人脸识别的前世今生：从人工特征的百花齐放到深度学习的一统江湖

点击我爱计算机视觉标星，更快获取CVML新技术

---

几天前一篇arXiv新上论文《Face Recognition: From Traditional to Deep Learning Methods》，对人脸识别技术发展经历的几个时期进行了分类，为我们展开了计算机视觉中最为活跃的人脸识别技术发展波澜壮阔的四十年。

作者信息：

作者为来自学术界英国赫特福德大学和工业界GBG plc公司的研究人员。

文中指出，自上世纪七十年代开始，人脸识别已成为计算机视觉和生物特征识别技术中研究最热门的方向之一。 基于人工设计的特征和传统的机器学习技术的传统方法目前已经被使用大规模数据集训练的深度神经网络所取代。 

在该文中，作者提供了一个既全面回顾又力求最新的人脸识别算法文献综述，包括传统方法（基于几何，基于整体，基于特征和混合方法）和深度学习方法。

人脸识别问题面临的挑战

如下所示：

人脸识别面临诸多技术挑战，比如人头部姿态变化，跨年龄人面部变化，光照变化，表情变化，人脸被遮挡等。

人脸识别系统模块

通常人脸识别系统包含如下几大模块：

1）人脸检测Face Detection

从图像中找到人脸并返回人脸包围框坐标。

2）人脸对齐（或称人脸配准）Face Alignment

检测人脸特征