前言：今天在電腦壓箱底的位置竟然找到了當年大學畢業的畢業設計，當時做的是一個安全檢測系統，其中有一個模塊是人臉識別，從中摘出來三張圖片和大家分享，時間已久，下面全是即興書寫，如有bug，敬請百度，謝謝~~~
動態人臉識別顧名思義，就是運動中人臉的識別。我不用開源視覺庫OPENCV，因爲OPENCV中的人臉識別相當耗時，如果在某些嵌入式系統中，顯然運行不流暢。
其實還有其他的簡單的方法可供使用，本文暫不考慮背景運動，假定背景是靜態的。
看到運動一詞，我第一反應時使用————幀間差分，何爲幀間差分，請自行百度。圖像相鄰兩幀經過灰度，二值化，幀間差分後輪廓明顯、清晰，這有利於我們進行下一步的圖像處理。目前處理結果如下圖（a）.
經幀間差分後，進行2D直方圖投影後，可以很明顯的看到，直方圖的分佈規律，直方圖的優點，處理簡單，特徵明顯，而且人臉輪廓分佈規律清晰可辨。見下圖（b）。
對直方圖進行分佈統計後，初步得到如下圖（C）中的矩形區域，這個就是粗略的人臉區域。
經過上面的簡單處理，雖然人臉區域已經初現端倪，但是這個區域波動性很大，準確性不高，不適合進行人臉識別。因爲2D直方圖的投影還有許多噪聲，這影響了我們的分佈統計結果，從而得到了又較大誤差的人臉區域，如何削弱或者去掉噪聲呢？
由於噪聲點都是比較分散、細小的，所以我們選擇圖像形態學處理進行圖像處理。何爲圖像形態學處理，老規矩，自己百度去。下面是進行形態學處理後的2D直方圖效果，可以明顯看出經過形態學處理的圖像，噪聲明顯減少，人臉區域識別準確性大大提高。。。其中形態學處理佔用的處理時間較其他圖像識別處理方法少，特別適合在嵌入式系統中使用。
下面進行基本圖像處理和形態學處理對人臉識別準確性對比：太明顯了吧，左邊誤差嗖嗖的大，右邊誤差嗖嗖的小。
以上僅供大家參考，方法簡單，但不失風韻。如有bug，請百度自糾之。。謝謝~~~~~