生物辨认技能中的指纹辨认现已广泛运用于智能手机，除了指纹辨认，人脸、虹膜等技能也遭到重视。其间，人脸辨认技能是依据人的脸部特征，对输入的人脸图象或许视频流 。 首要判别其是否存在人脸 ，假如存在人脸，则进一步的给出每个脸的方位、巨细和各个首要面部器官的方位信息。并依据这些信息，进一步提取每个人脸中所蕴涵的身份特征，并将其与已知的人脸进行比照，然后辨认每个人脸的身份。
人脸辨认技能原理剖析
人脸辨认首要分为人脸检测（face detecTIon）、特征提取（feature extracTIon）和人脸辨认（face recogniTIon）三个进程。
人脸检测：人脸检测是指从输入图画中检测并提取人脸图画，一般选用haar特征和Adaboost算法 练习级联分类器对图画中的每一块进行分类。假如某一矩形区域经过了级联分类器，则被判别为人脸图画。
特征提取：特征提取是指经过一些数字来表征人脸信息，这些数字便是咱们要提取的特征。
常见的人脸特征分为两类，一类是几许特征，另一类是表征特征。几许 特征是指眼睛、鼻子和嘴等面部特征之间的几许联系，如间隔、面积和视点等。因为算法运用了一些直观的特征，核算量小。
不过，因为其所需的特征点不能准确挑选，约束了它的运用规划。别的，当光照改变、人脸有外物遮挡、面部表情改变时，特征改变较大。所以说，这类算法只适合于人脸图画的大略辨认，无法在实践中运用。
表征特征运用人脸图画的灰度信息，经过一些算法提取大局或部分特征。其间比较常用的特征提取算法是LBP算法。LBP办法首要将 图画分红若干区域，在每个区域的像素640×960邻域顶用中心值作阈值化，将成果看成是二进制数。
图显现了一个LBP算子。LBP算子的特色是对单调 灰度改变坚持不变。每个区域经过这样的运算得到一组直方图，然后将一切的直方图连起来组成一个大的直方图并进行直方图匹配核算进行分类。
人脸辨认：这儿说到的人脸辨认是狭义的人脸辨认，行将待辨认人脸所提取的特征与数据库中人脸的特征进行比照，依据相似度判别分类。而人脸辨认又能够分为两个大类：一类是承认，这是人脸图画与数据库中已存的该人图画比对的进程，答复你是不是你的问题;
另一类是辨认，这是人脸图画与数据库中已存的一切图画匹 配的进程，答复你是谁的问题。明显，人脸辨认要比人脸承认困难，因为辨认需求进行海量数据的匹配。常用的分类器有最近邻分类器、支撑向量机等。
与指纹运用方法相似，人脸辨认技能现在比较老练的也是考勤机。因为在考勤体系中，用户是主动合作的，能够在特定的环境下获取契合要求的人脸。这就为人脸 辨认供给了杰出的输入源，往往能够得到满足的成果。
但是在一些公共场所装置的视频监控探头，因为光线、视点问题，得到的人脸图画很难比对成功。这也是未来 人脸辨认技能发展必需要处理的难题之一。
人脸辨认技能特色
人脸与人体的其它生物特征（指纹、虹膜等）相同与生俱来，它的唯一性和不易被仿制的杰出特性为身份辨别供给了必要的条件，与其它类型的生物辨认比较人脸辨认具有如下特色：
非强制性：用户不需求专门合作人脸收集设备，简直能够在无意识的状态下就可获取人脸图画，这样的取样方法没有“强制性”;
非触摸性：用户不需求和设备直触摸摸就能获取人脸图画;
并发性：在实践运用场景下能够进行多个人脸的分拣、判别及辨认;
除此之外，还契合视觉特性：“以貌识人” 的特性，以及操作简略、成果直观、隐蔽性好等特色。
人脸辨认技能运用远景
1）企业、住所安全和办理。如人脸辨认门禁考勤体系，人脸辨认防盗门等。
2）电子护照及身份证。这或许是未来规划最大的运用，世界民航安排（%&&&&&%AO）已确认，从2010年起，其118个成员国家和地区，有必要运用机读护照，人脸辨认技能是首推辨认模式，该规则现已成为世界标准。
3）公安、司法和刑侦。如运用人脸辨认体系和网络，在全国规划内搜捕逃犯。
4）自助服务。如银行的主动提款机，假如用户卡片和暗码被盗，就会被别人冒取现金。假如一起运用人脸辨认就会防止这种状况的产生。
5）信息安全。如核算机登录、电子政务和电子商务。
