人脸识别，就是通过视频采集设备获取用户的面部图像，再利用核心的算法对其脸部的五官位置、脸型和角度进行计算分析，进而和自身数据库里已有的范本进行比对，后判断出用户的真实身份。
人脸识别法主要集中在二维图像方面，二维人脸识别主要利用分布在人脸上从低到高80个节点或标点，通过测量眼睛、颧骨、下巴等之间的间距来进行身份认证。
一个成熟的人脸识别系统通常由人脸检测、人脸最优照片选取、人脸对齐、特征提取、特征比对几个模块组成。
从应用场景看，人脸识别应用主要分为1:1和1:N。1:1就是判断两张照片是否为同一个人，主要用于鉴权。而1:N的应用，首先得注册N个ID的人脸照片，再判断一张新的人脸照片是否是某个ID或者不在注册ID中。1:1和1:N，其底层技术是相同的，区别在于后者的误识率会随着N的增大而增大，如果设置较高的相似度阈值，则会导致拒识率上升。拒识和误识二者不可兼得，所以评价人脸识别算法时常用的指标是误识率小于某个值时（例如0.1%）的拒识率。
人脸识别最为关键的技术点就是人脸的特征提取，直到2014年deepface首次将深度学习的引入，这项技术才得到了质的突破，使得人脸识别技术真正走到了商业可用阶段。目前的研究主要集中在网络结构的改进和损失函数的改进上。随着研究的深入，目前人脸识别技术上的壁垒正在被打破，而人脸数据库的资源是业内巨头保持领先的另一个重要武器。
在检测到人脸并定位面部关键特征点之后，主要的人脸区域就可以被裁剪出来，经过预处理之后，馈入后端的识别算法。识别算法要完成人脸特征的提取，并与库存的已知人脸进行比对，完成最终的分类。
回答评级：★★★☆☆☆☆☆☆ 回答者：{smm}smm 5-3
回答