目前主流的五类人脸识别技术

目前，国内外人脸识别技术发展速度加快，技术路径也比较多。主流的人脸识别技术基本上可归结为五类。

其中，基于模板匹配方法是将待处理的人脸图像直接与数据库中所有模板进行匹配，选取匹配最相似的模板图像作为待处理图像的分类。不过，由于数据库中每个人的模板图片数量有限，不可能涵盖现实中所有的复杂情况，简单的模板匹配只利用了相关信息，对背景、光照、表情等非相关信息非常敏感。因此，该方法只适用于理想条件下的人脸识别，并不适合应用于实际场景。

基于几何特征的方法，即人的面部有形状和大小都不相同的部件，如鼻子和嘴巴等。通过对这些部件形状的对比、部件间位置的检测，从而实现人脸识别。与基于模板匹配方法相似，形状、距离等信息并不能表达出图像中的姿态、表情等非线性因素，导致该方法的可靠性和有效性较低。

基于人工神经网络的方法直接使用图像像素点作为神经网络的输入，通过模拟人脑神经元工作机制，可学习到其他方法难以实现的隐性人脸特征表示。而且神经网络拥有非线性激活函数，使得网络对人脸图像中的非线性因素和关系有一定的表达能力。

基于稀疏表示的人脸识别方法中，稀疏表示用的“字典”直接由训练所用的全部图像构成，无需经字典学习。

最后一种是基于深度学习的人脸识别方法。其核心内容是逐层训练的网络结构，每层使用的是自编码神经网络，自编码神经网络主要包括对数据编码和解码两部分内容。通过编码、解码实现对输入数据的无监督学习，辨识能力随数据增长逐步提高。