發展曆史
人臉識别系統的研究始于20世紀60年代，80年代後随着計算機技術和光學成像技術的發展得到提高，而真正進入初級的應用階段則在90年後期，并且以美國、德國和日本的技術實現為主；人臉識别系統成功的關鍵在于是否擁有尖端的核心算法，并使識别結果具有實用化的識别率和識别速度；“人臉識别系統”集成了人工智能、機器識别、機器學習、模型理論、專家系統、視頻圖像處理等多種專業技術，同時需結合中間值處理的理論與實現，是生物特征識别的最新應用，其核心技術的實現，展現了弱人工智能向強人工智能的轉化。
技術特點
傳統的人臉識别技術主要是基于可見光圖像的人臉識别，這也是人們熟悉的識别方式，已有30多年的研發曆史。但這種方式有着難以克服的缺陷，尤其在環境光照發生變化時，識别效果會急劇下降，無法滿足實際系統的需要。解決光照問題的方案有三維圖像人臉識别，和熱成像人臉識别。但這兩種技術還遠不成熟，識别效果不盡人意。
迅速發展起來的一種解決方案是基于主動近紅外圖像的多光源人臉識别技術。它可以克服光線變化的影響，已經取得了卓越的識别性能，在精度、穩定性和速度方面的整體系統性能超過三維圖像人臉識别。這項技術在近兩三年發展迅速，使人臉識别技術逐漸走向實用化。
人臉與人體的其它生物特征（指紋、虹膜等）一樣與生俱來，它的唯一性和不易被複制的良好特性為身份鑒别提供了必要的前提，與其它類型的生物識别比較人臉識别具有如下特點：
非強制性：用戶不需要專門配合人臉采集設備，幾乎可以在無意識的狀态下就可獲取人臉圖像，這樣的取樣方式沒有“強制性”；
非接觸性：用戶不需要和設備直接接觸就能獲取人臉圖像；
并發性：在實際應用場景下可以進行多個人臉的分揀、判斷及識别；
除此之外，還符合視覺特性：“以貌識人”的特性，以及操作簡單、結果直觀、隐蔽性好等特點。
技術流程
人臉識别系統主要包括四個組成部分，分别為：人臉圖像采集及檢測、人臉圖像預處理、人臉圖像特征提取以及匹配與識别。
人臉圖像采集及檢測
人臉圖像采集：不同的人臉圖像都能通過攝像鏡頭采集下來，比如靜态圖像、動态圖像、不同的位置、不同表情等方面都可以得到很好的采集。當用戶在采集設備的拍攝範圍内時，采集設備會自動搜索并拍攝用戶的人臉圖像。
人臉檢測：人臉檢測在實際中主要用于人臉識别的預處理，即在圖像中準确标定出人臉的位置和大小。人臉圖像中包含的模式特征十分豐富，如直方圖特征、顔色特征、模闆特征、結構特征及Haar特征等。人臉檢測就是把這其中有用的信息挑出來，并利用這些特征實現人臉檢測。
主流的人臉檢測方法基于以上特征采用Adaboost學習算法，Adaboost算法是一種用來分類的方法，它把一些比較弱的分類方法合在一起，組合出新的很強的分類方法。
人臉檢測過程中使用Adaboost算法挑選出一些最能代表人臉的矩形特征(弱分類器)，按照加權投票的方式将弱分類器構造為一個強分類器，再将訓練得到的若幹強分類器串聯組成一個級聯結構的層疊分類器，有效地提高分類器的檢測速度。
人臉圖像預處理
人臉圖像預處理：對于人臉的圖像預處理是基于人臉檢測結果，對圖像進行處理并最終服務于特征提取的過程。系統獲取的原始圖像由于受到各種條件的限制和随機幹擾，往往不能直接使用，必須在圖像處理的早期階段對它進行灰度校正、噪聲過濾等圖像預處理。對于人臉圖像而言，其預處理過程主要包括人臉圖像的光線補償、灰度變換、直方圖均衡化、歸一化、幾何校正、濾波以及銳化等。
人臉圖像特征提取
人臉圖像特征提取：人臉識别系統可使用的特征通常分為視覺特征、像素統計特征、人臉圖像變換系數特征、人臉圖像代數特征等。人臉特征提取就是針對人臉的某些特征進行的。人臉特征提取，也稱人臉表征，它是對人臉進行特征建模的過程。人臉特征提取的方法歸納起來分為兩大類：一種是基于知識的表征方法；另外一種是基于代數特征或統計學習的表征方法。
基于知識的表征方法主要是根據人臉器官的形狀描述以及他們之間的距離特性來獲得有助于人臉分類的特征數據，其特征分量通常包括特征點間的歐氏距離、曲率和角度等。人臉由眼睛、鼻子、嘴、下巴等局部構成，對這些局部和它們之間結構關系的幾何描述，可作為識别人臉的重要特征，這些特征被稱為幾何特征。基于知識的人臉表征主要包括基于幾何特征的方法和模闆匹配法。
人臉圖像匹配與識别
人臉圖像匹配與識别：提取的人臉圖像的特征數據與數據庫中存儲的特征模闆進行搜索匹配，通過設定一個阈值，當相似度超過這一阈值，則把匹配得到的結果輸出。人臉識别就是将待識别的人臉特征與已得到的人臉特征模闆進行比較，根據相似程度對人臉的身份信息進行判斷。這一過程又分為兩類：一類是确認，是一對一進行圖像比較的過程，另一類是辨認，是一對多進行圖像匹配對比的過程。
識别算法
一般來說，人臉識别系統包括圖像攝取、人臉定位、圖像預處理、以及人臉識别（身份确認或者身份查找）。系統輸入一般是一張或者一系列含有未确定身份的人臉圖像，以及人臉數據庫中的若幹已知身份的人臉圖象或者相應的編碼，而其輸出則是一系列相似度得分，表明待識别的人臉的身份。
人臉識别算法分類
基于人臉特征點的識别算法（Feature-based recognition algorithms）。
基于整幅人臉圖像的識别算法（Appearance-based recognition algorithms）。
基于模闆的識别算法（Template-based recognition algorithms）。
利用神經網絡進行識别的算法（Recognition algorithms using neural network）。
基于光照估計模型理論
提出了基于Gamma灰度矯正的光照預處理方法,并且在光照估計模型的基礎上，進行相應的光照補償和光照平衡策略。
優化的形變統計校正理論
基于統計形變的校正理論，優化人臉姿态；強化叠代理論
強化叠代理論是對DLFA人臉檢測算法的有效擴展；
獨創的實時特征識别理論
該理論側重于人臉實時數據的中間值處理，從而可以在識别速率和識别效能之間，達到最佳的匹配效果
識别數據
人臉識别需要積累采集到的大量人臉圖像相關的數據，用來驗證算法，不斷提高識别準确性，這些數據諸如A Neural Network Face Recognition Assignment(神經網絡人臉識别數據)、orl人臉數據庫、麻省理工學院生物和計算學習中心人臉識别數據庫、埃塞克斯大學計算機與電子工程學院人臉識别數據等。
配合程度
現有的人臉識别系統在用戶配合、采集條件比較理想的情況下可以取得令人滿意的結果。但是，在用戶不配合、采集條件不理想的情況下，現有系統的識别率将陡然下降。比如，人臉比對時，與系統中存儲的人臉有出入，例如剃了胡子、換了發型、多了眼鏡、變了表情都有可能引起比對失敗。
優勢困難
優勢
人臉識别的優勢在于其自然性和不被被測個體察覺的特點。
所謂自然性，是指該識别方式同人類（甚至其他生物）進行個體識别時所利用的生物特征相同。例如人臉識别，人類也是通過觀察比較人臉區分和确認身份的，另外具有自然性的識别還有語音識别、體形識别等，而指紋識别、虹膜識别等都不具有自然性，因為人類或者其他生物并不通過此類生物特征區别個體。
不被察覺的特點對于一種識别方法也很重要，這會使該識别方法不令人反感，并且因為不容易引起人的注意而不容易被欺騙。人臉識别具有這方面的特點，它完全利用可見光獲取人臉圖像信息，而不同于指紋識别或者虹膜識别，需要利用電子壓力傳感器采集指紋，或者利用紅外線采集虹膜圖像，這些特殊的采集方式很容易被人察覺，從而更有可能被僞裝欺騙。
困難
人臉識别被認為是生物特征識别領域甚至人工智能領域最困難的研究課題之一。人臉識别的困難主要是人臉作為生物特征的特點所帶來的。
相似性
不同個體之間的區别不大，所有的人臉的結構都相似，甚至人臉器官的結構外形都很相似。這樣的特點對于利用人臉進行定位是有利的，但是對于利用人臉區分人類個體是不利的。
易變性
人臉的外形很不穩定，人可以通過臉部的變化産生很多表情，而在不同觀察角度，人臉的視覺圖像也相差很大，另外，人臉識别還受光照條件（例如白天和夜晚，室内和室外等）、人臉的很多遮蓋物（例如口罩、墨鏡、頭發、胡須等）、年齡等多方面因素的影響。
在人臉識别中，第一類的變化是應該放大而作為區分個體的标準的，而第二類的變化應該消除，因為它們可以代表同一個個體。通常稱第一類變化為類間變化（inter-class difference），而稱第二類變化為類内變化（intra-class difference）。對于人臉，類内變化往往大于類間變化，從而使在受類内變化幹擾的情況下利用類間變化區分個體變得異常困難。
主要用途
人臉識别主要用于身份識别。由于視頻監控正在快速普及，衆多的視頻監控應用迫切需要一種遠距離、用戶非配合狀态下的快速身份識别技術，以求遠距離快速确認人員身份，實現智能預警。人臉識别技術無疑是最佳的選擇，采用快速人臉檢測技術可以從監控視頻圖象中實時查找人臉，并與人臉數據庫進行實時比對，從而實現快速身份識别。
生物識别技術已廣泛用于政府、軍隊、銀行、社會福利保障、電子商務、安全防務等領域。例如，一位儲戶走進了銀行，他既沒帶銀行卡，也沒有回憶密碼就徑直提款，當他在提款機上提款時，一台攝像機對該用戶的眼睛掃描，然後迅速而準确地完成了用戶身份鑒定，辦理完業務。這是美國德克薩斯州聯合銀行的一個營業部中發生的一個真實的鏡頭。而該營業部所使用的正是現代生物識别技術中的“虹膜識别系統”。此外，美國“9.11”事件後，反恐怖活動已成為各國政府的共識，加強機場的安全防務十分重要。美國維薩格公司的臉像識别技術在美國的兩家機場大顯神通，它能在擁擠的人群中挑出某一張面孔，判斷他是不是通緝犯。
當前社會上頻繁出現的入室偷盜、搶劫、傷人等案件的不斷發生，鑒于此種原因，防盜門開始走進千家萬戶，給家庭帶來安甯；然而，随着社會的發展，技術的進步，生活節奏的加速，消費水平的提高，人們對于家居的期望也越來越高，對便捷的要求也越來越迫切，基于傳統的純粹機械設計的防盜門，除了堅固耐用外，很難快速滿足這些新興的需求：便捷，開門記錄等功能。人臉識别技術已經得到廣泛的認同，但其應用門檻仍然很高：技術門檻高（開發周期長），經濟門檻高（價格高）。
人臉識别産品已廣泛應用于金融、司法、軍隊、公安、邊檢、政府、航天、電力、工廠、教育、醫療及衆多企事業單位等領域。随着技術的進一步成熟和社會認同度的提高，人臉識别技術将應用在更多的領域。
1、企業、住宅安全和管理。如人臉識别門禁考勤系統，人臉識别防盜門等。
2、電子護照及身份證。中國的電子護照計劃公安部一所正在加緊規劃和實施。
3、公安、司法和刑偵。如利用人臉識别系統和網絡，在全國範圍内搜捕逃犯。
4、自助服務。
5、信息安全。如計算機登錄、電子政務和電子商務。在電子商務中交易全部在網上完成，電子政務中的很多審批流程也都搬到了網上。而當前，交易或者審批的授權都是靠密碼來實現，如果密碼被盜，就無法保證安全。但是使用生物特征，就可以做到當事人在網上的數字身份和真實身份統一，從而大大增加電子商務和電子政務系統的可靠性。
主要産品
數碼相機
人臉自動對焦和笑臉快門技術：首先是面部捕捉。它根據人的頭部的部位進行判定，首先确定頭部，然後判斷眼睛和嘴巴等頭部特征，通過特征庫的比對，确認是人面部，完成面部捕捉。然後以人臉為焦點進行自動對焦，可以大大的提升拍出照片的清晰度。笑臉快門技術就是在人臉識别的基礎上，完成了面部捕捉，然後開始判斷嘴的上彎程度和眼的下彎程度，來判斷是不是笑了。以上所有的捕捉和比較都是在對比特征庫的情況下完成的，所以特征庫是基礎，裡面有各種典型的面部和笑臉特征數據。
門禁系統
受安全保護的地區可以通過人臉識别辨識試圖進入者的身份。人臉識别系統可用于企業、住宅安全和管理。如人臉識别門禁考勤系統，人臉識别防盜門等。
人臉識别門禁
人臉識别門禁是基于先進的人臉識别技術，結合成熟的ID卡和指紋識别技術而推出的安全實用的門禁産品。産品采用分體式設計，人臉、指紋和ID卡信息的采集和生物信息識别及門禁控制内外分離，實用性高、安全可靠。系統采用網絡信息加密傳輸，支持遠程進行控制和管理，可廣泛應用于銀行、軍隊、公檢法、智能樓宇等重點區域的門禁安全控制。
身份辨識
如電子護照及身份證。這或許是未來規模應用。在國際民航組織已确定，從2010年4月1日起，其118個成員國家和地區，必須使用機讀護照，人臉識别技術是首推識别模式，該規定已經成為國際标準。美國已經要求和它有出入免簽證協議的國家在2006年10月26日之前必須使用結合了人臉指紋等生物特征的電子護照系統，到2006年底已經有50多個國家實現了這樣的系統。美國運輸安全署（Transportation Security Administration）計劃在全美推廣一項基于生物特征的國内通用旅行證件。歐洲很多國家也在計劃或者正在實施類似的計劃，用包含生物特征的證件對旅客進行識别和管理。中國的電子護照計劃公安部一所正在加緊規劃和實施。
可在機場、體育場、超級市場等公共場所對人群進行監視，例如在機場安裝監視系統以防止恐怖分子登機。如銀行的自動提款機，用戶卡片和密碼被盜，就會被他人冒取現金。同時應用人臉識别就會避免這種情況的發生。通過查詢目标人像數據尋找數據庫中是否存在重點人口基本信息。例如在機場或車站安裝系統以抓捕在逃案犯。
網絡應用
利用人臉識别輔助信用卡網絡支付，以防止非信用卡的擁有者使用信用卡等。如計算機登錄、電子政務和電子商務。在電子商務中交易全部在網上完成，電子政務中的很多審批流程也都搬到了網上。而當前，交易或者審批的授權都是靠密碼來實現。如果密碼被盜，就無法保證安全。如果使用生物特征，就可以做到當事人在網上的數字身份和真實身份統一。從而大大增加電子商務和電子政務系統的可靠性。
娛樂應用
人臉識别技術廣泛地應用于日常生活中，如相機拍攝，圖片對比等，尤其近兩年來，相親節目如火如荼，其中浙江電視台的愛情連連看中的最佳夫妻像環節就利用了人臉對比技術來測試男女主人公面相的相似程度。
随着移動互聯網的崛起，一些人臉識别技術的開發者将該項技術應用到娛樂領域中，如應用開心明星臉等，根據人臉的輪廓，膚色，紋理，質地，色彩，光照等特征來計算照片中主人公與明星的相似度。
應用示例
2012年4月13日京滬高鐵安檢區域人臉識别系統工程開始招标，上海虹橋站、天津西站和濟南西站三個車站安檢區域将安裝用于身份識别的高科技安檢系統——人臉識别系統，以協助公安部門抓捕在逃案犯，人臉識别産品及系統解決方案的高科技創新型企業。由該領域内的專家組成了核心技術研發團隊，專注于以人臉識别技術為核心，覆蓋考勤、門禁安防等多領域的産品設計與研發項目。現今人臉識别産品已廣泛應用于金融、司法、軍隊、公安、邊檢、政府、航天、電力、工廠、教育、醫療及衆多企事業單位等領域。
2013年9月5日，刷臉支付系統在中國國際金融展上亮相。刷臉支付系統基于天誠盛業自主研發的生物識别雲金融平台，将自主知識産權軍用級别的人臉識别算法與現有的支付系統進行融合，對接了我們生活中涉及到支付、轉賬、結算和交易的環節。在支付時人們不再需要銀行卡、存折和密碼，甚至是手機，隻需要對着攝像頭點個頭、露個笑臉，刷臉支付系統将會在幾秒内完成身份确認、賬戶讀取、轉賬支付、交易确認等一站式支付環節，為用戶創建更棒的支付體驗。
2014年8月起，日本将在部分機場的出入國審查(邊檢)處重啟人臉識别系統的實驗。2012年實施的首次實驗因錯誤頻發而一度中止，但法務省認為，為迎接2020年東京奧運會需提高邊檢速度，于是決定重啟實驗。實驗将在2014年8月起進行約5周，對象為在羽田機場和成田機場乘機的日本人。負責實驗的企業将于近期敲定。日本政府在各地機場設置了僅憑指紋識别便可通過的自動邊檢門，但因需要事先登記指紋，乘客利用率不高。人臉識别則無需事先登記。
2015年3月15日漢諾威IT博覽會(CeBIT)在德國開幕，阿裡巴巴創始人馬雲作為唯一受邀的企業家代表，在開幕式上作了主旨演講。在發表演講後，馬雲還為德國總理默克爾與中國副總理馬凱演示了螞蟻金服的Smile to Pay掃臉技術，并當場刷自己的臉給嘉賓買禮物。馬雲選擇的禮物是淘寶網上
一枚1948年的漢諾威紀念郵票。他用手機登陸淘寶，首先選擇産品；第二步進入支付系統，确認支付後出現掃臉的頁面；然後掃臉(拍照後)後台認證；接着顯示支付成功。馬雲現場為德國總理默克爾贈送了一份特殊禮物：一張紀念版的德國日曆頁，且恰好就是這位女總理的出生年月。
