大學(xué)課題，要做5分鐘的簡(jiǎn)短介紹，人工智能在人臉識(shí)別上的 實(shí)現(xiàn)方式（求咨詢(xún)，不用告訴特別的仔細(xì)原理）  ai大體是怎么樣的學(xué)習(xí)就行了

　　我們使用機(jī)器學(xué)習(xí)的方法完成人臉檢測(cè)，首先需要大量的正樣本圖像（面部圖像）和負(fù)樣本圖像（不含面部的圖像）來(lái)訓(xùn)練分類(lèi)器。我們需要從其中提取特征。下圖中的 Haar 特征會(huì)被使用，就像我們的卷積核，每一個(gè)特征是一個(gè)值，這個(gè)值等于黑色矩形中的像素值之后減去白色矩形中的像素值之和。

　　Haar特征值反映了圖像的灰度變化情況。例如：臉部的一些特征能由矩形特征簡(jiǎn)單的描述，眼睛要比臉頰顏色要深，鼻梁兩側(cè)比鼻梁顏色要深，嘴巴比周?chē)伾畹取?/p>

　　Haar特征可用于于圖像任意位置，大小也可以任意改變，所以矩形特征值是矩形模版類(lèi)別、矩形位置和矩形大小這三個(gè)因素的函數(shù)。故類(lèi)別、大小和位置的變化，使得很小的檢測(cè)窗口含有非常多的矩形特征。

　　得到圖像的特征后，訓(xùn)練一個(gè)決策樹(shù)構(gòu)建的adaboost級(jí)聯(lián)決策器來(lái)識(shí)別是否為人臉。

　　OpenCV中自帶已訓(xùn)練好的檢測(cè)器，包括面部，眼睛，貓臉等，都保存在XML文件中，我們可以通過(guò)以下程序找到他們：

　　找到的文件如下所示：

　　那我們就利用這些文件來(lái)識(shí)別人臉，眼睛等。檢測(cè)流程如下：

　　讀取圖片，并轉(zhuǎn)換成灰度圖實(shí)例化人臉和眼睛檢測(cè)的分類(lèi)器對(duì)象# 實(shí)例化級(jí)聯(lián)分類(lèi)器 classifier =cv.CascadeClassifier( "haarcascade_frontalface_default.xml" ) # 加載分類(lèi)器 classifier.load('haarcascade_frontalface_default.xml')進(jìn)行人臉和眼睛的檢測(cè)rect = classifier.detectMultiScale(gray, scaleFactor, minNeighbors, minSize,maxsize)參數(shù)：Gray: 要進(jìn)行檢測(cè)的人臉圖像scaleFactor: 前后兩次掃描中，搜索窗口的比例系數(shù)minneighbors：目標(biāo)至少被檢測(cè)到minNeighbors次才會(huì)被認(rèn)為是目標(biāo)minsize和maxsize: 目標(biāo)的最小尺寸和最大尺寸將檢測(cè)結(jié)果繪制出來(lái)就可以了。主程序如下所示：

　　結(jié)果：

　　我們也可在視頻中對(duì)人臉進(jìn)行檢測(cè)：

　　opencv中人臉識(shí)別的流程是：

　　1. 讀取圖片，并轉(zhuǎn)換成灰度圖,

　　2.實(shí)例化人臉和眼睛檢測(cè)的分類(lèi)器對(duì)象

　　3. 進(jìn)行人臉和眼睛的檢測(cè)

　　4. 將檢測(cè)結(jié)果繪制出來(lái)就可以了。

　　我們也可以在視頻中進(jìn)行人臉識(shí)別。