人臉識別技術這些年已經(jīng)發(fā)生了重大的變化。傳統(tǒng)方法依賴于人工設計的特征（比如邊和紋理描述量）與機器學習技術（比如主成分分析、線性判別分析或支持向量機）的組合。人工設計在無約束環(huán)境中對不同變化情況穩(wěn)健的特征是很困難的，這使得過去的研究者側重研究針對每種變化類型的專用方法，比如能應對不同年齡的方法、能應對不同姿勢的方法、能應對不同光照條件的方法等。

近段時間，傳統(tǒng)的人臉識別方法已經(jīng)被基于卷積神經(jīng)網(wǎng)絡（CNN）的深度學習方法接替。深度學習方法的主要優(yōu)勢是它們可用非常大型的數(shù)據(jù)集進行訓練，從而學習到表征這些數(shù)據(jù)的蕞佳特征。網(wǎng)絡上可用的大量自然人臉圖像已讓研究者可收集到大規(guī)模的人臉數(shù)據(jù)集，這些圖像包含了真實世界中的各種變化情況。使用這些數(shù)據(jù)集訓練的基于 CNN 的人臉識別方法已經(jīng)實現(xiàn)了非常高的準確度，因為它們能夠學到人臉圖像中穩(wěn)健的特征，從而能夠應對在訓練過程中使用的人臉圖像所呈現(xiàn)出的真實世界變化情況。

此外，深度學習方法在計算機視覺方面的不斷普及也在加速人臉識別研究的發(fā)展，因為 CNN 也正被用于解決許多其它計算機視覺任務，比如目標檢測和識別、分割、光學字符識別、面部表情分析、年齡估計等。

當前，隨著人工智能、物聯(lián)網(wǎng)等前沿技術的迅速發(fā)展，智能時代已悄然到來，"刷臉"逐漸成為了新的風潮。在人臉識別技術商業(yè)化應用領域不斷擴張的趨勢下，"刷臉"辦事正愈發(fā)常見。

人臉識別，是基于人的臉部特征信息進行身份識別的一種生物識別技術。用攝像機或攝像頭采集含有人臉的圖像或視頻流，并自動在圖像中檢測和跟蹤人臉，進而對檢測到的人臉進行臉部識別的一系列相關技術，通常也叫做人像識別、面部識別。

人臉識別系統(tǒng)的三大關鍵技術包括基于特征的人臉檢測技術，基于模板匹配人臉檢測技術，基于統(tǒng)計的人臉檢測技術。

1、基于特征的人臉檢測技術

通過采用顏色、輪廓、紋理、結構或者直方圖特征等進行人臉檢測。

2、基于模板匹配人臉檢測技術

從數(shù)據(jù)庫當中提取人臉模板，接著采取一定模板匹配策略，使抓取人臉圖像與從模板庫提取圖片相匹配，由相關性的高低和所匹配的模板大小確定人臉大小以及位置信息。

3、基于統(tǒng)計的人臉檢測技術

通過對于“人臉”和“非人臉”的圖像大量搜集構成的人臉正、負樣本庫，采用統(tǒng)計方法強化訓練該系統(tǒng)，從而實現(xiàn)對人臉和非人臉的模式進行檢測和分類。