2016年百度世界大會開幕，其百度創始人李彥宏在會上發表了“人工智能”為主題的演講，并推出***產品“百度大腦”讓參展人員眼前一亮，其圖像識別能力非常突出，人臉識別概率已經高達97%。目前，業內普遍都非常關注人臉識別相關催化事件。

　　此前小米科技宣布小米人臉檢測團隊研發的新算法在FDDB人臉檢測準確率全球***，緊隨其后，百度、騰訊、360等國內互聯網大咖們也紛紛建立人臉檢測算法團隊，積極參與平臺的評測。除此之外，蘋果、三星、華為、Facebook、谷歌等終端大巨頭也爭先加入人臉識別這一塊領域當中。與以往證件識別的火熱一樣，想必未來應用場景不斷增加的情況下，面部識別功能極大可能成為下一個消費終端大方向。

　　人臉識別基于人的面部特征信息進行身份識別的一種生物識別技術。使用攝像頭或者攝像機采集含有人臉的圖像或視頻，自動檢測圖像信息和跟蹤人臉，對檢測到的人臉進行臉部的一系列相關分析技術。

　　人臉檢測是指從復雜的背景當中提取我們感興趣的人臉圖像。臉部毛發、化妝品、光照、噪聲、人臉傾斜和大小變化及各種遮擋等因素都會有導致人臉檢測問題變得更為復雜。人臉識別技術主要目的在于輸入的整幅圖像上尋找特定人臉區域，從而為后續的人臉識別做準備。

[[185749]]

　　人臉識別三大關鍵技術

　　一、基于特征的人臉檢測技術：通過采用顏色、輪廓、紋理、結構或者直方圖特征等進行人臉檢測。

　　二、基于模板匹配人臉檢測技術：從數據庫當中提取人臉模板，接著采取一定模板匹配策略，使抓取人臉圖像與從模板庫提取圖片相匹配，由相關性的高低和所匹配的模板大小確定人臉大小以及位置信息。

　　三、基于統計的人臉檢測技術：通過對于“人臉”和“非人臉”的圖像大量搜集構成的人臉正、負樣本庫，采用統計方法強化訓練該系統，從而實現對人臉和非人臉的模式進行檢測和分類。

　　人臉識別四大特征

　　1、幾何特征：從面部點之間的距離和比率作為特征，識別速度快，內存要求比較小，對于光照敏感度降低。

　　2、基于模型特征：根據不同特征狀態所具有概率不同而提取人臉圖像特征。

　　3、基于統計特征：將人臉圖像視為隨機向量，并用統計方法辨別不同人臉特征模式，比較典型的有特征臉、獨立成分分析、奇異值分解等。

　　4、基于神經網絡特征：利用大量神經單元對人臉圖像特征進行聯想存儲和記憶，根據不同神經單元狀態的概率實現對人臉圖像準確識別。

　　人臉識別是根據所提取的人臉圖像特征采用相關識別算法進行人臉確認或辨別。即將已檢測到的待識別人臉與數據庫中已知人臉進行比較匹配，得出相關信息，該過程的關鍵是選擇適當的人臉表征方式與匹配策略，系統的構造與人臉的表征方式密切相關。一般根據所提特征而選擇不同識別算法進行度量，常用的包括距離度量、支持向量機、神經網絡、k均值聚類等。