人脸识别（色彩空间转换，光照补偿，提取定位人脸）-face recognition

已有的眼睛状态识别方法不仅计算量大，而且易受环境因素(如光照条件)的影响。为此本文提出了一种新的眼睛状态识别方法:首先对实时拍摄的图像利用运动信息和肤色特征进行人脸检测 然后在检测到的上半部人 脸区域采用Adaboost算法只检测驾驶员正常状态下睁开的眼睛，把检测 的眼睛与眉毛分割出来制成正常睁开眼睛模板 最后把眼睛模板与未检测 到眼睛的上半部人脸区域进行匹配，当该区域的最大相似度值小于某闽值 时认为眼睛是闭合状态，否则认为眼睛是睁开状态。并根据眼睛状态计算 眼睛平均闭合时间

智能图像/视频处理中，复杂背景环境（比如室外环境、机场、车站等）下，人脸识别的第一步是人脸的检测。它的精确度直接影响到后期识别的结果。不过，领域内的科学家们基本上很难有足够的精力和时间开发优化的C++代码，使其用于商业用途，而一般都是只在Matlab中进行模拟。 本文的目的是提供一个我开发的SSE优化的，C++库，用于人脸检测，你可以马上把它用于你的视频监控系统中。文章中的分类器的训练数据来自与我的 webcam图像，它们被采集于不同时间，不同光照，不同背景环境下，它几乎可以实时地检测

梯度脸是一种提取光照不变特征的算法，对光照有很好的处理效果-Gradient face is a kind of algorithm to extract the illumination invariant features, and it has a good effect on the illumination.