1、人臉識別技術概念
人臉識別主要依據人臉上的特徵，依據那些在不同個體之間存在較大差異而對於同乙個人比較穩定的度量。由於人臉變化複雜，因此特徵表述和特徵提取十分困難。諸多因素使人臉識別成為一項極富挑戰性的課題。
2、人臉識別技術三個主要環節
人臉檢測(face detection):實現人臉自動提取採集，從攝像機視野或內的複雜背景影象中自動提取人的面部影象。確認檢測目標的人臉屬性。
人臉確認(face verification):將某人面像與指定人員面像進行一對一的比對，根據其相似程度(一般以是否達到或超過某一量化的可信度指標/閥值為依據)來判斷二者是否是同一人。
人臉鑑別(face identification)：將某人面像與資料庫中的多人的人臉進行比對(有時也稱「一對多」比對)，並根據比對結果來鑑定此人身份，或找到其中最相似的人臉，並按相似程度的大小輸出檢索結果。
3、人臉確認與鑑別的兩種使用模式
身份指認(judgment)：在該種模式下，計算機需要明確回答某人的身份是或非，給出問題的明確解答，通常用於數量和範圍有限人群的識別，比如門禁等。
身份檢索(search)：計算機不需要明確回答某人的身份是或非，只需給出
4、人臉識別的基本方法
4.1 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）。這些演算法識別速度快，需要的記憶體小，但識別率較低。
4.2 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變換是影象壓縮的一種最優正交變換。高維的影象空間經過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向量，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，而且完全是基於影象灰度的統計特性的。目前有一些改進型的特徵臉方法。
4.3 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影象、區域性區域的自相關函式、區域性紋理的二階矩等。這類方法同樣需要較多的樣本進行訓練，而在許多應用中，樣本數量是很有限的。
4.4 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資訊。該方法結合了灰度特性和幾何因素，在比對時可以允許影象存在彈性形變，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。
4.5 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是基於從人臉灰度影象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。
4.6 支援向量機(svm) 的人臉識別方法
近年來，支援向量機是統計模式識別領域的乙個新的熱點，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，從而提高學習機的效能。支援向量機主要解決的是乙個2分類問題，它的基本思想是試圖把乙個低維的線性不可分的問題轉化成乙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），這在實際應用中往往是不現實的。而且支援向量機訓練時間長，方法實現複雜，該函式的取法沒有統一的理論
4．7隱馬爾可夫模型法
samaria最早提出建立關於人臉的隱馬爾可夫模型。hmm是使用馬爾可夫鏈 來模擬訊號統計特性的一組統計模型。利用hmm對人臉進行描述和識別，把各個器官的數值特徵和乙個狀態轉移模型聯絡起來。其引數能較好地表徵具體的人臉模型。hmm方法的優點是穩定性好，對姿態和環境的變化具有較好的魯棒性，對不同角度的人臉影象和不同的光照條件，都可以達到滿意的識別精度。
5、人臉識別技術在公安工作中的應用
人臉識別技術研究方法的不斷創新和完善，使其在實際工作中的應用前景越來越廣闊。隨著公安情報資料蒐集工作的逐步完善、公安基層管理資訊化、自動化水平的提高以及現有情報資訊資料和技術裝置的不斷整合，人臉識別技術在公安工作中的應用領域將更廣。
1．布控排查。發達的海陸空交通網路使人員的流動性大大增加，在方便了人們工作和生活的同時，也為犯罪分子提供了便利。在機場、港口、火車站、汽車站等公共場所設定人臉識別系統，當犯罪嫌疑人、通緝的在逃人員以及重要的販毒人員等出現時可以及時識別並報警；
2．邊境檢查。對外開放的不斷深入，國際交往的不斷增加，使出入境人員數量不斷猛增。把好邊境檢查關，就是守護好國門，保護好國家的安全。在邊檢通道設定人臉識別系統，當國際****等重大嫌疑人入境或重大案件犯罪嫌疑人外逃時可以及時識別並報警；
3．犯罪嫌疑人識別。公安機關可以利用各種人像資料庫，將犯罪嫌疑人的影象與人臉識別系統資料庫中重點人口的影象進行篩選、比對並識別，這樣可以提高辦案效率；
5．重點場所的門禁：一些重點場所對出入人員有嚴格的資格限制，對出入人員身份進行準確識別是確保重點場所安全的關鍵。比如在銀行金庫、博物館、機要室、**庫、重要會議室等重點場所設定人臉識別系統，可以對出入人員進行身份識別，保障重點場所的安全。
人臉識別技術是一項極富挑戰性的課題，目前最好的商業人臉識別系統對表情、背景、距離變化的影象均能取得接近100%的正確識別率，也就是說，目前人臉識別技術對於正面影象的這些變化已經具備了良好的適應能力，但總的來講，人臉識別技術本身還有待於進一步發展，更有賴於在應用中發展。到目前為止，還沒有一種最有效的、魯棒性強的人臉識別演算法，而將各種方法中的優勢有效綜合是以後研究的必然趨勢。隨著影象處理、模式識別、人工智慧以及生物心理學的研究進展，人臉識別技術也將會獲得更大的發展。在一些高階資訊保安的應用中，需要研究人臉與指紋、虹膜、語音等識別技術的融合方法，以提高特徵表達的魯棒性和可持續性，進而提高識別率，這也是生物特徵識別技術的發展趨勢。
人臉識別的流程
記錄一下目前對人臉識別流程及識別方法的理解，以後隨著認識的提公升不斷更新 在整個過程中所使用的都是灰度化之後的。為什麼要轉化為灰度？1.識別物體最關鍵的部分是，找到物體的邊緣，就是的梯度，的梯度計算用到的就是灰度化之後的。2.顏色容易受到光照影響，難以提供關鍵資訊，最重要的是灰度化之後可以加快計算速...
人臉識別的深度學習
深度學習只不過是機器學習的標準範例，更準確地說 是其演算法之一。在最大程度上，它基於人腦的概念和神經元的相互作用。如果你開始谷歌搜尋深度學習是什麼，你會發現今天這個超級熱門詞遠遠不是新的。為什麼這樣？該術語本身出現在20世紀80年代，但到2012年，沒有足夠的力量來實施這項技術，幾乎沒有人關注它。在...
人臉識別的深度學習
深度學習只不過是機器學習的標準範例，更準確地說 是其演算法之一。在最大程度上，它基於人腦的概念和神經元的相互作用。如果你開始谷歌搜尋深度學習是什麼，你會發現今天這個超級熱門詞遠遠不是新的。為什麼這樣？該術語本身出現在20世紀80年代，但到2012年，沒有足夠的力量來實施這項技術，幾乎沒有人關注它。在...