简单说说人脸识别的原理

人脸识别是一项热门的计算机技术研究领域，其中包括人脸追踪侦测，自动调整影像放大，夜间红外侦测，自动调整曝光强度等技术，业内已推出人脸解锁的功能。此外，人脸识别还用于：1.人脸识别门禁考勤系统，人脸识别防盗门等（企业、住宅安全和管理）；2.如利用人脸识别系统和网络，在全国范围内搜捕逃犯（公安、司法和刑侦）。

都说人脸识别前景广阔，那么其原理是什么呢？

人脸识别，作为一项新兴的生物技术，其环节无非有三：

1.建立人像档案

2.读取人像

3.前面的两者的比对

最核心的东西，就是其中的识别算法。

主流的人脸识别技术基本上可以归结为三类，即：基于几何特征的方法、基于模板的方法和基于模型的方法。

1、基于几何特征的方法

人脸上的眼睛、鼻子、嘴巴、眉毛等，既是人们的共性，同时也是区分个体的关键（因为其大小、形状等不尽相同）。

我们经常用面部的特征来描述个体，机器同样也可以做这件事。机器通过对图像处理，得到对这些图像的集合特征描述（比如根据你的鼻子的显著特点导出一组用于识别的特征度量如距离、角度等）。

当然，这些处理，会导致一些局部特征信息的丢失，所以需要做出改进。

2.基于模板的方法

比如特征脸方法、线性判别分析方法、奇异值分解方法、神经网络方法等。

特征脸法：（有许多改进方法，常与基于几何特征的方法结合）

特征脸法的基本思想，便是搜集大量的图像进行分析，寻找人脸图像分布的基本元素，即人脸图像样本集协方差矩阵的特征向量，以此近似地表征人脸图像。

神经网络方法：

神经网络（又称人工神经网络），是一种运算模型，由大量的节点以及它们之间的联接构成。每个节点代表一个函数，而联接则代表权重。

这玩意儿是人们对人脑神经网络工作方式抽象的一个产物，所以加了个“人工”来区别。

按照其反馈的机制，又可以分为前馈网络、递归网络等。12年之前，运用于人脸识别的神经网络中类有前馈、递归等。而后，深度学习基于大数据的卷积神经网络取得了更大的成果

（Yale人脸数据库）

3、基于模型的方法

有基于隐马尔柯夫模型，主动形状模型和主动外观模型的方法等。

4、以上的介绍可以说相当粗略，有关图像处理的细节。（比如预处理的方式，如下图）

（图像二值化后的效果）

（图像直方图均衡化后的效果）

或是算法的细节（比如如何在一张人像中找到一个人的鼻子）等没有过多提及。

（部分内容转载自网络，如有侵权，请联系删除。）