人脸识别属于机器视觉的范畴同时也属于生物辨认的范畴,人脸识别现在是人工智能的热点方向,利用人脸识别技术进行身份的验证具有稳定和独特的优势,而且通过人脸进行身份识别非常方便和友好以及容易被人接收。一直以来人脸识别技术在机器视觉领域是一项很有挑战性的课题,同时也是应用非常广泛的一项技术,尤其在军事安全、公共安全和金融领域的应用最广泛。本文在研究了现在最先进的人脸识别技术后,针对于不同的实现方法和现有的硬件条件基础上提出了自己的实时的人脸识别系统,并将这套系统运行在银行服务机器人上。人脸识别过程的本质是对人脸图像做一系列特征处理的过程,本课题的人脸识别过程主要有以下几个阶段:检测并定位人脸在图片中的位置、获取人脸图片、人脸图片的比对,通过广泛的研究与比较,我选择了人脸检测速度最快和精度最高的人脸检测算法,同时也选择了鲁棒性更好和辨别力更高卷积神经网络算法做人脸图片的比对。本文所做的主要研究工作如下:⑴研究了基于漏斗式级联结构的多视角人脸检测算法,深入研究和分析了其算法原理,了解了这种人脸检测器的训练过程及应用条件和环境,实现该算法并获取相应的人脸检测器后将其运用在本课题的人脸识别系统中,最终获得了很快的检测速度和很高的检测率,保持了系统的实时性。⑵深入的研究了卷积神经网络(CNN),利用CNN模型对两张图片进行比对可以取得很好的分辨效果,并研究了深度对于CNN模型性能的影响,最终发现结构越简单以及深度越深的CNN模型的识别性能越好,但是这个结构深度有一个上限,当深度达到这个上限后模型的性能提升并不明显。⑶在现有银行服务机器人的硬件基础上完成了一套实时人脸识别系统的实现,使用C++语言实现的以方便不同平台的移植,然后对系统性能进行测试评估以及对测试结果进行分析和比较。