类的方法，它把些比较弱的分类方法合在起，组合出新的很强的分类方法。
人脸检测过程中使用adaboost算法挑选出些能代表人脸的矩形特征(弱分类器)，按照加权投票的方式将弱分类器构造为个强分类器，再将训练得到的若干强分类器串联组成个联结构的层叠分类器，有效地提高分类器的检测速度。
-/gbajffh/-