随着计算机技术的发展，人脸识别技术得到广泛研究与开发，成为近 30 年里模式识别和凸图像处理热门的研究之一。这个问题的依赖于分类问题。即，先不谈特征值，首先如何把照片集合按人正确的分类？这里就要先谈谈机器学习。对图像中的人脸信息进行定位与提取；对不同的人脸信息进行分类处理，并将信息传递给人脸识别系统；对比人脸特征信息相似度，并确认身份。这一过程叫做监督学习下的训练。由清晰的人脸照转化出的象素值矩阵
酒店人脸识别系统
随着计算机技术的发展，人脸识别技术得到广泛研究与开发，成为近 30 年里模式识别和凸图像处理热门的研究之一。这个问题的依赖于分类问题。即，先不谈特征值，首先如何把照片集合按人正确的分类？这里就要先谈谈机器学习。对图像中的人脸信息进行定位与提取；对不同的人脸信息进行分类处理，并将信息传递给人脸识别系统；对比人脸特征信息相似度，并确认身份。
这一过程叫做监督学习下的训练。由清晰的人脸照转化出的象素值矩阵，应当设计出什么样的函数f(x)转化为特征值呢？近几年，传统的身份鉴别技术已经不足以满足人们的需求，在这种情况下，人脸识别技术脱颖而出，无论在科研方面还是在实践应用方面，人脸识别系统都取得了重大的突破，并且在各行各业也扮演着越来越重要的角色。接下来，就是电脑主动去区分不同的人脸，人类能够通过眼睛大小、鼻子高低、肤色等外部形态轻松地分辨不同的两张人脸，利用电脑分辨人脸，就需要对图像进行量化，得到脸部的 128 个特征测量值，进一步计算出欧式距离值，终即可确定你是不是你。
人脸识别在近几年已成为一种热门的身份认证技术，它主要利用人的脸部多个特征信息对人体的身份进行辨别。人脸识别技术包括以下几个阶段：一是信息采集，采集并输入各种人脸图像；二是人脸信息预处理，对人脸图像进行化处理；三是人脸判定，判定图像中是否含有人脸图像信息；可以从有限的训练集样本中把算法很好的泛化。所以，我们先找到有限的训练集，设计好初始函数f(x;w)，并已经量化好了训练集中x->y。
举个例子，更容易理解一些。比如，计算机内部已经存放了包含数字1和7以及它们所对应的灰度矩阵。当新输入一张图像后，程序会自动计算它的矩阵与这些矩阵的相似度。为此，我们必须适当地调整图片中的人脸，使得脸部的特征点能更好的和被检测者重叠。随着计算机技术的发展，人脸识别技术得到广泛研究与开发，成为近 30 年里模式识别和凸图像处理热门的研究之一。
（作者： 来源：）
