行人闯红灯步入“刷脸”时代
长期以来，行人不按红绿灯指示随意过街扰乱正常交通秩序，一定程度上加重了城市的交通拥堵，也带来了事故隐患，有数据显示，53%的致人交通事故是由行人和非机动车过马路闯红灯引起的。
面对这种陋习，我们当然要敢于说不！就在近日，湖北黄石大冶街头就设立了一个“喷水”装置，据说是专门整治“式”马路的。据介绍，该由“行人闯红灯自动识别抓拍系统”和“行人过马路激光彩虹道闸系统”两大部分组成。其中“自动识别抓拍系统”由前端抓拍单元、违法曝光单元及后台数据分析等部分构成，主要通过视频检测行人闯红灯的行为，对人脸进行实时提取和识别，自动储存闯红灯的人脸数据并上传至大冶市公安局大数据侦查实验中心，通过联网搜索比对核实违法人员的真实身份，并实时在电子大屏上对违法人员进行曝光。这套系统对屡次闯红灯人员将会记入社会征信系统，也可作为行人闯红灯违法的处理依据。
而“激光彩虹道闸系统”是由激光彩虹设备、红绿灯提示设备和语音警示设备组成，在行人横过马路时，不仅可以“看得见”红绿灯，“听得见”语音提示，还能真实地感受到水雾的喷射提醒，比如当有行人闯红灯时，系统会发出“现在是红灯，请不要通行，通行危险”的语音提示并自动喷射水雾以警告闯红灯的行人。
人脸识别(Face Recognition)技术是一项非常重要的生物特征识别技术，同其它的生物特征识别技术(如指纹识别、步态识别和虹膜识别)相比，人脸识别具有简便性、非接触性和不侵犯个人隐私等独特的优点，这使得在近年来，人脸识别受到越来越多研究者的关注，特别是主成分分析方法(Principle Component Analysis, PCA)和线性鉴别方法(Linear Discriminant Analysis, LDA)在人脸识别中的应用之后，人脸识别在日常生活应用领域不断扩大，如出入境检查、门禁系统、安检以及机场的安检等方面。虽然目前人脸识别系统已经取得了较好的识别效果，但依然受到光照、姿态、表情变化、发型、有无眼镜和年龄老化等多方面因素的影响。因此，本文对人脸识别技术的研究，具有重要的理论研究意义和实际应用价值。本文主要针对人脸识别中特征的选取和分类的问题，提出了一种线性鉴别方法(LDA)和基于稀疏表征的分类(Sparse Representation-based Classification, SRC)相结合的全局和局部表征集成方法，该方法利用线性鉴别分析方法在子空间上的... 更多
人脸技术流程
人脸识别系统主要包括四个组成部分，分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。
人脸图像采集及检测
人脸图像采集：不同的人脸图像都能通过摄像镜头采集下来，比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时，采集设备会自动搜索并拍摄用户的人脸图像。
人脸检测：人脸检测在实际中主要用于人脸识别的预处理，即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富，如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。人脸检测就是把这其中有用的信息挑出来，并利用这些特征实现人脸检测。
主流的人脸检测方法基于以上特征采用Adaboost学习算法，Adaboost算法是一种用来分类的方法，它把一些比较弱的分类方法合在一起，组合出新的很强的分类方法。
人脸检测过程中使用Adaboost算法挑选出一些能代表人脸的矩形特征(弱分类器)，按照加权投票的方式将弱分类器构造为一个强分类器，再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，有效地提高分类器的检测速度。
-/gbajffh/-
