语言程序设计》课程的在线考试系统设计”（项目编号：2018YB04）。
赵豪越（1997-）， 男，河北邢台人，本科在读。研究方向：人工智能与软件开发。
黄建昌（1987-），男，河北省邯郸人，硕士研究生，讲师。研究方向：嵌入式开发。
图２ Ａｄａｂｏｏｓｔ算法检测人脸液压阀体
预处理电动黄包车
在图像中确定面部的位置和尺寸之后，对图像进行预处理。预处理的作用是提高图像质量，使图像更适合人体或机[2-3]，通过处理图像可以减少光和噪声对图像的影响，并且可以提高图像的对比度。它主要包括灰度变换、直方图均衡、归一化等[4]。信道数>电暖手套
灰度变换
在异常照明或噪声的情况下，根据特定的变换关系逐个改变每个像素的灰度值，并且提高图像质量，如图3
ca3780
旋转连接
图３ 灰度变换
如图3所示，左边是原始图像，拍摄环境比较暗，无法分清更多细节，在渐变变换之后，整个图像更亮，并且它可以在原始图像的黑暗中区分更多细节。
2.2.2 直方图均衡化
直方图均衡化是使整个图像的灰度值均匀分布，使图像
图４ 直方图均衡化
从图4中可以检测到，在直方图均衡之后，图像中每个位置的灰度值保持平均状态。
2.2.3 归一化处理
图像归一化处理对图像进行一系列的变换[5]，使各个图像都有一个统一的标准，即这些图像都有一个统一的格式。例如，将获取的人脸图像尺寸都设置成626×413像素。2.3 特征提取 在经过图像预处理后的图像中包含着许多对识别无关的信息，因此需要对图像进行特征的选择和提取，这需要压缩图像以便于图像识别。常见的特征提取方法包括几何特征提取和匹配模板方法。
2.3.1 几何特征方法
图５ 几何特征法
2.3.2 匹配模板法
在实际应用场景中，受使用者自身的影响，拍摄的图像可能在几何特征上不方便提取，这种情况下就需要对图像进行模板匹配，然后到脸部的特征，如眼睛、鼻子、嘴巴和其他部位，如图6所示。
图６ 匹配模板法
2.4 匹配与识别
将提取的面部特征数据与存储在手机数据库中的面部特征数据进行比较，并设置阈值，当相似度高于这个阈值，可以确定为机主，手机解锁，否则手机不会有任何响应。这一过程分为确认和辨认。确认是使用面部图像与已存储在手机数据库中人的图像进行比较，以回答您是否是您的问题。辨认是使用面部图像来匹配已存储在手机数据库中的所有图像，以回答您的身份。显然，辨认比确认更困难，因为它必即使是一张照片放在摄像头面前也可以被解锁，从而需要用三维技术去识别人脸，可在前置摄像头前安装感应人体发热源的器件，只能作用于人体。因为现有技术不成熟，目前此技术还仍处于早期阶段。（3）光照问题。为了避免受光照等外部因素影响，应根据当前情形加强或减弱人脸特征，
以使图像更清晰。
５ 结 语
