当前，随着人工智能、物联网等前沿技术的迅速发展，智能时代已悄然到来，"刷脸"逐渐成为了新的风潮。在人脸识别技术商业化应用领域不断扩张的趋势下，"刷脸"办事正愈发常见。

人脸识别，是基于人的脸部特***息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。

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***，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。

人脸识别系统主要包括四个组成部分，分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。下面宣城盛宇小编给大家介绍一下人脸图像预处理。

人脸图像预处理：对于人脸的图像预处理是基于人脸检测结果，对图像进行处理并蕞终服务于特征提取的过程。系统获取的原始图像由于受到各种条件的限制和随机 干扰，往往不能直接使用，必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言，其预处理过程主要包括人脸图像的光线补 偿、灰度变换、直方图均衡化、几何校正、滤波以及锐化等。

人脸识别系统主要包括四个组成部分，分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。下面宣城盛宇小编给大家介绍一下人脸图像特征提取。

人脸图像特征提取：人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数 特征等。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取，也称人脸表征，它是对人脸进行特征建模的过程。

人脸特征提取的方法归纳起来分为两大 类：一种是基于知识的表征方法；另外一种是基于代数特征或统计学习的表征方法。基于知识的表征方法主要是根据人脸的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据，其特征分 量通常包括特征点间的欧氏距离、曲率和角度等。人脸由眼睛、鼻子、嘴、下巴等局部构成，对这些局部和它们之间结构关系的几何描述，可作为识别人脸的重要特 征，这些特征被称为几何特征。基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法。