人脸识别技术简介（1/2）

();

人脸识别技术相关问题分为四大块：人脸检测，特征点提取，人脸校验，人脸检索。

其中第一个问题旨在检查图片是否是人脸、检测一张图像中是否包含人脸，而这个问题早在2005年就已经有了解决方案。

即将一张彩制图片(通常是jpg格式)转化为黑白格式，然后对临近的像素点中用箭头标示出黑白区间变化(没有变化则不标)，从而得到一张简化的(HOG)图片制式，可以快速而简便的检测人脸。

这个步骤opencv中早已存在，基于Viola-Jones算法，可以直接拿来用。

第二个问题，特征点提取，这个问题在2015年前后，在Python发布的anaconda支持库得到了普世化的解决方案。而在2015年以前，这个技术不能说没有，而是发展缓慢。

其基本原理为提取人脸特征中的68个特征点(鼻子两侧、眉心、嘴角等类似位置，也有算法是27个，这个数量不是固定的，特征点越多越精确(熵越低)，同样计算效率也就越低，这是两个矛盾的对立面)，从而确定需要处理的面部区域。

特征点并不是某个点，而是一个像素集合，主要由卷积核和卷积核周边的像素构成，这个结构就是传说中的智能领域的神经网络(具体分类为卷积神经网络，区别于递归神经网络)。它在某种程度上，和正则有着相似之处。

在这个过程之后，需要用到这些特征点，通过算法按照比例扭曲和旋转，以及等比缩放，从而得到一张几乎完全对称的正脸。

前两个问题都属于图像的预处理步骤。

后两个问题，人脸校验和人脸检索则是两个相对独立的问题，前者判断两张照片是不是同一个人，后者判断这是谁。

其中又需要广泛用到随机森林和深度学习。

随机森林(这里会用到高斯核)不需要过多解释，就是在脸上随机描边，所有的算法都会是在描边的区域内进行，从而达到某种目的(深度学习)。

深度学习则可以简单的理解为结果推倒论。

通常人类判断两个人是否是同一个人，会去仔细对比两个人的头发颜色、眉毛长度、鼻子形状等，从而而出结论：哦，这是/不是同一个人。