概述
臉識別，是基於人的臉部特徵信息進行身份識別的一種生物識別技術。用攝像機或攝像頭採集含有人臉的圖像或視頻流，並自動在圖像中檢測和跟蹤人臉，進而對檢測到的人臉進行臉部的一系列相關技術，通常也叫做人像識別、面部識別。
廣義的人臉識別實際包括構建人臉識別系統的一系列相關技術，包括人臉圖像採集、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。
生物特徵識別技術所研究的生物特徵包括臉、指紋、手掌紋、虹膜、視網膜、聲音（語音）、體形、個人習慣（例如敲擊鍵盤的力度和頻率、簽字）等，相應的識別技術就有人臉識別、指紋識別、掌紋識別、虹膜識別、視網
發展歷史
人臉識別人臉識別系統的研究始於20世紀60年代，80年代後隨著計算機技術和光學成像技術的發展得到提高，而真正進入初級的套用階段則在90年後期，並且以美國、德國和日本的技術實現為主；人臉識別系統成功的關鍵在於是否擁有尖端的核心算法，並使識別結果具有實用化的識別率和識別速度；“人臉識別系統”集成了人工智慧、機器識別、機器學習、模型理論、專家系統、視頻圖像處理等多種專業技術，同時需結合中間值處理的理論與實現，是生物特徵識別的最新套用，其核心技術的實現，展現了弱人工智慧向強人工智慧的轉化。
技術特點
傳統的人臉識別技術主要是基於可見光圖像的人臉識別，這也是人們熟悉的識別方式，已有30多年的研發歷史。但這種方式有著難以克服的缺陷，尤其在環境光照發生變化時，識別效果會急劇下降，無法滿足實際系統的需要。解決光照問題的方案有三維圖像人臉識別，和熱成像人臉識別。但這兩種技術還遠不成熟，識別效果不盡人意。北京眼神科技有限公司專注於深度學習技術，以大數據為依託，以生物識別為切入點，致力於解決人工智慧領域中的人機互動問題。迅速發展起來的一種解決方案是基於主動近紅外圖像的多光源人臉識別技術。它可以克服光線變化的影響，已經取得了卓越的識別性能，在精度、穩定性和速度方面的整體系統性能超過三維圖像人臉識別。這項技術在近兩三年發展迅速，使人臉識別技術逐漸走向實用化。
人臉與人體的其它生物特徵（指紋、虹膜等）一樣與生俱來，它的唯一性和不易被複製的良好特性為身份鑑別提供了必要的前提，與其它類型的生物識別比較人臉識別具有如下特點：
非強制性：用戶不需要專門配合人臉採集設備，幾乎可以在無意識的狀態下就可獲取人臉圖像，這樣的取樣方式沒有“強制性”；
非接觸性：用戶不需要和設備直接接觸就能獲取人臉圖像；
並發性：在實際套用場景下可以進行多個人臉的分揀、判斷及識別；
除此之外，還符合視覺特性：“以貌識人”的特性，以及操作簡單、結果直觀、隱蔽性好等特點。
識別優勢
人臉識別的優勢在於其自然性和不被被測個體察覺的特點。所謂自然性，是指該識別方式同人類（甚至其他生物）進行個體識別時所利用的生物特徵相同。例如人臉識別，人類也是通過觀察比較人臉區分和確認身份的，另外具有自然性的識別還有語音識別、體形識別等，而指紋識別、虹膜識別等都不具有自然性，因為人類或者其他生物並不通過此類生物特徵區別個體。
不被察覺的特點對於一種識別方法也很重要，這會使該識別方法不令人反感，並且因為不容易引起人的注意而不容易被欺騙。人臉識別具有這方面的特點，它完全利用可見光獲取人臉圖像信息，而不同於指紋識別或者虹膜識別，需要利用電子壓力感測器採集指紋，或者利用紅外線採集虹膜圖像，這些特殊的採集方式很容易被人察覺，從而更有可能被偽裝欺騙。
識別特點
雖然人臉識別有很多其他識別無法比擬的優點，但是它本身也存在許多困難。人臉識別被認為是生物特徵識別領域甚至人工智慧領域最困難的研究課題之一。人臉識別的困難主要是人臉作為生物特徵的特點所帶來的。人臉在視覺上的特點是。
第一、不同個體之間的區別不大，所有的人臉的結構都相似，甚至人臉器官的結構外形都很相似。這樣的特點對於利用人臉進行定位是有利的，但是對於利用人臉區分人類個體是不利的。
第二、人臉的外形很不穩定，人可以通過臉部的變化產生很多表情，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，室內和室外等）、人臉的很多遮蓋物（例如口罩、墨鏡、頭髮、鬍鬚等）、年齡等多方面因素的影響。
在人臉識別中，第一類的變化是應該放大而作為區分個體的標準的，而第二類的變化應該消除，因為它們可以代表同一個個體。通常稱第一類變化為類間變化（inter-classdifference），而稱第二類變化為類內變化（intra-classdifference）。對於人臉，類內變化往往大於類間變化，從而使在受類內變化干擾的情況下利用類間變化區分個體變得異常困難。
身份識別
慧眼人臉識別考勤機視頻監控正在快速普及，眾多的視頻監控套用迫切需要一種遠距離、用戶非配合狀態下的快速身份識別技術，以求遠距離快速確認人員身份，實現智慧型預警。人臉識別技術無疑是最佳的選擇，採用快速人臉檢測技術可以從監控視頻圖象中實時查找人臉，並與人臉資料庫進行實時比對，從而實現快速身份識別。但近距離人臉識別技術對用戶的種種限制使得其在視頻監控中難以使用。面向視頻監控的遠距離人臉識別技術在強勁的需求帶動下應運而生。
由於視頻監控攝像機距離目標較遠且用戶處於非配合的運動狀態，使得採集質量好的人臉圖像比較困難，極易產生運動模糊，所採集圖像的質量遠低於近距離配合狀態下獲取的人臉圖像；同時由於用戶處於非配合的運動狀態，活動更自由，側臉和背對攝像機的機率大大增加，這就給人臉檢測、人臉跟蹤、人臉對比識別帶來相當大的困難；此外。監控場景中通常會有多人同時出現，身體容易相互遮擋，給身份關聯帶來一定的困難，且系統還需要對每一個人保持跟蹤識別，這一系列因素導致面向視頻監控的遠距離人臉識別難度非常大。
經過長期持續的研究探索，在視頻監控人臉識別技術上取得重大階段性進展，使得把人臉識別技術套用在視頻監控上成為可能。
相對於近紅外人臉識別技術，可見光人臉識別會受到光線變化的影響和照片視頻的攻擊，但另一方因其可以很方便的與現有各種普通監控攝像頭聯繫，不需要專用的紅外攝像頭，所以在與傳統監控相結合，乃至升級都比較方便。但其自身局限性也決定了其識別準確率遠不及近紅外技術，所以建議開發者使用在輔助人工之場合，例如人臉監控，VIP通道等。
基本方法
人臉識別的方法很多，主要的人臉識別方法有：
（1）幾何特徵的人臉識別方法：幾何特徵可以是眼、鼻、嘴等的形狀和它們之間的幾何關係（如相互之間的距離）。這些算法識別速度快，需要的記憶體小，但識別率較低。
（2）基於特徵臉（PCA）的人臉識別方法：特徵臉方法是基於KL變換的人臉識別方法，KL變換是圖像壓縮的一種最優正交變換。高維的圖像空間經過KL變換後得到一組新的正交基，保留其中重要的正交基，由這些基可以張成低維線性空間。如果假設人臉在這些低維線性空間的投影具有可分性，就可以將這些投影用作識別的特徵矢量，這就是特徵臉方法的基本思想。這些方法需要較多的訓練樣本，而且完全是基於圖像灰度的統計特性的。目前有一些改進型的特徵臉方法。
（3）神經網路的人臉識別方法：神經網路的輸入可以是降低解析度的人臉圖像、局部區域的自相關函式、局部紋理的二階矩等。這類方法同樣需要較多的樣本進行訓練，而在許多套用中，樣本數量是很有限的。
（4）彈性圖匹配的人臉識別方法：彈性圖匹配法在二維的空間中定義了一種對於通常的人臉變形具有一定的不變性的距離，並採用屬性拓撲圖來代表人臉，拓撲圖的任一頂點均包含一特徵向量，用來記錄人臉在該頂點位置附近的信息。該方法結合了灰度特性和幾何因素，在比對時可以允許圖像存在彈性形變，在克服表情變化對識別的影響方面收到了較好的效果，同時對於單個人也不再需要多個樣本進行訓練。
（5）線段Hausdorff距離(LHD)的人臉識別方法：心理學的研究表明，人類在識別輪廓圖（比如漫畫）的速度和準確度上絲毫不比識別灰度圖差。LHD是基於從人臉灰度圖像中提取出來的線段圖的，它定義的是兩個線段集之間的距離，與眾不同的是，LHD並不建立不同線段集之間線段的一一對應關係，因此它更能適應線段圖之間的微小變化。實驗結果表明，LHD在不同光照條件下和不同姿態情況下都有非常出色的表現，但是它在大表情的情況下識別效果不好。
（6）支持向量機(SVM)的人臉識別方法：近年來，支持向量機是統計模式識別領域的一個新的熱點，它試圖使得學習機在經驗風險和泛化能力上達到一種妥協，從而提高學習機的性能。支持向量機主要解決的是一個2分類問題，它的基本思想是試圖把一個低維的線性不可分的問題轉化成一個高維的線性可分的問題。通常的實驗結果表明SVM有較好的識別率，但是它需要大量的訓練樣本（每類300個），這在實際套用中往往是不現實的。而且支持向量機訓練時間長，方法實現複雜，該函式的取法沒有統一的理論。
技術細節
一般來說，人臉識別系統包括圖像攝取、人臉定位、圖像預處理、以及人臉識別（身份確認或者身份查找）。系統輸入一般是一張或者一系列含有未確定身份的人臉圖像，以及人臉資料庫中的若干已知身份的人臉圖象或者相應的編碼，而其輸出則是一系列相似度得分，表明待識別的人臉的身份。
目前人臉識別的算法可以分類為：
基於人臉特徵點的識別算法（Feature-basedrecognitionalgorithms）。
基於整幅人臉圖像的識別算法（Appearance-basedrecognitionalgorithms）。
基於模板的識別算法（Template-basedrecognitionalgorithms）。
利用神經網路進行識別的算法（Recognitionalgorithmsusingneuralnetwork）。
主要功能
人臉識別的套用主要有：
門禁系統：受安全保護的地區可以通過人臉識別辨識試圖進入者的身份。
攝像監視系統：在例如機場、體育場、超級市場等公共場所對人群進行監視，以達到身份識別的目的。例如在機場安裝監視系統以防止恐怖分子登機。
網路套用：利用人臉識別輔助信用卡網路支付，以防止非信用卡的擁有者使用信用卡等。
人臉註冊，人臉檢測，人臉識別，人臉比對
識別快速：識別時間小於1秒
準確率：達到85％
支持比對：1：1；1：N
多人臉實時監測：能同時檢測和識別同一監控視頻流中的多個臉部。
套用展位
1．企業、住宅安全和管理。如人臉識別門禁考勤系統，人臉識別防盜門等。
2．電子護照及身份證。這或許是未來規模最大的套用。在國際民航組織（ICAO）已確定，從2010年4月1日起，其118個成員國家和地區，必須使用機讀護照，人臉識別技術是首推識別模式，該規定已經成為國際標準。美國已經要求和它有出入免簽證協定的國家在2006年10月26日之前必須使用結合了人臉指紋等生物特徵的電子護照系統，到2006年底已經有50多個國家實現了這樣的系統。今年年初，美國運輸安全署（TransportationSecurityAdministration）計畫在全美推廣一項基於生物特徵的國內通用旅行證件。歐洲很多國家也在計畫或者正在實施類似的計畫，用包含生物特徵的證件對旅客進行識別和管理。中國的電子護照計畫公安部一所正在加緊規劃和實施。
3．公安、司法和刑偵。如利用人臉識別系統和網路，在全國範圍內搜捕逃犯。
4．自助服務。如銀行的自動提款機，如果用戶卡片和密碼被盜，就會被他人冒取現金。如果同時套用人臉識別就會避免這種情況的發生。
5．信息安全。如計算機登錄、電子政務和電子商務。在電子商務中交易全部在網上完成，電子政務中的很多審批流程也都搬到了網上。而當前，交易或者審批的授權都是靠密碼來實現。如果密碼被盜，就無法保證安全。如果使用生物特徵，就可以做到當事人在網上的數字身份和真實身份統一。從而大大增加電子商務和電子政務系統的可靠性。
最新套用
刷臉時代2012年，上海虹橋站、天津西站和濟南西站三個車站安檢區域將安裝用於身份識別的高科技安檢系統——人臉識別系統，以協助公安部門抓捕在逃案犯。
2013年7月。芬蘭一家企業推出全球首個“刷臉”支付系統。結賬時，消費者只需在收銀台面對POS機螢幕上的攝像頭，系統自動拍照，掃描消費者面部，等身份信息顯示出後，在觸摸顯示屏上點擊確認完成交易。
芬蘭初創公司Uniqul已為這套基於面部識別技術的“刷臉”支付系統申請專利 。
2015年5月，全球第一台具有人臉識別功能的ATM機在杭州誕生。該機器由清華大學與某公司聯合研發，是我國首台具有自主智慧財產權的金融安全設備。所謂ATM機的人臉識別，是通過讀取用戶身份證上的照片信息，然後將照片和ATM機頂端攝像頭攝錄下來的取款人面容進行比對。它可與銀行、公安等系統聯網，從而遏制犯罪。
