人脸识别进展历史人脸识别系统的讨论始于 20 世纪 60 年代,80 年代后随着计算机技术和光学成像技术的进展得到提高，而真正进入初级的应用阶段则在 90 年后期，并且以美国、德国和日本的技术实现为主;人脸识别系统成功的关键在于是否拥有尖端的核心算法，并使识别结果具有有用化的识别率和识别速度;“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，同时需结合中间值处理的理论与实现是生物特征识别的最新应用,其核心技术的实现，展现了弱人工智能向强人工智能的转化。[1] 技术特点 传统的人脸识别技术主要是基于可见光图像的人脸识别，这也是人们熟悉的识别方式，已有30多年的研发历史.但这种方式有着难以克服的缺陷，尤其在环境光照发生变化时,识别效果会急剧下降，无法满足实际系统的需要。解决光照问题的方案有三维图像人脸识别和热成像人脸识别。但这两种技术还远不成熟,识别效果不尽人意。 迅速进展起来的一种解决方案是基于主动近红外图像的多光源人脸识别技术。它可以克服光线变化的影响，已经取得了卓越的识别性能,在精度、稳定性和速度方面的整体系统性能超过三维图像人脸识别.这项技术在近两三年进展迅速，使人脸识别技术逐渐走向有用化。 人脸与人体的其它生物特征（指纹、虹膜等）一样与生俱来，它的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提，与其它类型的生物识别比较人脸识别具有如下特点：非强制性：用户不需要专门配合人脸采集设备,几乎可以在无意识的状态下就可猎取人脸图像，这样的取样方式没有“强制性”；非接触性:用户不需要和设备直接接触就能猎取人脸图像;并发性:在实际应用场景下可以进行多个人脸的分拣、推断及识别；除此之外，还符合视觉特性：“以貌识人”的特性，以及操作简单、结果直观、隐蔽性好等特点。技术流程 人脸识别系统主要包括四个组成部分,分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别.人脸图像采集及检测 人脸图像采集:不同的人脸图像都能通过摄像镜头采集下来，比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集.当用户在采集设备的拍摄范围内时，采集设备会自动搜索并拍摄用户的人脸图像. 人脸检测：人脸检测在实际中主要用于人脸识别的预处理，即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富，如直方图特征、颜色特征、模板特...
