說(shuō)到人臉識(shí)別，大部分的人第一反應(yīng)是“刷臉”，我們來(lái)看下人臉識(shí)別的定義：人臉識(shí)別，是基于人的臉部特征信息進(jìn)行身份識(shí)別的一種生物識(shí)別技術(shù)。用攝像機(jī)或攝像頭采集含有人臉的圖像或視頻流，并自動(dòng)在圖像中檢測(cè)和跟蹤人臉，進(jìn)而對(duì)檢測(cè)到的人臉進(jìn)行臉部的一系列相關(guān)技術(shù)，通常也叫做人像識(shí)別、面部識(shí)別。

從上面這段話，我們能夠推斷出人臉識(shí)別需要：人臉圖像采集及檢測(cè)、人臉圖像特征提取以及匹配和識(shí)別這四個(gè)步驟，同時(shí)這也是人臉識(shí)別系統(tǒng)的三個(gè)組成部分。

人臉圖像采集及檢測(cè)

目前主流的人臉檢測(cè)及采集的方法有Adaboost人臉檢測(cè)算法、基于特征的方法、基于模板的方法等等。

主要說(shuō)說(shuō)Adaboost人臉檢測(cè)算法。Adaboost人臉檢測(cè)算法，是基于積分圖、級(jí)聯(lián)檢測(cè)器和Adaboost算法的方法，該方法能夠檢測(cè)出正面人臉且檢測(cè)速度快。其核心思想是自動(dòng)從多個(gè)弱分類器的空間中挑選出若干個(gè)分類器，構(gòu)成一個(gè)分類能力很強(qiáng)的強(qiáng)分類器。

缺點(diǎn)是在復(fù)雜背景中，AdaBoost人臉檢測(cè)算法容易受到復(fù)雜環(huán)境的影響，導(dǎo)致檢測(cè)結(jié)果并不穩(wěn)定，極易將類似人臉區(qū)域誤檢為人臉，誤檢率較高。

人臉圖像特征提取

人臉識(shí)別系統(tǒng)可使用的特征通常分為視覺(jué)特征、像素統(tǒng)計(jì)特征、人臉圖像變換系數(shù)特征、人臉圖像代數(shù)特征等。人臉特征提取就是針對(duì)人臉的某些特征進(jìn)行的。人臉特征提取，也稱人臉表征，它是對(duì)人臉進(jìn)行特征建模的過(guò)程。人臉特征提取的方法歸納起來(lái)分為兩大類：一種是基于知識(shí)的表征方法；另外一種是基于代數(shù)特征或統(tǒng)計(jì)學(xué)習(xí)的表征方法。

基于知識(shí)的表征方法主要是根據(jù)人臉器官的形狀描述以及他們之間的距離特性來(lái)獲得有助于人臉?lè)诸惖奶卣鲾?shù)據(jù)，其特征分量通常包括特征點(diǎn)間的歐氏距離、曲率和角度等。人臉由眼睛、鼻子、嘴、下巴等局部構(gòu)成，對(duì)這些局部和它們之間結(jié)構(gòu)關(guān)系的幾何描述，可作為識(shí)別人臉的重要特征，這些特征被稱為幾何特征。

基于統(tǒng)計(jì)理論的方法是指利用統(tǒng)計(jì)分析與機(jī)器學(xué)習(xí)的方法分別尋找人臉與非人臉樣本特征，利用這些特征構(gòu)建分類，使用分類進(jìn)行人臉檢測(cè)。它主要包括神經(jīng)網(wǎng)絡(luò)方法，支持向量機(jī)方法和隱馬爾可夫模型方法?；诮y(tǒng)計(jì)理論的方法是通過(guò)樣本學(xué)習(xí)而不是根據(jù)人們的直觀印象得到的表象規(guī)律，因此可以減小由于人眼觀測(cè)不完整和不精確帶來(lái)的錯(cuò)誤而不得不擴(kuò)大檢測(cè)的范圍，但是這種方法需要大量的統(tǒng)計(jì)特性，樣本訓(xùn)練費(fèi)時(shí)費(fèi)力。

人臉圖像匹配與識(shí)別

提取的人臉圖像的特征數(shù)據(jù)與數(shù)據(jù)庫(kù)中存儲(chǔ)的特征模板進(jìn)行搜索匹配，通過(guò)設(shè)定一個(gè)閾值，當(dāng)相似度超過(guò)這一閾值，則把匹配得到的結(jié)果輸出。人臉識(shí)別就是將待識(shí)別的人臉特征與已得到的人臉特征模板進(jìn)行比較，根據(jù)相似程度對(duì)人臉的身份信息進(jìn)行判斷。這一過(guò)程又分為兩類：一類是確認(rèn)，是一對(duì)一進(jìn)行圖像比較的過(guò)程，簡(jiǎn)稱1：1，另一類是辨認(rèn)，是一對(duì)多進(jìn)行圖像匹配對(duì)比的過(guò)程，簡(jiǎn)稱1：N。

1：1意思為“這人是不是某人？”

比如我們?cè)谲囌境塑囘^(guò)安檢時(shí)，檢票人員總是拿著身份證跟你本人做對(duì)比，證明身份證里面是不是你本人，這種場(chǎng)景就是1:1的場(chǎng)景。

據(jù)相關(guān)統(tǒng)計(jì)證明人的肉眼識(shí)別精準(zhǔn)度達(dá)到95%左右，但是人的眼睛是有疲勞度的，所以車站安檢人員需要定時(shí)換班換崗。目的就是為了保持比較平均的識(shí)別的準(zhǔn)確率。但是，在這種場(chǎng)景下，如果采用人臉識(shí)別技術(shù)，識(shí)別率可達(dá)到97%甚至是更高的準(zhǔn)確率而且系統(tǒng)設(shè)備是沒(méi)有疲勞度的問(wèn)題。

1：N意思為“這人是誰(shuí)？”

比如我們現(xiàn)在在車站或一些重要的場(chǎng)所如步行街、城中村等人流密集的場(chǎng)所應(yīng)用的人臉識(shí)別布控系統(tǒng)，其特點(diǎn)是動(dòng)態(tài)和非配合。所謂的動(dòng)態(tài)也就是識(shí)別的不是照片，不是圖片，而是由前端攝像機(jī)采集的動(dòng)態(tài)視頻流;非配合是指識(shí)別對(duì)象不用感知到攝像頭的位置并配合完成識(shí)別工作，整個(gè)識(shí)別過(guò)程非常方便，不會(huì)讓人排斥。但1:N會(huì)因?yàn)槭褂玫攸c(diǎn)，環(huán)境，光線，甚至是玻璃反射都會(huì)影響識(shí)別的準(zhǔn)確性，所以1:N相對(duì)更具有挑戰(zhàn)性。

人臉識(shí)別技術(shù)目前已經(jīng)廣泛應(yīng)用于金融、司法、軍隊(duì)、公安、邊檢、安防等領(lǐng)域。隨著平安城市、智慧小區(qū)、智能樓宇、智能交通的建設(shè)和發(fā)展，人臉識(shí)別技術(shù)將越來(lái)越深入我們的生活。