人脸识别技术有哪些？

现在使用的很多人脸识别方法都是在这个阶段诞 国外的人脸识别研究早国内二三十年，最著名的国际研究机构包括有：美国麻省理工学院人工智能实验室 (AI LAB)、卡内基-梅隆大学 (CMU)机器人研究及交 互实验室，南加州大学 (USC)等。 另外，一些国家和地区也有不少专业研究人员在 人脸识别领域从事大量的研究工作。 国内的人脸识别研究开始于80 年代 [10] ,目前清华大学、上海交通大学、中科院 计算技术研究所和中科院自动化所等科研机构都有大量的专业人士从事人脸识别 研究方面的工作。 随着人脸识别技术的发展，新方法、新技术层出不穷，国内已 有一些机构推出基于人脸识别的智能监控系统，人脸识别技术得到广泛的应用。

人脸检测的目的是什么？

目的是在人脸检测、追踪获取人脸区域的基础上，进一步确定人脸特征点（眼睛、嘴巴中心点、嘴巴轮廓特征点、器官轮廓特征点）的位置。 其基本思路主要是将人脸局部器官的纹理特征和器官特征点之间的位置约束进行整合处理。

人脸识别最经典的算法是什么？

基于PCA的特征脸是人脸识别最经典的算法之一，虽然今天的PCA在实际系统中更多的是用来降维，而不是分类，但是如此经典的方法，值得大家去关注。 该文章较接近于很多成熟商用系统思路，在很多实际系统中，一个提取鉴别信息的框架就是PCA和LDA，用PDA进行降维避免LDA求解的矩阵奇异问题，然后用LDA提取跟适合分类的特征，更进一步将各种原始特征进行鉴别提取后决策级融合。

深度学习人脸识别技术有哪些？

随着深度卷积神经网络和大规模数据集的发展，基于深度学习的人脸识别应运而生识别技术已经取得了显著的进展，并在实际应用中得到了广泛的应用。 给定一个以自然图像或视频帧为输入，端到端人脸识别系统能输出人脸特征用于识别。 为了做到这一点，整个系统一般由三个关键要素构成： 人脸检测（face detection）、人脸预处理（face preprocess），人脸表征（face representation）。 人脸检测定位图像或视频帧中的人脸。 然后，人脸预处理是进行人脸标定到一个规范的视角并将他们裁剪到一个标准化像素大小。 最后，在人脸表征阶段，从预处理后的图像中提取具有鉴别性的特征用于识别。 这三个要素都是由深度卷积神经网络实现的。

推荐阅读，更多相关内容：