2016百度世界大会开幕，其创始人李彦宏在会上发表了主题为“人工智能”的演讲，并推出了专利产品“百度大脑”，参展商的目光都集中在bright，他们的图像识别能力非常出众，人脸识别概率高达97%。目前，业界普遍非常关注与人脸识别相关的催化事件。 此前，小米科技宣布，小米人脸检测团队研发的新算法FDDB人脸检测准确率全球第一。人脸检测算法团队积极参与平台评估。此外，苹果、三星、华为、Facebook、谷歌等终端巨头也争相加入人脸识别领域。就像过去的身份识别热潮一样，可以推测，未来随着应用场景的增多，人脸识别功能很可能成为消费终端的下一个大方向。 人脸识别是一种基于人的面部特征信息进行身份识别的生物识别技术。使用相机或摄像机采集包含人脸的图像或视频，自动检测图像信息并跟踪人脸，并对检测到的人脸进行一系列与人脸相关的分析技术。 人脸检测是指从复杂的背景中提取出我们感兴趣的人脸图像。面部毛发、化妆品、光照、噪声、人脸倾斜度和大小变化以及各种遮挡等因素都会使人脸检测问题变得更加复杂。人脸识别技术的主要目的是在整张输入图像上找到特定的人脸区域，为后续的人脸识别做准备。 人脸识别三大关键技术 1.基于特征的人脸检测技术：利用颜色、轮廓、纹理、结构或直方图等特征进行人脸检测。 2。基于模板匹配的人脸检测技术：从数据库中提取人脸模板，然后采用一定的模板匹配策略，将抓拍到的人脸图像与从模板库中提取的图片进行匹配。匹配的模板大小决定了人脸大小和位置信息。 3。基于统计的人脸检测技术：通过由大量“人脸”和“非人脸”图像组成的人脸正负样本库，采用统计方法加强系统的训练，从而实现人脸和非人脸模式被检测和分类。 人脸识别四大特点 1.几何特征：以人脸点之间的距离和比例作为特征。识别速度快，内存要求相对较小，对光的敏感度降低。 2。基于模型特征：根据不同特征状态的不同概率提取人脸图像特征。 3。基于统计特征：将人脸图像视为随机向量，利用统计方法识别不同的人脸特征模式。典型的包括特征脸、独立分量分析和奇异值分解。 4。基于神经网络特征：利用大量的神经单元来关联和存储人脸图像特征，根据不同神经单元状态的概率实现人脸图像的准确识别。 人脸识别是基于提取的人脸图像特征，使用相关识别算法进行人脸确认或识别。将检测到的待识别人脸与数据库中的已知人脸进行比对匹配，得到相关信息。这个过程的关键是选择合适的人脸表示方法和匹配策略。系统结构与人脸表示方法密切相关。相关的。一般根据提出的特征选择不同的识别算法进行度量，常用的有距离度量、支持向量机、神经网络、k均值聚类等。
