在智能手機(jī)快速崛起的這幾年，其密碼鎖經(jīng)歷了從數(shù)字密碼、手勢(shì)解鎖到指紋識(shí)別的升級(jí)，發(fā)展到如今的虹膜識(shí)別和人臉識(shí)別?？梢灶A(yù)料的是，由于全面屏幕的普及和更為安全、便捷的 FaceID 技術(shù)的出現(xiàn)，在不久的將來，指紋識(shí)別也將被智能手機(jī)廠商們所拋棄，完成它的歷史使命。

       人臉識(shí)別技術(shù)，是基于人的臉部特征信息進(jìn)行身份識(shí)別的一種生物識(shí)別技術(shù)。用攝像機(jī)或攝像頭采集含有人臉的圖像或視頻流，并自動(dòng)在圖像中檢測(cè)和跟蹤人臉，進(jìn)而對(duì)檢測(cè)到的人臉進(jìn)行臉部的一系列相關(guān)技術(shù)，通常也叫做人像識(shí)別、面部識(shí)別。傳統(tǒng)的人臉識(shí)別技術(shù)主要是基于可見光圖像的人臉識(shí)別，這也是人們熟悉的識(shí)別方式。簡(jiǎn)單的來說就是一個(gè)讓計(jì)算機(jī)認(rèn)出你的過程。

人臉識(shí)別技術(shù)發(fā)展

       早在20世紀(jì)50年代，認(rèn)知科學(xué)家就已著手對(duì)人臉識(shí)別展開研究。20世紀(jì)60年代，人臉識(shí)別工程化應(yīng)用研究正式開啟。當(dāng)時(shí)的方法主要利用了人臉的幾何結(jié)構(gòu)，通過分析人臉器官特征點(diǎn)及其之間的拓?fù)潢P(guān)系進(jìn)行辨識(shí)。這種方法簡(jiǎn)單直觀，但是一旦人臉姿態(tài)、表情發(fā)生變化，則精度嚴(yán)重下降。

       1991年，著名的“特征臉”方法第一次將主成分分析和統(tǒng)計(jì)特征技術(shù)引入人臉識(shí)別，在實(shí)用效果上取得了長(zhǎng)足的進(jìn)步。這一思路也在后續(xù)研究中得到進(jìn)一步發(fā)揚(yáng)光大，例如，Belhumer成功將Fisher判別準(zhǔn)則應(yīng)用于人臉分類，提出了基于線性判別分析的Fisherface方法。

       21世紀(jì)的前十年，隨著機(jī)器學(xué)習(xí)理論的發(fā)展，學(xué)者們相繼探索出了基于遺傳算法、支持向量機(jī)(Support Vector Machine， SVM)、boosting、流形學(xué)習(xí)以及核方法等進(jìn)行人臉識(shí)別。 2009年至2012年，稀疏表達(dá)(Sparse Representation)因?yàn)槠鋬?yōu)美的理論和對(duì)遮擋因素的魯棒性成為當(dāng)時(shí)的研究熱點(diǎn)。

       2013年，MSRA的研究者首度嘗試了10萬規(guī)模的大訓(xùn)練數(shù)據(jù)，并基于高維LBP特征和Joint Bayesian方法在LFW上獲得了95.17%的精度。這一結(jié)果表明：大訓(xùn)練數(shù)據(jù)集對(duì)于有效提升非受限環(huán)境下的人臉識(shí)別很重要。然而，以上所有這些經(jīng)典方法，都難以處理大規(guī)模數(shù)據(jù)集的訓(xùn)練場(chǎng)景。

       2014年前后，隨著大數(shù)據(jù)和深度學(xué)習(xí)的發(fā)展，神經(jīng)網(wǎng)絡(luò)重受矚目，并在圖像分類、手寫體識(shí)別、語音識(shí)別等應(yīng)用中獲得了遠(yuǎn)超經(jīng)典方法的結(jié)果。香港中文大學(xué)的Sun Yi等人提出將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用到人臉識(shí)別上，采用20萬訓(xùn)練數(shù)據(jù)，在LFW上第一次得到超過人類水平的識(shí)別精度，這是人臉識(shí)別發(fā)展歷史上的一座里程碑。