在过去的几年中，面部识别受到广泛关注，被认为是图像分析领域中最有前途的应用之一。FACETENCTION可以考虑面部识别操作的很大一部分。基于其强度，计算资源集中了图片中的图像部分。，照明条件和图像分辨率。
对象检测是计算机技术之一，与图像处理和计算机视觉有关。它与面部，建筑物，树木，汽车和其他对象的检测实例相互作用。面部检测算法的主要目的是确定图像中是否有任何面孔。
近年来，在面部识别和面部检测领域提出了许多研究工作，以使其更先进和准确。但是，当中提琴 - 琼斯（Viola-Jones）推出实时面部探测器时，它已经引发了这一领域的革命，也就是说，即能够实时检测到面孔。
面部检测是面部识别的第一步，它也是图像中检测面的必不可少的步骤。它是对象检测的一部分，可以在许多领域中使用，例如安全性，生物特征，执法，娱乐，娱乐，，，人身安全，等等
它用于实时检测人们的脸，以监视和跟踪人或对象。它在摄像机中广泛使用，以识别前移动摄像头和DSLR Framework中的多个出现。Facebook还使用面部检测算法来检测面孔来检测面孔。人脸并识别。
本文适用于计算机视觉或AI领域的初学者。我希望了解什么面部检测，类型和其工作原理。
Yan，Kriegman和Ahuja提出了面部检测方法的分类。这些方法分为四类。面部检测算法可以属于两个或多个组。这些类别如下：
1.知识
基于知识的方法取决于规则，它基于人类知识来检测人的面孔。面部必须具有鼻子，眼睛和嘴巴，它们必须彼此具有一定的距离和位置。方法很难建立合适的规则。如果规则过于笼统或太详细，可能会有许多误解。这种方法还不够，许多人的面孔在多个图像中找不到。
2.功能
特征方法是通过提取面部的结构特征来定位面部。它首先是作为分类器训练的，然后用来区分面部和非种族区域。这种想法是克服对我们本能的限制，以克服对我们的本能的限制face。这种方法分为几个步骤，甚至有很多人的面孔。他们报告的成功率为94％。
3.模板匹配
模板匹配方法使用预定或参数化的面部模板来通过模板和输入图像之间的相关性定位或检测面部。面部模型只能通过使用边缘检测方法来构建。该方法非常易于实现，但是它不足以进行面部检测。但是，已经提出了一个变形模板来处理这些问题。
4.根据外观
外观方法取决于一组委托训练的面部图像以找出面部模型。外观方法比其他性能方法更好。从总的来说，基于外观的方法取决于统计分析和机器学习技术，以找到相关的特征人脸图像。此方法还用于提取面部识别。
基于模型的模型进一步分为儿童方法进行面部检测，如下所示：
面部识别的基于特征的面部面部算法是一种使用主组件分析有效地表示面部的方法。
PCA和Fisher等算法可用于定义代表面部模式的子空间。有一个受过训练的分类器，可以从背景图像模式中正确识别目标模式类。
神经网络已成功解决了许多检测问题，例如对象检测，面部检测，情绪检测和面部识别。
支持向量机是一个线性分类器，可以最大程度地提高决策 - 制造超flat平面和训练浓度示例之间的平衡。首先将此分类器应用于面对检测。
它们定义了一个由两个线性单元或目标节点组成的稀疏网络；一个代表表面模式，另一种代表非种族模式。它花费更少的时间和高效率。
通过计算一系列训练图像模式的频率来计算面部的概率出现。分类设备从面部的本地外观和位置捕获联合统计。
该模型的状态是面部特征，通常被描述为像素。HMM通常使用其他方法来构建测试算法。
MALCOV RARS（MRF）可用于面部模式和相关特征。Marcov过程使用差异化类的Kullback-Leibler类的最大分散类。因此，此方法可用于面部检测。
为此，该方法已用于检测面孔。Quinlan的C4.5或Mitchell的Find-S和其他算法。
有许多用于检测面孔的技术。使用这些技术，我们可以更准确地识别面部面孔。这些技术几乎具有相同的面部检测程序，例如OpenCV，Neural Network，Matlab等。面部检测的工作原理在图像中是多个面孔。为了进行面部检测，并且有一些面部检测操作的步骤，如下所示：
1）首先，通过提供图像的位置导入图像。然后将图片从RGB转换为灰色，因为它易于检测到灰色中的面部。
2）之后，使用图像处理，并根据需要调整，切割，模糊和锐化图像。
3）下一步是图像分割，该图像用于检测或划分单个图像中的多个对象，以便分类器可以快速检测图片中的对象和面。
4）下一步是使用类似HAAR的功能算法。Voila和Jones提出了该算法的面部检测。该算法用于在框架或图像中找到脸部的位置。每个人的脸具有人脸的某些普遍特征，例如眼睛比其邻近的像素更暗，鼻子面积比眼睛区域更明亮。
类似HAAR的算法还用于选择或特征特征选择或图像中对象的特征提取，并使用边缘检测，线检测，中心检测来检测图片中的眼睛，鼻子和嘴巴。选择图像中的基本特征，然后提取这些特征以进行面部检测。
5）下一步是给出X，Y，W和H的坐标，该坐标在图片中形成矩形盒子以显示面部的位置，或者我们可以说这是图像中有趣的区域。之后，它可以在面部的兴趣区域中制成一个矩形盒子。还有许多其他用于检测的测试技术，例如微笑检测，眼睛检测，眨眼检测等。
运行代码-Python，OpenCV，网络摄像头，Numpy的要求。
面部检测可用于生物学特征，通常是面部识别系统的一部分。FACE检测也可用于视频监视，人类计算机交互和图像数据库管理。最新数码相机的一种使用面部检测。
面部识别技术是人工智能领域的关键技术，并且在智能视频监视方案中具有广泛的应用程序前景。
在安全监控中，面部识别也具有重要意义，例如在公共场所（地铁站，车站，街道，酒店等）的安全控制控制，以及公共安全部狩猎部的嫌疑人。基于公共场所，通过抓住面孔并上传公共安全部的结果，比较嫌疑人的面孔，以协助执法公共安全人员的执法。作为核心，并继续在多种情况下开发智能业务系统和平台，以培养AI领域，例如EasyCVR，具有AI面部检测，面部识别，车牌识别，牌照识别，语音，语音，语音语音，对讲机的语音，gimbal Control，Control，Gimbal Control，声音和灯光警报，监视视频分析和数据摘要已经进入许多项目，例如行人测试和乘客流量分析在风景区域。