人臉識別技術是基于人的臉部特征，對輸入的人臉圖像或者視頻流 . 首先判斷其是否存在人臉 , 如果存在人臉，則進一步的給出每個臉的位置、大小和各個主要面部器官的位置信息。并依據(jù)這些信息，進一步提取每個人臉中所蘊涵的身份特征，并將其與已知的人臉進行對比，從而識別每個人臉的身份。 廣義的人臉識別實際包括構建人臉識別系統(tǒng)的一系列相關技術，包括人臉圖像采集、人臉定位、人臉識別預處理、身份確認以及身份查找等；而狹義的人臉識別特指通過人臉進行身份確認或者身份查找的技術或系統(tǒng)。
轉(zhuǎn)眼之間，我們已步入了2017年年底，回首這一年科技圈的各類大事件，令人印象頗為深刻的便是蘋果公司最新推出的Face ID技術了，F(xiàn)ace ID技術的推出也將人臉識別技術的關注帶入了一個新的高度。作為一個"跟風"型小編，自然不會錯過今年最大的熱點。沒錯！本次專題正是要為大家介紹2017年最火爆的"黑科技"--人臉識別技術。這次小編為大家?guī)砹擞嘘P人臉識別技術的全方位解讀，相信喜愛科技的你一定不會錯過！
人臉識別技術是基于人的臉部特征，對輸入的人臉圖像或者視頻流 . 首先判斷其是否存在人臉 , 如果存在人臉，則進一步的給出每個臉的位置、大小和各個主要面部器官的位置信息。并依據(jù)這些信息，進一步提取每個人臉中所蘊涵的身份特征，并將其與已知的人臉進行對比，從而識別每個人臉的身份。 廣義的人臉識別實際包括構建人臉識別系統(tǒng)的一系列相關技術，包括人臉圖像采集、人臉定位、人臉識別預處理、身份確認以及身份查找等；而狹義的人臉識別特指通過人臉進行身份確認或者身份查找的技術或系統(tǒng)。
這一階段人臉識別通常只是作為一個一般性的模式識別問題來研究，所采用的主要技術方案是基于人臉幾何結構特征（Geometric feature based）的方法。這集中體現(xiàn)在人們對于剪影（Profile）的研究上，人們對面部剪影曲線的結構特征提取與分析方面進行了大量研究。人工神經(jīng)網(wǎng)絡也 一度曾經(jīng)被研究人員用于人臉識別問題中。
這一階段盡管時間相對短暫，但卻是人臉識別研究的高潮期，可謂碩果累累：不但誕生了若干代表性的人臉識別算法，美國軍方還組織了著名的 FERET 人臉識別算法測試，并出現(xiàn)了若干商業(yè)化運作的人臉識別系統(tǒng)，比如最為著名的 Visionics（現(xiàn)為 Identix）的 FaceIt 系統(tǒng)。 美國麻省理工學院（MIT）媒體實驗室的特克（Turk）和潘特（Pentland）提出的"特征臉"方法無疑是這一時期內(nèi)最負盛名的人臉識別方法。
最近幾年來，由于計算機技術的發(fā)展，人臉識別研究引起了學術界越來越多的關注。而在眾多研究方向中，研究最多的是關于人臉正面模式的研究，主要可以分為三個發(fā)展階段：
第一階段是對人臉識別所需要的面部特征進行研究。
第二階段是人機交互式識別階段。
第三階段是自動識別階段。
人臉識別法主要集中在二維圖像方面，主要利用分布在人臉上從低到高80個節(jié)點或標點，通過測量眼睛、顴骨、下巴等之間的間距來進行身份認證。人臉識別算法主要有：
1.基于模板匹配的方法:模板分為二維模板和三維模板，核心思想:利用人的臉部特征規(guī)律建立一個立體可調(diào)的模型框架,在定位出人的臉部位置后用模型框架定位和調(diào)整人的臉部特征部位,解決人臉識別過程中的觀察角度、遮擋和表情變化等因素影響。
2.基于奇異值特征方法：人臉圖像矩陣的奇異值特征反映了圖像的本質(zhì)屬性，可以利用它來進行分類識別。
3.子空間分析法：因其具有描述性強、計算代價小、易實現(xiàn)及可分性好等特點，被廣泛地應用于人臉特征提取，成為了當前人臉識別的主流方法之一。
4.局部保持投影(Locality Preserving Projections，LPP)是一種新的子空間分析方法，它是非線性方法Laplacian Eigen map的線性近似，既解決了PCA等傳統(tǒng)線性方法難以保持原始數(shù)據(jù)非線性流形的缺點，又解決了非線性方法難以獲得新樣本點低維投影的缺點。
三維人臉識別可以極大的提高識別精度，真正的三維人臉識別是利用深度圖像進行研究，自90年代初期開始，已經(jīng)有了一定的進展。三維人臉識別方法有：
1.基于圖像特征的方法：采取了從3D結構中分離出姿態(tài)的算法。首先匹配人臉整體的尺寸輪廓和三維空間方向；然后，在保持姿態(tài)固定的情況下，去作臉部不同特征點(這些特征點是人工的鑒別出來)的局部匹配。
2.基于模型可變參數(shù)的方法：使用將通用人臉模型的3D變形和基于距離映射的矩陣迭代最小相結合，去恢復頭部姿態(tài)和3D人臉。隨著模型形變的關聯(lián)關系的改變不斷更新姿態(tài)參數(shù)，重復此過程直到最小化尺度達到要求�；谀Ｐ涂勺儏�(shù)的方法與基于圖像特征的方法的最大區(qū)別在于：后者在人臉姿態(tài)每變化一次后，需要重新搜索特征點的坐標，而前者只需調(diào)整3D變形模型的參數(shù)。
一、自然性，所謂的自然性是指通過觀察比較人臉來區(qū)分和確認身份;
二、非強制性，被識別的人臉圖像信息可以主動獲取而不被被測個體察覺，人臉識別是利用可見光獲取人臉圖像信息，這種特殊的采集方式很容易被人察覺，從而帶有可被偽裝欺騙性。
三、非接觸性，相比較其他生物識別技術而言，人臉識別是非接觸的，用戶不需要和設備直接接觸。
四、并發(fā)性，在實際應用場景中，人臉識別技術可以進行多個人臉的分揀、判斷及識別。
首先是人類臉部存在相似性，不同個體之間的區(qū)別不大，所有的人臉的結構都相似，在加上化妝的掩蓋及雙胞胎的天然相似性更增加了識別的難度。
其次是人臉存在易變性，人臉的外形很不穩(wěn)定，人可以通過臉部的變化產(chǎn)生很多表情，而在不同觀察角度，人臉的視覺圖像也相差很大，另外，人臉識別還受光照條件(例如白天和夜晚，室內(nèi)和室外等)、人臉的很多遮蓋物(例如口罩、墨鏡、頭發(fā)、胡須等)、年齡等多方面因素的影響。
同時隨著待識別的人數(shù)的增加、出現(xiàn)張得比較像的人的概率增加等情況逐漸增多，原有的人臉識別已滿足不了實際的應用。
隱私權限問題
安防監(jiān)控在中國基本是遍地都有，中國人實際上對隱私問題并沒有那么高的關注度，但如果人臉識別應用進來，監(jiān)控系統(tǒng)和人臉識別的使用人員就可以找到任何一個人的位置。對打擊犯罪和恐怖主義的確是很好手段，但對普通民眾來說，還是有點被監(jiān)視的恐怖感。
網(wǎng)絡安全問題
目前安防領域?qū)τ诰W(wǎng)絡安全的保護基本是零。一旦黑客拿到視頻錄像文件或者視頻流，甚至只需要自己有人臉識別系統(tǒng)，不需要原系統(tǒng)有，就可以"借用"別人的監(jiān)控系統(tǒng)做人臉分析了。
采用幾何特征進行正面人臉識別一般是通過提取人眼、口、鼻等重要特征點的位置和眼睛等重要器官的幾何形狀作為分類特征,但Roder對幾何特征提取的精確性進行了實驗性的研究，結果不容樂觀。
局部性和拓撲性對模式分析和分割是理想的特性，似乎這更符合神經(jīng)信息處理的機制，因此尋找具有這種特性的表達十分重要。這種方法在實際應用取得了很好的效果，它構成了FaceIt人臉識別軟件的基礎。
特征臉方法具有簡單有效的點,也稱為基于主成分分析的人臉識別方法。從統(tǒng)計的觀點，尋找人臉圖像分布的基本元素，即人臉圖像樣本集協(xié)方差矩陣的特征向量，以此近似地表征人臉圖像。這些特征向量稱為特征臉。
彈性圖匹配技術是一種基于幾何特征和對灰度分布信息進行小波紋理分析相結合的識別算法，由于該算法較好的利用了人臉的結構和灰度分布信息，而且還具有自動精確定位面部特征點的功能，因而具有良好的識別效果。
Lee等將人臉的特點用六條規(guī)則描述，然后根據(jù)這六條規(guī)則進行五官的定位，將五官之間的幾何距離輸入模糊神經(jīng)網(wǎng)絡進行識別，神經(jīng)網(wǎng)絡方法在人臉識別上的應用比起前述幾類方法來有一定的優(yōu)勢，它的適應性更強，一般也比較容易實現(xiàn)。
