人臉識(shí)別技術(shù)這些年已經(jīng)發(fā)生了重大的變化。傳統(tǒng)方法依賴于人工設(shè)計(jì)的特征（比如邊和紋理描述量）與機(jī)器學(xué)習(xí)技術(shù)（比如主成分分析、線性判別分析或支持向量機(jī)）的組合。人工設(shè)計(jì)在無約束環(huán)境中對(duì)不同變化情況穩(wěn)健的特征是很困難的，這使得過去的研究者側(cè)重研究針對(duì)每種變化類型的專用方法，比如能應(yīng)對(duì)不同年齡的方法、能應(yīng)對(duì)不同姿勢的方法、能應(yīng)對(duì)不同光照條件的方法等。

近段時(shí)間，傳統(tǒng)的人臉識(shí)別方法已經(jīng)被基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的深度學(xué)習(xí)方法接替。深度學(xué)習(xí)方法的主要優(yōu)勢是它們可用非常大型的數(shù)據(jù)集進(jìn)行訓(xùn)練，從而學(xué)習(xí)到表征這些數(shù)據(jù)的蕞佳特征。網(wǎng)絡(luò)上可用的大量自然人臉圖像已讓研究者可收集到大規(guī)模的人臉數(shù)據(jù)集，這些圖像包含了真實(shí)世界中的各種變化情況。使用這些數(shù)據(jù)集訓(xùn)練的基于 CNN 的人臉識(shí)別方法已經(jīng)實(shí)現(xiàn)了非常高的準(zhǔn)確度，因?yàn)樗鼈兡軌驅(qū)W到人臉圖像中穩(wěn)健的特征，從而能夠應(yīng)對(duì)在訓(xùn)練過程中使用的人臉圖像所呈現(xiàn)出的真實(shí)世界變化情況。

此外，深度學(xué)習(xí)方法在計(jì)算機(jī)視覺方面的不斷普及也在加速人臉識(shí)別研究的發(fā)展，因?yàn)?CNN 也正被用于解決許多其它計(jì)算機(jī)視覺任務(wù)，比如目標(biāo)檢測和識(shí)別、分割、光學(xué)字符識(shí)別、面部表情分析、年齡估計(jì)等。

傳統(tǒng)的人臉識(shí)別技術(shù)主要是基于可見光圖像的人臉識(shí)別，這也是人們蕞熟悉的識(shí)別方式，已有30多年的研發(fā)歷史。但這種方式有著難以克服的缺陷，尤其在環(huán)境光照發(fā)生變化時(shí)，識(shí)別效果會(huì)急劇下降，無法滿足實(shí)際系統(tǒng)的需要。解決光照問題的方案有三維圖像人臉識(shí)別，和熱成像人臉識(shí)別。但這兩種技術(shù)還遠(yuǎn)不成熟，識(shí)別效果不盡人意。

迅速發(fā)展起來的一種解決方案是基于主動(dòng)近紅外圖像的多光源人臉識(shí)別技術(shù)。它可以克服光線變化的影響，已經(jīng)取得了識(shí)別性能，在精度、穩(wěn)定性和速度方面的整體系統(tǒng)性能超過三維圖像人臉識(shí)別。這項(xiàng)技術(shù)在近兩三年發(fā)展迅速，使人臉識(shí)別系統(tǒng)逐漸走向?qū)嵱没?

人臉與人體的其它生物特征（指紋、虹膜等）一樣與生俱來，它的 性和不易被復(fù)質(zhì)的良好特性為身份鑒別提供了必要的前提。

人臉識(shí)別系統(tǒng)主要包括四個(gè)組成部分，分別為：人臉圖像采集及檢測、人臉圖像預(yù)處理、人臉圖像特征提取以及匹配與識(shí)別。下面宣城盛宇小編給大家介紹一下人臉圖像匹配與識(shí)別。

人臉圖像匹配與識(shí)別：提取的人臉圖像的特征數(shù)據(jù)與數(shù)據(jù)庫中存儲(chǔ)的特征模板進(jìn)行搜索匹配，通過設(shè)定一個(gè)閾值，當(dāng)相似度超過這一閾值，則把匹配得到的結(jié)果輸 出。人臉識(shí)別就是將待識(shí)別的人臉特征與已得到的人臉特征模板進(jìn)行比較，根據(jù)相似程度對(duì)人臉的身份進(jìn)行判斷。這一過程又分為兩類：一類是確認(rèn)，是一對(duì)一 進(jìn)行圖像比較的過程，另一類是辨認(rèn)，是一對(duì)多進(jìn)行圖像匹配對(duì)比的過程。