人臉識別，特指利用分析比較人臉視覺特征信息進行身份鑒別的計算機技術。 [編輯本段]人臉識別概述 廣義的人臉識別實際包括構建人臉識別系統的一系列相關技術，包括人臉圖像采集、人臉定位、人臉識別預處理、身份確認以及身份查找等；而狹義的人臉識別特指通過人臉進行身份確認或者身份查找的技術或系統。
人臉識別是一項熱門的計算機技術研究領域，它屬于生物特征識別技術，是對生物體（一般特指人）本身的生物特征來區分生物體個體。生物特征識別技術所研究的生物特征包括臉、指紋、手掌紋、虹膜、視網膜、聲音（語音）、體形、個人習慣（例如敲擊鍵盤的力度和頻率、簽字）等，相應的識別技術就有人臉識別、指紋識別、掌紋識別、虹膜識別、視網膜識別、語音識別（用語音識別可以進行身份識別，也可以進行語音內容的識別，只有前者屬于生物特征識別技術）、體形識別、鍵盤敲擊識別、簽字識別等。 [編輯本段]人臉識別的優勢 人臉識別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，是指該識別方式同人類（甚至其他生物）進行個體識別時所利用的生物特征相同。例如人臉識別，人類也是通過觀察比較人臉區分和確認身份的，另外具有自然性的識別還有語音識別、體形識別等，而指紋識別、虹膜識別等都不具有自然性，因為人類或者其他生物并不通過此類生物特征區別個體。
不被察覺的特點對于一種識別方法也很重要，這會使該識別方法不令人反感，并且因為不容易引起人的注意而不容易被欺騙。人臉識別具有這方面的特點，它完全利用可見光獲取人臉圖像信息，而不同于指紋識別或者虹膜識別，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，從而更有可能被偽裝欺騙。 [編輯本段]光線對人臉識別的影響 傳統的人臉識別技術主要是基于可見光圖像的人臉識別，這也是人們最熟悉的識別方式，已有30多年的研發歷史。但這種方式有著難以克服的缺陷，尤其在環境光照發生變化時，識別效果會急劇下降，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別，和熱成像人臉識別。但目前這兩種技術還遠不成熟，識別效果不盡人意。
最近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別技術。它可以克服光線變化的影響，已經取得了卓越的識別性能，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別。這項技術在近兩三年發展迅速，使人臉識別技術逐漸走向實用化。
1、可見光人臉識別技術
可見光是光譜中人眼可以感知的部分，可見光譜沒有精確的范圍，一般人的眼睛可以感知可見光的波長在400到700納米之間。作為可為人眼感知的光源，也是生活中最常見的光源。因此，傳統的人臉識別技術主要基于可見光圖像的人臉識別，這也是人們最熟悉的人臉識別方式。
為了克服受環境光照的影響，學術界做了大量的研究和技術開發。對可見光人臉識別系統進行了大量改進,以減輕環境光照的影響，目前也取得了一定的進步。
2、多光源人臉識別技術
在自然界中，除人眼可見的光線外，還存在著紅外、紫外等不可見的光線。
可見光圖像受光源影響較大，而單純的紅外圖像可以獨立光源，但對溫度變化比較敏感，而紅外與可見光融合的多光源人臉識別方法，被證明比任意單一光源的識別更有效。它是一種基于融合紅外與可見光圖像人臉識別方法，對紅外與可見光人臉圖像分別采用PCA與線性辨別分析相結合的方法進行特征提取和識別，并利用獲得的識別結果與它們各自的置信度進行決策融合，并確定最終的人臉識別結果。實驗表明，可以有效提高人臉識別性能和對各種應用環境的適用性。 [編輯本段]人臉識別的困難 雖然人臉識別有很多其他識別無法比擬的優點，但是它本身也存在許多困難。人臉識別被認為是生物特征識別領域甚至人工智能領域最困難的研究課題之一。人臉識別的困難主要是人臉作為生物特征的特點所帶來的。人臉在視覺上的特點是：
第一，不同個體之間的區別不大，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；
第二，人臉的外形很不穩定，人可以通過臉部的變化產生很多表情，而在不同觀察角度，人臉的視覺圖像也相差很大，另外，人臉識別還受光照條件（例如白天和夜晚，室內和室外等）、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。
在人臉識別中，第一類的變化是應該放大而作為區分個體的標準的，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內變化（intra-class difference）。對于人臉，類內變化往往大于類間變化，從而使在受類內變化干擾的情況下利用類間變化區分個體變得異常困難。 [編輯本段]人臉識別的技術細節 一般來說，人臉識別系統包括圖像攝取、人臉定位、圖像預處理、以及人臉識別（身份確認或者身份查找）。系統輸入一般是一張或者一系列含有未確定身份的人臉圖像，以及人臉數據庫中的若干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，表明待識別的人臉的身份。 [編輯本段]人臉識別的算法種類 基于人臉部件的多特征識別算法(MMP-PCA recognition algorithms)。
基于人臉特征點的識別算法（Feature-based recognition algorithms）。
基于整幅人臉圖像的識別算法（Appearance-based recognition algorithms）。
基于模板的識別算法（Template-based recognition algorithms）。
利用神經網絡進行識別的算法（Recognition algorithms using neural network）。
除以上算法外，2005年之后推出的更新算法有：
基于光照估計模型理論： 提出了基于Gammar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，優化人臉姿態；
強化迭代理論：強化迭代理論是對DLFA人臉檢測算法的有效擴展；
獨創的實時特征識別理論：該理論側重于人臉實時數據的中間值處理，從而可以在識別速率和識別效能之間，達到最佳的匹配效果； [編輯本段]人臉識別的應用 人臉識別的應用主要有：
·公安刑偵破案：通過查詢目標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。
·門禁系統：受安全保護的地區可以通過人臉識別辨識試圖進入者的身份。
·攝像監視系統：例如在機場、體育場、超級市場等公共場所對人群進行監視，以達到身份識別的目的。例如在機場安裝監視系統以防止恐怖分子登機。
·網絡應用：利用人臉識別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。 [編輯本段]人臉識別軟件 人臉識別軟件順應當前的要求，慢慢走上了歷史的舞臺。KnowU (基于視頻的人臉識別系統), 是當前不多的人臉識別軟件中具有代表性的一款，它是由個人開發編寫的，并且隨著版本的升級，逐漸具有了商業開發的色彩，在網上已經免費發布試用了。 [編輯本段]人臉識別系統 臉識別系統以人臉識別技術為核心，是一項新興的生物識別技術，是當今國際科技領域攻關的高精尖技術。人臉因具有不可復制、采集方便、不需要被拍者的配合而深受歡迎。人臉識別系統具有廣泛的應用：人臉識別出入管理系統、人臉識別門禁考勤系統、 人臉識別監控管理、人臉識別電腦安全防范、人臉識別照片搜索、人臉識別來防登記等等。
人臉識別系統的評價
人臉識別系統最重要的是最后一步，即進行系統的性能評價。和其它模式識別系統一樣，人臉識別系統的性能是很難進行評價的，在評價時必須注意以下幾點：(1)必須有足夠用于評價的大量測試樣本；(2)樣本圖像應與實際應用中出現的圖像盡可能相似，而且要有代表性；(3)除了討論系統的錯誤接受率外，還應該考慮系統的錯誤拒絕率。
