欢迎各位阅读本篇,人脸识别，特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。本篇文章讲述了人脸识别的技术以及特征，编程学习网教育平台提醒各位：本篇文章纯干货~因此大家一定要认真阅读本篇文章哦!
图像识别能力非常突出，人脸识别概率已经高达97%。目前，业内普遍都非常关注人脸识别相关催化事件。
此前FDDB人脸检测准确率全球排名第一，与以往证件识别的火热一样，想必未来应用场景不断增加的情况下，面部识别功能极大可能成为下一个消费终端大方向。
人脸识别基于人的面部特征信息进行身份识别的一种生物识别技术。使用摄像头或者摄像机采集含有人脸的图像或视频，自动检测图像信息和跟踪人脸，对检测到的人脸进行脸部的一系列相关分析技术。
人脸检测是指从复杂的背景当中提取我们感兴趣的人脸图像。脸部毛发、化妆品、光照、噪声、人脸倾斜和大小变化及各种遮挡等因素都会有导致人脸检测问题变得更为复杂。人脸识别技术主要目的在于输入的整幅图像上寻找特定人脸区域，从而为后续的人脸识别做准备。
人脸识别三大关键技术
一、基于特征的人脸检测技术：通过采用颜色、轮廓、纹理、结构或者直方图特征等进行人脸检测。
二、基于模板匹配人脸检测技术：从数据库当中提取人脸模板，接着采取一定模板匹配策略，使抓取人脸图像与从模板库提取图片相匹配，由相关性的高低和所匹配的模板大小确定人脸大小以及位置信息。
三、基于统计的人脸检测技术：通过对于“人脸”和“非人脸”的图像大量搜集构成的人脸正、负样本库，采用统计方法强化训练该系统，从而实现对人脸和非人脸的模式进行检测和分类。
人脸识别四大特征
1、几何特征：从面部点之间的距离和比率作为特征，识别速度快，内存要求比较小，对于光照敏感度降低。
2、基于模型特征：根据不同特征状态所具有概率不同而提取人脸图像特征。
3、基于统计特征：将人脸图像视为随机向量，并用统计方法辨别不同人脸特征模式，比较典型的有特征脸、独立成分分析、奇异值分解等。
4、基于神经网络特征：利用大量神经单元对人脸图像特征进行联想存储和记忆，根据不同神经单元状态的概率实现对人脸图像准确识别。
人脸识别是根据所提取的人脸图像特征采用相关识别算法进行人脸确认或辨别。即将已检测到的待识别人脸与数据库中已知人脸进行比较匹配，得出相关信息，该过程的关键是选择适当的人脸表征方式与匹配策略，系统的构造与人脸的表征方式密切相关。一般根据所提特征而选择不同识别算法进行度量，常用的包括距离度量、支持向量机、神经网络、k均值聚类等。
人脸识别优点
相比较其他生物识别技术而言：
非接触的，用户不需要和设备直接接触;
非强制性，被识别的人脸图像信息可以主动获取;
并发性，即实际应用场景下可以进行多个人脸的分拣、判断及识别。
人脸识别的弱点
对周围的光线环境敏感，可能影响识别的准确性;
人体面部的头发、饰物等遮挡物，人脸变老等因素，需要进行人工智能补偿;(如可通过识别人脸的部分关键特性做修正)。
小结：相信最后大家阅读完毕本篇文章，肯定学到了不少知识吧?其实大家私下还得多多自学，当然如果大家还想了解更多方面的详细内容的话呢，不妨关注编程学习网教育平台，在这个学习知识的天堂中，您肯定会有意想不到的收获的!
