人臉識別技術(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)計的特征（比如邊和紋理描述量）與機器學(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）的組合。人工設(shè)計在無約束環(huán)境中對不同變化情況穩(wěn)健的特征是很困難的，這使得過去的研究者側(cè)重研究針對每種變化類型的專用方法，比如能應(yīng)對不同年齡的方法、能應(yīng)對不同姿勢的方法、能應(yīng)對不同光照條件的方法等。

近段時間，傳統(tǒng)的人臉識別方法已經(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 的人臉識別方法已經(jīng)實現(xiàn)了非常高的準(zhǔn)確度，因為它們能夠?qū)W到人臉圖像中穩(wěn)健的特征，從而能夠應(yīng)對在訓(xùn)練過程中使用的人臉圖像所呈現(xiàn)出的真實世界變化情況。

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

當(dāng)前，隨著人工智能、物聯(lián)網(wǎng)等前沿技術(shù)的迅速發(fā)展，智能時代已悄然到來，"刷臉"逐漸成為了新的風(fēng)潮。在人臉識別技術(shù)商業(yè)化應(yīng)用領(lǐng)域不斷擴張的趨勢下，"刷臉"辦事正愈發(fā)常見。

人臉識別，是基于人的臉部特征信息進(jìn)行身份識別的一種生物識別技術(shù)。用攝像機或攝像頭采集含有人臉的圖像或視頻流，并自動在圖像中檢測和跟蹤人臉，進(jìn)而對檢測到的人臉進(jìn)行臉部識別的一系列相關(guān)技術(shù)，通常也叫做人像識別、面部識別。

人臉識別系統(tǒng)的三大關(guān)鍵技術(shù)包括基于特征的人臉檢測技術(shù)，基于模板匹配人臉檢測技術(shù)，基于統(tǒng)計的人臉檢測技術(shù)。

1、基于特征的人臉檢測技術(shù)

通過采用顏色、輪廓、紋理、結(jié)構(gòu)或者直方圖特征等進(jìn)行人臉檢測。

2、基于模板匹配人臉檢測技術(shù)

從數(shù)據(jù)庫當(dāng)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(guān)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。

3、基于統(tǒng)計的人臉檢測技術(shù)

通過對于“人臉”和“非人臉”的圖像大量搜集構(gòu)成的人臉正、負(fù)樣本庫，采用統(tǒng)計方法強化訓(xùn)練該系統(tǒng)，從而實現(xiàn)對人臉和非人臉的模式進(jìn)行檢測和分類。