人脸识别是指能够识别或验证图像或视频中的主体的身份的技术。人脸识别算法诞生于七十年代初。自那以后，它们的准确度已经大幅提升，现在相比于指纹或虹膜识别等传统上被认为更加稳健的生物识别方法，人们往往更偏爱人脸识别。让人脸识别比其它生物识别方法更受欢迎的一大不同之处是人脸识别本质上是非侵入性的。
比如，指纹识别需要用户将手指按在传感器上，虹膜识别需要用户与相机靠得很近，语音识别
工地人脸识别
人脸识别是指能够识别或验证图像或视频中的主体的身份的技术。人脸识别算法诞生于七十年代初。自那以后，它们的准确度已经大幅提升，现在相比于指纹或虹膜识别等传统上被认为更加稳健的生物识别方法，人们往往更偏爱人脸识别。让人脸识别比其它生物识别方法更受欢迎的一大不同之处是人脸识别本质上是非侵入性的。
比如，指纹识别需要用户将手指按在传感器上，虹膜识别需要用户与相机靠得很近，语音识别则需要用户大声说话。相对而言，现代人脸识别系统仅需要用户处于相机的视野内（假设他们与相机的距离也合理）。这使得人脸识别成为了对用户友好的生物识别方法。这也意味着人脸识别的潜在应用范围更广，因为它也可被部署在用户不期望与系统合作的环境中，比如监控系统中。人脸识别的其它常见应用还包括访问控制、欺诈检测、身份认证和社交媒体。
人脸识别系统通常由以下构建模块组成：
1、人脸检测：人脸检测器用于寻找图像中人脸的位置，如果有人脸，就返回包含每张人脸的边界框的坐标。
2、人脸对齐：人脸对齐的目标是使用一组位于图像中固定位置的参考点来缩放和裁剪人脸图像。这个过程通常需要使用一个特征点检测器来寻找一组人脸特征点，在简单的 2D 对齐情况中，即为寻找蕞适合参考点的蕞佳仿射变换。
3、人脸表征：在人脸表征阶段，人脸图像的像素值会被转换成紧凑且可判别的特征向量，这也被称为模板。理想情况下，同一个主体的所有人脸都应该映射到相似的特征向量。
4、人脸匹配：在人脸匹配构建模块中，两个模板会进行比较，从而得到一个相似度分数，该分数给出了两者属于同一个主体的可能性。
人脸识别系统的三大关键技术包括基于特征的人脸检测技术，基于模板匹配人脸检测技术，基于统计的人脸检测技术。
1、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。
2、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。
3、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。
人脸识别系统的几大特征
人脸识别系统是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。
1、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。
2、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。
3、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。
人脸识别系统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。
（作者： 来源：）
