在人臉識別技術的應用中，人臉識別利用攝像頭進行人臉的采集，并自動在圖像中檢測和跟蹤人臉，進而對檢測到的人臉圖像進行一系列的相關應用操作。

實現步驟與方法，思路很清晰，如下：

?

?1、打開攝像頭，采集圖像；

?2、加載人臉分類器；

?3、人臉檢測，并框出人臉部分并顯示圖像；

?4、在檢測到人臉條件下，一鍵拍照；

?5、對人臉部分，調整大小并寫成指定目錄下的圖像文件；

?

人臉識別閘機就是從照片中提取人臉中的特征，再通過特征的對比輸出結果。而人臉識別閘機中的人臉采集環節主要受以下幾大因素的影響：

?

光照環境

過曝或過暗的光照環境都會影響人臉識別效果。可以從攝像頭自帶的功能補光或濾光平衡光照影響，也可以利用算法模型優化圖像光線。

?

模糊程度

實際場景主要著力解決運動模糊，人臉相對于攝像頭的移動經常會產生運動模糊。部分攝像頭有抗模糊的功能，而在成本有限的情況下，考慮通過算法模型優化此問題。

?

遮擋程度

五官無遮擋、臉部邊緣清晰的圖像為最佳。而在實際場景中，很多人臉都會被帽子、眼鏡、口罩等遮擋物遮擋，這部分數據需要根據算法要求決定是否留用訓練。

?

采集角度

人臉相對于攝像頭角度為正臉最佳。但實際場景中往往很難抓拍正臉。因此算法模型需訓練包含左右側人臉、上下側人臉的數據。工業施工上攝像頭安置的角度，需滿足人臉與攝像頭構成的角度在算法識別范圍內的要求。

?

八達馬BaDaMa一直積極地專注于提高人臉檢測和識別成功率，同時保持低誤檢率。在大角度或不同角度下，低光背光環境下，人臉移動或不同表情下，因年紀增長相貌變化，少量遮擋等等情況下，都有相應的解決方案。