人臉識別的意義和進展（本文非原創，屬拼湊備用）
人臉識別是將靜態圖像或視頻圖像中檢測出的人臉圖像與數據庫中的人臉圖像進行對比 ,從中找出與之匹配的人臉的過程 ,以達到身份識別與鑒定的目的 , 它是同屬於生物特征識別領域和人工智能領域的一個課題 。人臉識別是圖像分析與理解的一種最成功的應用 , 因其在商業 、 安全 、 身份認證 、 法律執行等眾多方面的廣泛應用 ,以及對人臉識別可行性技術的三十多年研究 ,使其越來越得到重視 , 並逐漸成為一個充滿活力的研究領域。
人臉感知對於人類來說是一項常規任務 ,但是建立一種相似的計算機系統是一項一直在進行中的研究 。人們關於人臉識別的研究至少可以追溯至 20 世紀 50 年代; 到現在 , 人們對於基於計算機的人臉識別方法的研究已經取得了豐碩的成果 ,但這些方法仍然受到實際應用環境的限制 。
近年來，由於反恐、國土安全、和社會安全的需要，世界上各個國家都對安防領域加大了投入，而身份識別正是安防的一個核心問題。生物特征識別技術為人類身份識別提供了一個簡單、易行、可靠性高的方法，收到越來越多的重視。
生物識別系統對生物特征進行取樣，提取其唯一的特征轉化成數字代碼，並進一步將這些代碼組成特征模板，當人們同識別系統交互進行身份認證時，識別系統通過獲取其特征與數據庫中的特征模板進行比對，以確定二者是否匹配，從而決定接受或拒絕該人。
這些生物特征中人臉圖像是人類主要的主要特征，與用其他身體特征鑒別身份方法相比，人臉圖像相對來說比較穩定、不容易被遺忘、改變和盜取，而且利用人臉圖像來識別身份，容易被人們所接受。人臉識別，特指利用分析比較人臉視覺特征信息進行身份鑒別的計算機技術。
人們關於人臉識別的研究至少可以追溯至 20 世紀 50 年代; 到現在 , 人們對於基於計算機的人臉識別方法的研究已經取得了豐碩的成果。
人臉識別技術基本上可以歸結為以下三類:
a)基於幾何特征的方法 。該方法是最早 、 傳統的人臉檢測和識別的方法 。在基於該方法的人臉識別系統中 ,通常需要檢測出重要面部特征的形狀 、 相對位置以及這些特征之間的距離等相關參數 ,以構成一個可以代表人臉的特征向量 , 其特征分量通常包括兩點間的歐式距離 、 曲率和角度等 。 在使用幾何特征時最重要的一件事就是對圖像進行適當的標准化。
b)基於模板的方法 。 這類技術的核心在於利用整幅圖像的灰度級模板 。 與基於幾何特征的方法一樣 ,圖像首先需要進行標准化 。 最簡單的模板匹配就是把一幅圖像看做是強度值的二維排列 ,然后利用合適的尺度 ( 典型的如歐幾里德距離 )與單獨的代表整臉的模板進行對比匹配,基於模板的方法可以分為基於相關的方法、特征臉方法、線性判別分析方法、神經網絡方法、 動態連接匹配方法等 。
c)基於模型的方法 。 該方法利用數學模型將具有不同人臉尺度和人臉方向的不同人臉實例的信息合並 ,故相對基於模板的方法來說 ,該方法對於自然的人臉變形和光照條件具有更大的彈性 。 基於模型的方法利用模型參數來進行人臉識別 ,其典型方法是基於隱馬爾可夫模型的方法 。
對於認證問題,我們可以把分類問題簡單化為兩類:是本人或者不是本人,我們的目的是找一個分界,盡可能好的區分這兩類.在這種情況下,我們可以使用運算速度相對較快的線性判別方法.我們用一個兩維的數組分類來說明問題.