边缘检测

什么是边缘？通俗来说就是眼睛、鼻子等外部轮廓，在灰度图像中就是一些灰度值变化明显的点，这些变化反映了图像的重要程度或所蕴含的信息。

直观上看，图像的边缘附近的值出现明显的分割，灰度值变化较大，而图像中比较平滑的部分，其灰度值变化较小。对于计算机来说，可以通过灰度阶的变化来对图像信息进行边缘检测。

canny边缘检测

canny边缘检测是澳洲计算机科学家 约翰坎尼（john f. canny）于1986年开发出来的一个多级边缘检---法，其目标是找到一个优的边缘，其优边缘的定义是：

优检测——算法能够尽可能多示出图像中的实际边缘，漏检和误检的概率非常小；

优定位——检测出的边缘要与实际图像中的实际边缘尽可能接近；

检测点与边缘点一一对应——算子检测的边缘点与实际边缘点应该是一一对应的。

1）图像去噪

噪声会影响边缘检测的准确性，因此首先要将噪声过滤掉，通常使用高斯滤波。

2）计算梯度的幅度与方向

使用高斯滤波器来进行计算，让距离中心点越近的像素点---越大。

实现过程

以上简单描述了人脸关键特征的计算方法。在实际应用中，需要借助于统计分析的技术，从大量的人脸中找到对应的特征，并通过训练出不同的分类器，如嘴巴分类器、眼睛分类器等，从而实现人脸及关键部位的检测。

在进行比对时，需要对包含脸部的所有可能检测窗口进行穷举搜索，得到关键部位信息，并进行存储或比对，这个过程相对比较耗时。在比对过程中，可以使用各个部位进行相似性比对，并进行结果合并；或者直接对包含各个部件的全局特征进行比对，直接输出比对结果。

有研究表明，儿童识别目标（如人脸）往往依据目标的某些局部特征，而成年人则侧重于记住目标的全局。

人脸特征的探测也可作为一种图像预处理手段，如果确定了两眼的位置，得到两眼间的距离，依此就可得到人脸的尺度大小，进行尺度标准化处理，解决人员距离采集器远近的问题。从理论上来说，人脸的关键部位特征相对比较稳定，对人脸、方向等没有过多要求，通过算法提取的特征能准确反映对象的特征，具有一定的不变性，---了结果输出的一致性，能够满足人脸识别在早期各应用场景的使用。