你还记得电影里的这些情节吗？《变形金刚2》中，年青的男主角和他的小伙伴们过关卡时，尽管骗过了值勤武士，却被军方的人脸辨认技能发现。2014年翻拍版的《机械战警》中，机械战警第一次面临群众揭露露脸，就在人群中不停地扫描一切人脸，一起将获取的人脸在通缉犯资料库中作比对，瞬间就发现看热闹的人群中有一个逃逸多年的通缉犯，并将其制服。其他还有许多电影中，但但凡美国的机要部分，进门就要扫描各种生物特征，从早年电影中的指纹、虹膜，到现在的人脸。
人脸辨认究竟是什么？
人脸辨认，是视觉模式辨认的一个细分问题，也大约是最难处理的一个问题。 其实咱们人每时每刻都在进行视觉模式辨认，咱们经过眼睛取得视觉信息，这些信息经过大脑的处理被辨认为有意义的概念。所以咱们知道了放在咱们面前的是水杯、书本，仍是什么其他东西。
咱们也无时无刻不在进行人脸辨认，咱们每天日子中遇到很多的人，从中认出那些熟人，和他们打招呼，打交道，疏忽其他的陌生人。乃至躲开那些咱们欠了钱还暂时还不上的人。
但是这项看似简略的使命，对机器来说却并不那么简单完结。
对核算机来讲，一幅图画信息，无论是静态的图片，仍是动态视频中的一帧，都是一个由很多像素点组成的矩阵。比方一个1080p的数字图画，是一个由1980*1080个像素点组成矩阵，每个像素点，假如是8bit的rgb格局，则是3个取值在0-255的数。
机器需求在这些数据中，找出某一部分数据代表了何种概念：哪一部分数据是水杯，哪一部分是书本，哪一部分是人脸，这是视觉模式辨认中的粗分类问题。
而人脸辨认，需求在一切机器认为是人脸的那部分数据中，差异这个人脸归于谁，这是个细分类问题。
人脸能够分为多少类呢？
取决于所处理问题的人脸库巨细，人脸库中有多少方针人脸，就需求机器进行相应数量的细分类。假如想要机器认出每个他看到的人，则这国际上有多少人，人脸就能够分为多少类，而这些类别之间的差异是十分纤细的。由此可见人脸辨认问题的难度。
更不要提，这件事还要遭到光照，视点，人脸部的装饰物等各种因素的影响。这也不难解说为什么人脸辨认技能现在还没有很多运用在日常日子中，大部分人只能在科幻电影中触摸人脸辨认了。
傻傻分不清楚——一些简单被混杂的概念
一些不太被人了解的事物，常常会伴跟着很多的概念混杂。
比方对西方宗教不太了解的国人，或许搞不清楚为什么有些人信天主但不信耶稣；都是在教堂作业的大叔，为什么有些要禁欲，有些却能成婚。
而人脸辨认作为一个新事物，也伴跟着很多的概念混杂，而辨明这些概念，关于了解人脸辨认仍是比较重要的。
人脸检测与人脸辨认
完结人脸辨认的作业，要经过几个进程。首要核算机需求在图画或视频中找到人脸的方位，这部分作业一般叫做人脸检测。如前所述，这是一种粗分类，详细到人脸检测中，实际上是二分类，核算机只需求判别方针图画是或许不是人脸。但由于并不能事前承认人脸的巨细和方位，核算机需求以每个或许的人脸巨细对全图进行扫描，逐一判别子窗口所截取的图画是否为人脸。而每次扫描进程，子窗口移动的步长或许是几个像素。
所以你能够大致幻想下，作一张图的人脸检测，核算机需求作多少次二分类判别。
人脸检测进程从一张图中取得人脸的方位和巨细，并将该部分图画送给后续进程，包含：人脸部件点定位，人脸图画的对齐和归一化，人脸图画质量选取，特征提取，特征比对。一切进程完结后，才干得知该人脸的身份。
当然，咱们也能够独自运用人脸检测功用来完结某些运用，比方当时大部分照相机，及手机摄像头都有人脸检测功用，能够主动取得人脸方位，然后对图片作一些主动调焦和优化。乃至对人脸做一些开始的判别，比方性别、年纪，乃至颜值。
1v1人脸验证与1vN人脸查找
主人公经过各种方法，蒙混过层层身份验证，成功进入某机要部分，这是电影中常常出现的情节。而这层层的身份验证就常常包含人脸辨认。在这种运用中，运用者往往需求供给自己的身份。
比方运用门卡，核算机能够经过门卡在后台中获取门卡一切者的人脸样本，将其与当时运用门卡人的人脸图画进行比照，以承认当时运用门卡的人与门卡的一切者是否匹配，如此能够防止捡到你门卡的人轻松混入公司。
这是一种1v1的身份验证，核算机对当时人脸和库存人脸进行一次比对，是对其他验证方法的一种辅佐，然后进步身份验证的可靠性。这种运用现在现已很多运用，比方灵敏设备的准入，互联网金融范畴的长途开户及大额提取的身份验证等。
文章开始时说到的《机械战警》中的桥段，则是1vN的人脸查找。机械战警能够联机查找一个保存了一切通缉犯数据的人脸库，每次他遇到一个人，都会先获取该人的人脸信息，用所取得信息去通缉犯数据库中去逐一比对，假如发现匹配度足够高的，就当场抓捕。每次人脸辨认，核算机要作n次人脸比对，n为待辨认库中的人脸模板数。
假如要求核算机只凭借人脸辨认出一个人的身份，这实际上也是一种1vN的人脸查找，其方针人脸库是一个由n个人脸组成的“熟人库”，跟着n的增大，精确辨认的难度也会增大，一次辨认所需求的核算时刻也会添加。咱们能够考虑一下，一个普通人能对多少个人脸进行精确辨认？大约也就在几十个这个数量级上吧。
而现在最好的人脸辨认技能实际上现已超过了这个水平。
例如国内尖端的人脸辨认公司，一般会有一面屏幕墙，演示公司各个摄像头所拍摄到人员活动，并对身份进行精确辨认，而公司内一般保护一个百人数量级的人脸库。但假如N再持续增大，到达千人库，万人库，那么实时查找仅有的匹配人脸就成为一种科幻要求了，在较大的人脸库运用中，一般会下降对实时性的要求，而且只要求查出前m名十分匹配的疑似人脸，以便缩小人工检索的规模。
