初识人脸识别---人脸识别研究报告（概述篇）

不知道自己喜欢做什么，这对于一个可能打算成为程序员的程序员来说，可能是悲哀的。--------写在之前

经过有一段时间的思考，觉得自己有必要对那些几年来特别火的词语重新做个了解，人工智能，大数据，云计算，数据挖掘，计算机视觉，AR，VR等等等等，于是便有了以下文章的将要的可能的诞生（前提是笔者够勤劳）。

2018-11-23

---

首先需要了解两个概念：

计算机视觉是使用计算机及相关设备对生物视觉的一种模拟，主要任务就是通过对采集的图片或视频进行处理以获得相应场景的三维信息，就像人类和许多其他类生物每天所做的那样。（来自百度百科）

人脸识别是基于人的脸部特征信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。（来自百度百科）

人脸识别的优势：非侵扰性（无需特意）、便捷性（摄像头即可）、友好性（符合人类习惯）、非接触性、可拓展性（可应用的范围广）。这些特点大多是用来和指纹、虹膜一类的信息采集与识别技术进行比较。

发展历程：

                           

时期	20世纪50年代	20世纪90年代	20世纪50年代	2000-2012年	2013年	2014年
事件（技术）	认知科学家就已着手对人脸识别展开研究	人脸识别工程化应用研究正式开启	“特征脸”（Eigenface）方法应用并发扬光大	研究者的关注点开始从受限场景下的人脸识别转移到非受限环境下的人脸识别	微软亚洲研究院的研究者首度尝试了10万规模的大训练数据，并基于高维 LBP 特征和 Joint Bayesian 方法在 LFW 上获得了95.17%的精度	随着大数据和深度学习的发展，神经网络重受瞩目，并在图像分类、手写体识别、语音识别等应用中获得了远超经典方法的结果
优势		利用了人脸的几何结构，通过分析人脸器官特征点及其之间的拓扑关系进行辨识，简单直观	第一次将主成分分析和统计特征技术引入人脸识别，在实用效果上取得了长足的进步； Belhume