人脸识别技术这些年已经发生了重大的变化。传统方法依赖于人工设计的特征（比如边和纹理描述量）与机器学习技术（比如主成分分析、线性判别分析或支持向量机）的组合。人工设计在无约束环境中对不同变化情况稳健的特征是很困难的，这使得过去的研究者侧重研究针对每种变化类型的方法，比如能应对不同年龄的方法、能应对不同姿势的方法、能应对不同光照条件的方法等。
近段时间，传统的人脸识别方法
工地人脸识别
人脸识别技术这些年已经发生了重大的变化。传统方法依赖于人工设计的特征（比如边和纹理描述量）与机器学习技术（比如主成分分析、线性判别分析或支持向量机）的组合。人工设计在无约束环境中对不同变化情况稳健的特征是很困难的，这使得过去的研究者侧重研究针对每种变化类型的方法，比如能应对不同年龄的方法、能应对不同姿势的方法、能应对不同光照条件的方法等。
近段时间，传统的人脸识别方法已经被基于卷积神经网络（CNN）的深度学习方法接替。深度学习方法的主要优势是它们可用非常大型的数据集进行训练，从而学习到表征这些数据的蕞佳特征。网络上可用的大量自然人脸图像已让研究者可收集到大规模的人脸数据集，这些图像包含了真实世界中的各种变化情况。使用这些数据集训练的基于 CNN 的人脸识别方法已经实现了非常高的准确度，因为它们能够学到人脸图像中稳健的特征，从而能够应对在训练过程中使用的人脸图像所呈现出的真实世界变化情况。
此外，深度学习方法在计算机视觉方面的不断普及也在加速人脸识别研究的发展，因为 CNN 也正被用于解决许多其它计算机视觉任务，比如目标检测和识别、分割、光学字符识别、面部表情分析、年龄估计等。
截至2018年7月2日，我国
人脸识别技术专利申请总量达到10404项。其中，发明专利数蕞多，达到6589项，占比为63.33%；实用新型专利数其次，为2591项，占比为24.90%；外观、发明授权专利数占比分别为3.54%、8.23%。
从申请专利数量来看，2007-2017年，我国人脸识别专利申请数量总体上呈上升的趋势。尤其是2014年后，人脸识别专利申请数量大幅增多；到2017年，人脸识别专利申请数量达到2847项。
从公开专利数量来看，2007-2017年，我国人脸识别专利公开数量总体上呈趋势。2017年，我国人脸识别专利公开数量为2698项，达到近年来蕞大值；截至2018年7月，专利公开数量为2163项。
人脸识别技术由于其便利性、安全性，可在智能家居中用作门禁系统以及鉴权系统，因此智能家居与人脸识别技术的融合是未来发展的重点方向。智能家居中的人脸识别系统是结合嵌入式操作系统和嵌入式硬件平台建立的，加强了人脸识别技术与智能家居应用的结合度，具有概念新、实用性强等特点。
人脸识别技术是未来基于大数据领域的重要发展方向。通过人脸识别技术使得这些照片数据再度存储利用，能够大大提升信息化的管理和统筹，这将成为未来人脸识别的主要发展趋势。
人脸识别是一种识别技术，用于检测保存在数据集中的个人图像的面部。 尽管其他身份识别方法可以更准确，但面部识别一直是研究的重点，因为它具有非干预性质，而且它对于人们来说是一种轻松的个人识别方法。
1、基于几何/基于模板
人脸识别算法分为基于几何或基于模板的算法。基于模板的方法可以使用SVM(支持向量机)、PCA(主成分分析)、LDA(线性判别分析)、核方法或跟踪变换等统计工具构建。基于几何特征的方法主要分析局部人脸特征及其几何关系因此它也被称为基于特征的方法。
2、局部的/整体的
要素之间的关系或功能与整张脸之间的联系并不影响数量，许多研究人员遵循这种方法，试图推断出相关的特征。有些方法尝试用眼睛，一些特征的组合等。一些隐马尔可夫模型方法也属于这一类，他们的特征处理在人脸识别中非常有名。
3、基于外貌/基于模型
基于外观的方法显示了一张包含多个图像的脸。被认为是高维向量的图像。该技术通常用于从图像分割中提取特征空间。另一方面，基于模型的方法尝试对人脸进行建模。将新样本实现到模型中，并用模型的参数对图像进行识别。
基于外观的方法可以分为线性和非线性两类。PCA、LDA、IDA用于直接法，而核PCA用于非线性方法。另一方面，在基于模型的方法中可分为二维或三维非弹性束图匹配方法。
（作者： 来源：）
