人脸识别

一般来说，有三种因素能够用于身份验证：“某人知道什么”（what you konw）“某人拥有什么”（what you hava）以及“某人是什么”（who you are）。它们也常称为根据知识进行身份验证、根据所有权进行身份验证以及根据特征进行身份验证。
“某人知道什么（根据知识进行身份验证）”，可以是密码、PIN（Personal Identification Number，个人身份号码）、密码锁等。“某人拥有什么（根据所有权进行身份验证）”可以是钥匙、门卡、访问卡或证件。“某人是什么”（根据特征进行身份验证）基于物理特征。基于独特的物理特征对一个人的身份进行验证称为生物测定学。
生物测定学一般分为两种不同的类型。第一种是生理性生物测定（what you are），它指的是某个人所特有的身体特征。如DNA、虹膜、指纹。第二种是行为性生物测定（what you do），它基于个人的某种行为特点来确认其身份，例如动态签名、步态。生理性生物测定是“你是什么”，而行为性生物测定则是“你做什么”。
生物测定学系统在拒绝一个已获授权的个人时，就会出现1类错误（误拒绝率False Rejection Rate，FRR）；当系统接受了一个本应该被拒绝的冒名顶替者时，就会出现2类错误（误接受率False Acceptance Rate，FAR）。2类错误最为危险。
人脸识别的准确性虽然低于虹膜、指纹的识别，但由于它的无侵害性和对用户最自然、最直观的方式，使人脸识别成为最容易被接受的生物特征识别方式。
人脸识别的过程：

人脸图像采集：通过摄像头采集不同对象的人脸图像，并生成原始人脸图像。当用户在采集设备的拍摄范围内，采集设备就会拍摄该对象的人脸图像。
人脸检测：主要过程就是根据人脸图像的各种模式特征算法，在采集的原始人脸图像中准确标出人脸的位置和大小。
人脸图像预处理：人脸图像的预处理是在设备检测到人脸之后，对检测到的人脸图像光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。
人脸图像特征提取：对人脸进行特征建模的过程。人脸特征提取的方法总结起来就分成两种情况：一种是基于知识的表征方法；另一种则是基于代数特征或统计学习的表征方法。
人脸图像匹配与识别：把提取到的人脸图像的特征数据和数据库中已知的特征模板进行搜索匹配，事先设定一个阈值，当两个数据的特征相似度超过这个阈值的时候，就认为匹配成功。人脸识别就是把待识别的人脸特征和已知的人脸特征模板进行比较，并根据两者的相似程度对待识别人脸的身份信息进行判断。这一过程又分成两种情况：一类是回答我是谁的问题，即辨认（Identification），另一类是回答这个人是我吗？即确认（Verification）。显然，用于Identification模式的识别系统对算法的运算速度的要求要高于Verification模式的识别系统。
存在的难点：人脸是非刚体，存在表情变化；人脸随年龄增长而变化；发型、眼镜等装饰对人脸造成遮挡；人脸所成图像受光照、成像角度、成像距离等影响。