動態人臉識別顧名思義，就是運動中人臉的識別。我不用開源視覺庫opencv，因為opencv中的人臉識別相當耗時，如果在某些嵌入式系統中，顯然執行不流暢。
其實還有其他的簡單的方法可供使用，本文暫不考慮背景運動，假定背景是靜態的。
經幀間差分後，進行2d直方圖投影後，可以很明顯的看到，直方圖的分布規律，直方圖的優點，處理簡單，特徵明顯，而且人臉輪廓分布規律清晰可辨。見下圖（b）。
對直方圖進行分布統計後，初步得到如下圖（c）中的矩形區域，這個就是粗略的人臉區域。
經過上面的簡單處理，雖然人臉區域已經初現端倪，但是這個區域波動性很大，準確性不高，不適合進行人臉識別。因為2d直方圖的投影還有許多雜訊，這影響了我們的分布統計結果，從而得到了又較大誤差的人臉區域，如何削弱或者去掉雜訊呢？
下面進行基本影象處理和形態學處理對人臉識別準確性對比：太明顯了吧，左邊誤差嗖嗖的大，右邊誤差嗖嗖的小。
人臉識別的流程
記錄一下目前對人臉識別流程及識別方法的理解，以後隨著認識的提公升不斷更新 在整個過程中所使用的都是灰度化之後的。為什麼要轉化為灰度？1.識別物體最關鍵的部分是，找到物體的邊緣，就是的梯度，的梯度計算用到的就是灰度化之後的。2.顏色容易受到光照影響，難以提供關鍵資訊，最重要的是灰度化之後可以加快計算速...
人臉識別的深度學習
深度學習只不過是機器學習的標準範例，更準確地說 是其演算法之一。在最大程度上，它基於人腦的概念和神經元的相互作用。如果你開始谷歌搜尋深度學習是什麼，你會發現今天這個超級熱門詞遠遠不是新的。為什麼這樣？該術語本身出現在20世紀80年代，但到2012年，沒有足夠的力量來實施這項技術，幾乎沒有人關注它。在...
人臉識別的深度學習
深度學習只不過是機器學習的標準範例，更準確地說 是其演算法之一。在最大程度上，它基於人腦的概念和神經元的相互作用。如果你開始谷歌搜尋深度學習是什麼，你會發現今天這個超級熱門詞遠遠不是新的。為什麼這樣？該術語本身出現在20世紀80年代，但到2012年，沒有足夠的力量來實施這項技術，幾乎沒有人關注它。在...