大學(xué)課題，要做5分鐘的簡短介紹，人工智能在人臉識別上的 實現(xiàn)方式（求咨詢，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，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）來訓(xùn)練分類器。我們需要從其中提取特征。下圖中的 Haar 特征會被使用，就像我們的卷積核，每一個特征是一個值，這個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，嘴巴比周圍顏色要深等。

　　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別、矩形位置和矩形大小這三個因素的函數(shù)。故類別、大小和位置的變化，使得很小的檢測窗口含有非常多的矩形特征。

　　得到圖像的特征后，訓(xùn)練一個決策樹構(gòu)建的adaboost級聯(lián)決策器來識別是否為人臉。

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

　　找到的文件如下所示：

　　那我們就利用這些文件來識別人臉，眼睛等。檢測流程如下：

　　讀取圖片，并轉(zhuǎn)換成灰度圖實例化人臉和眼睛檢測的分類器對象# 實例化級聯(lián)分類器 classifier =cv.CascadeClassifier( "haarcascade_frontalface_default.xml" ) # 加載分類器 classifier.load('haarcascade_frontalface_default.xml')進(jìn)行人臉和眼睛的檢測rect = classifier.detectMultiScale(gray, scaleFactor, minNeighbors, minSize,maxsize)參數(shù)：Gray: 要進(jìn)行檢測的人臉圖像scaleFactor: 前后兩次掃描中，搜索窗口的比例系數(shù)minneighbors：目標(biāo)至少被檢測到minNeighbors次才會被認(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結(jié)果繪制出來就可以了。主程序如下所示：

　　結(jié)果：

　　我們也可在視頻中對人臉進(jìn)行檢測：

　　opencv中人臉識別的流程是：

　　1. 讀取圖片，并轉(zhuǎn)換成灰度圖,

　　2.實例化人臉和眼睛檢測的分類器對象

　　3. 進(jìn)行人臉和眼睛的檢測

　　4. 將檢測結(jié)果繪制出來就可以了。

　　我們也可以在視頻中進(jìn)行人臉識別。