机器学习之人脸识别(Face Recognition)

机器学习之机器是如何识别人脸(Face Recognition)的？

目前，一些机器学习技术已经被广泛应用于人脸识别、人脸支付以及身份认证领域，例如支付宝的FACEID，阿里的Alipay，ETC等等。

这个领域内的算法多以传统的Eigen Face, LBP Face, Adaboost为主，面对一张人脸时，我们首先要进行的是进行人脸特征的提取，比如鼻子、眼睛等，之后对这些特征进行分析比对，确认人物基本信息。而机器主要是通过数学模型学习轮廓、纹理等细节，将机器提取出来的细节(特征提取，Feature extraction)输入到分类模型中进行分类（分类，Classification)，从而识别人脸。

以卷积神经网络为例，在提取了大量的基本信息之后：

1、Input Image - > Detect

这一步我们做的主要是将原始图像输入去detect，让机器提取一些关键点。

2、Detect - > Transform - > Crop

这一步要做的事情就是要检测人脸中的关键点，然后根据这些关键点对人脸做对齐校准。比如原先人脸可能比较歪，根据关键点使用仿射变换将人脸统一“摆正”，尽量去消除姿势不同带来的误差。这一步一般叫Face Alignment。

3、Crop - > Representation

这一步就是使用深度卷积网络，将输入的人脸图像，转换成一个向量的表示。