当下人脸识别在生活中被应用得愈加广泛。那么，人脸识别是如何对人脸关键特征进行识别的？
人脸比对是通过计算两张照片灰度值矩阵的距离来实现的，图像预处理通过各种手段拉近了两个矩阵间的距离，从而让计算出来的结果更精准。
但这样就够了吗？我们的计算是基于像素点的灰度值开展的，在计算中，各个像素点都参与运算，具有同等的重要性，对结果的贡献
闸机人脸识别
当下人脸识别在生活中被应用得愈加广泛。那么，人脸识别是如何对人脸关键特征进行识别的？
人脸比对是通过计算两张照片灰度值矩阵的距离来实现的，图像预处理通过各种手段拉近了两个矩阵间的距离，从而让计算出来的结果更精准。
但这样就够了吗？我们的计算是基于像素点的灰度值开展的，在计算中，各个像素点都参与运算，具有同等的重要性，对结果的贡献度也是一样的。
梯度非极大值抑制
对像素点进行遍历，判断当前图像是否为局部大值，即是否是周围像素点中具有相同梯度方向的大值。如果不是，则不是图像的边缘点，将灰度值置零，让边缘“变瘦”。
使用双阈值算法确定终的边缘
经过前面的步骤已经基本可以得到图像的边缘，接下来对得到的边缘进行修正。
设置两个阈值：高阈值和低阈值。保留比高阈值高的边缘，去除低阈值的边缘，处于中间部分的则其连接情况进行再次处理：仅保留与其他边缘连接的部分。
人脸属性识别
“人脸属性识别（Face Attribute）”是识别出人脸的性别、年龄、姿态、表情等属性值的一项技术。
一般的人脸属性识别算法的输入是“一张人脸图”和“人脸五官关键点坐标”，输出是人脸相应的属性值。人脸属性识别算法一般会根据人脸五官关键点坐标将人脸对齐（旋转、缩放、扣取等操作后，将人脸调整到预定的大小和形态），然后进行属性分析。
常规的人脸属性识别算法识别每一个人脸属性时都是一个独立的过程，即人脸属性识别只是对一类算法的统称，性别识别、年龄估计、姿态估计、表情识别都是相互独立的算法。但的一些基于深度学习的人脸属性识别也具有一个算法同时输入性别、年龄、姿态等属性值的能力。
4、以在基本保证算法效果的前提下，将模型大小和运算速度优化到移动端可用的状态。
人脸比对（人脸验证、人脸识别、人脸检索、人脸聚类）
“人脸比对（Face Compare）”是衡量两个人脸之间相似度的算法
人脸比对算法的输入是两个人脸特征（注：人脸特征由前面的人脸提特征算法获得），输出是两个特征之间的相似度。人脸验证、人脸识别、人脸检索都是在人脸比对的基础上加一些策略来实现。相对人脸提特征过程，单次的人脸比对耗时极短，几乎可以忽略。
基于人脸比对可衍生出人脸验证(Face Verification)、人脸识别(Face Recognition)、人脸检索(Face Retrieval)、人脸聚类（Face Cluster）等算法。
（作者： 来源：）
