本文内容涵括人脸识别发展历程、市场研究、核心技术、商业应用于以及产业落地、个人观点等干货研究。留意，本文干货满满，大约有2万7千字，强烈建议大家再行珍藏后自学！01发展史1．人脸识别的解读人脸识别（FaceRecognition）是一种依据人的面部特征（如统计资料或几何特征等），自动展开身份辨识的一种生物识别技术，又称作面像辨识、人像辨识、相貌辨识、面孔识别、面部辨识等。一般来说我们所说的人脸识别是基于光学人脸图像的身份辨识与检验的全称。

人脸识别利用摄像机或摄像头收集所含人脸的图像或视频流，并自动在图像中检测和追踪人脸，进而对检测到的人脸图像展开一系列的涉及应用于操作者。技术上还包括图像收集、特征定位、身份的证实和查询等等。非常简单来说，就就是指照片中萃取人脸中的特征，比如眉毛高度、嘴角等等，再行通过特征的对比输入结果。

2．人脸识别的发展简史第一阶段（1950s—1980s）初级阶段人脸识别被当成一个一般性的模式识别问题，主流技术基于人脸的几何结构特征。这集中体现在人们对于剪影（Profile）的研究上，人们对面部剪影曲线的结构特征提取与分析方面展开了大量研究。

人工神经网络也一度曾多次被研究人员用作人脸识别问题中。较早于专门从事AFR研究的研究人员除了布莱索（Bledsoe）外还有戈登斯泰因（Goldstein）、哈蒙（Harmon）以及金出有武雄（KanadeTakeo）等。总体而言，这一阶段是人脸识别研究的初级阶段，十分最重要的成果不是很多，也基本没取得实际应用于。第二阶段（1990s）高潮阶段这一阶段尽管时间比较一段时间，但人脸识别却发展很快，不但经常出现了很多经典的方法，例如EigenFace，FisherFace和弹性图给定；并经常出现了若干商业化运作的人脸识别系统，比如尤为知名的Visionics（现为Identix）的FaceIt系统。

从技术方案上看，2D人脸图像线性子空间判别分析、统计表观模型、统计资料模式识别方法是这一阶段内的主流技术。第三阶段（1990s末～现在）人脸识别的研究不断深入，研究者开始注目面向现实条件的人脸识别问题，主要还包括以下四个方面的研究：1）明确提出有所不同的人脸空间模型，还包括以线性判别分析为代表的线性建模方法，以Kernel方法为代表的非线性建模方法和基于3D信息的3D人脸识别方法。2）深入分析和研究影响人脸识别的因素，还包括光照恒定人脸识别、姿态恒定人脸识别和表情恒定人脸识别等。3）利用新的特征回应，还包括局部叙述子（GaborFace，LBPFace等）和深度自学方法。

4）利用新的数据源，例如基于视频的人脸识别和基于素描、近红外图像的人脸识别。

本文来源：beat·365唯一官方网站-www.oto29.com