任何技术的发展都是不断积累的过程，当其先决条件都一一被满足时，就是它真正落体、爆发的时刻。人脸识别技术从最初概念的提出到今日的应用经过上百年的进化演变。今天，人脸识别技术能够得到如此大规模的应用，离不开计算机算法的进步，特别是神经网络的提出和应用，让机器学习有了突飞猛进的进步。要想全面的了解人脸识别技术，单凭一篇文章肯定是不够的。小编计划开一个专题介绍从人脸识别技术的提出、人脸识别技术算法的演变到人脸识别技术的应用，当您看完这一系列，人脸识别系统如何工作在您的脑海里会有清晰的流程。

人脸识别技术说新不新说老不老，最初在十九世纪就有法国人在报刊上发表过一篇关于如何采用人脸特征来识别身份，直到二十世纪末期人脸识别技术才有突破性的发展。人脸识别技术的发展经历了以下三个阶段

第一阶段，主要研究简单背景中的人脸的识别和人脸识别过程中所需的面部特征。Bledsoe的研究可以说是人脸识别研究的开端。在二十世纪六十年代，利用人脸器官局部的特征来描述人脸面部的方法被提出，但是这种方法的识别率并不高。到了二十世纪七十年代，得利于电脑的发展，开始有研发人员利用电脑搭建质量较高的人脸灰度图模型。说到这里我们要解释一下什么是灰度图，灰度图也叫灰阶图，可以简单的理解成黑白照片。对于人类来说彩色的图片更好辨认，而对于计算机正好相反，彩色图片干扰的信息比较多，计算机识别起来就比较困难。打个不太恰当的比方，我们知道枫叶的颜色有绿的、黄的、红的，我们识别枫叶的时候是根据其形状是否像鸭爪来确定的；同样的，计算机在识别的时候，我们只要告诉计算机叶子的形状是不是像鸭爪即可，那些缤纷的色彩反而成为识别的绊脚石。所以除非是有特殊场景要求，否则通常的计算机图像识别都是转换成灰度图再处理。在这个阶段的研究虽然人脸识别还未能真正落地应用，但是对设计师机器识别人脸算法和系统的工程师有很重要的引导。

第二阶段，主要研究的是人机交互式的人脸识别。同样的，这主要还是老外们在研究，lesk和harmon采用几何特征参数和多维特征向量共同描述人脸图像信息，同时基于这种思想开发了图像识别系统。Kobayashi和kaya将统计识别的相关理论应用到人脸识别众，采用欧式几何距离来描述面部特征，比如嘴唇和鼻子的距离、鼻子和眼睛的距离等等。Stonham则提出了一种单隐层的自适应神经网络来进行人脸识别和表情分析。尽管如此，这个阶段还是没有摆脱人工干预，还是需要操作员的某些经验知识。

第三阶段，机器自动识别阶段。随着计算机硬件配置的不断提高和算法的不断改善和提高，人脸识别的运算速度和效率也越来越高。不仅能自动识别正面的光照良好、没有遮挡的面部，而且对不用姿态、不同表情、不同年龄、不同光照的人脸也能进行识别。甚至可以识别出表情、年龄等信息。现今，机器识别的准确率已经超越了人类。

喜欢记得收藏哦

广告一波：众链人脸识别方案可以无缝对接到众链会员管理系统CRM、 众链微商城系统。适用场景广泛，可用于健身房会员管理人脸识别、旅馆人脸识别登记、景区人脸识别检票、人脸识别考勤；支持多种检测方式：人证比对、人脸搜寻、活体检测、人证识别系统_人证合一核验系统_人证比对系统。强大的技术支持和丰富的系统接口，可以对接任意第三方系统，让您的老系统轻松拥有人脸识别的能力！