天才一秒记住【畅想小说网】地址：http://www.cxtra.net
[84，88，115]，
[82，86，113]]]，dtype=uint8）
In[14]：imarray.shape
#给出图像数据的形状
Out[14]：（2333，1654，3）
从上述示例可以看到，转化成数组后，图像数据有长、宽、通道三个维度，图片中一共有2333×1654个点，其中[28，38，27]表示该点的三个颜色强度分别为28、38、27。
为了提高人脸识别的效率，在获取人脸照片后，一般需要先对照片进行裁剪，只保留脸部的图片信息，如图8-2所示。
这个过程叫作脸部检测（FaceDete）。
经过脸部检测后，计算机在识别中不必对整张图片进行匹配，只需要考虑脸部信息的匹配即可，所以可以大大减少数据比对的工作量。
图8-2脸部检测和裁剪
脸部检测可以使用Harr-like特征完成。
该特征有以下四类。
①边缘特征（EdgeFeatures）；
②线特征（Liures）；
③中心环绕特征（ter-Surrouures）；
④对角线特征（SpecialDiagoureUsedIn）。
这四类特征都是关于图像局部区域像素分布的描述，使用特定算法对图片各个区域进行扫描，获取与人脸具有相似特征的区域，就可以实现人脸检测了（图8-3）。
图8-3四类像素分布特征
人脸检测其实是一个二分类的问题，即是人脸，非人脸。
可以使用本教材讲过的决策树[1]实现这种分类，按照如下流程训练分类器。
输入图像—图像预处理—提取特征—训练分类器（二分类）—得到训练好的模型（Harr-like+决策树）。
使用训练好的分类器，按照如下流程进行脸部检测。
输入图像—图像预处理—提取特征—导入训练好的模型—二分类（是不是人脸）。
接下来假设脸部检测已经完成，并已经对照片根据检测结果进行了裁剪，即接下来需要处理的照片是只包含脸部的照片。
人脸识别将把未知照片与已有照片进行对比，从已有照片中找出与未知照片最相似的那一个，从而实现判定未知照片是谁的照片。
例如，经过对比后得到表8-3。
表8-3脸部相似排序示例
从表中可以看出，输入的新照片与已有的照片数据库中张三的照片相似程度最高，据此可以判定，被识别的这张人脸是张三的。
本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！