一、人臉識別應用介紹
如今流行的生物特征識別技術及市場占比：
下圖為常用的生物特征識別的差異性對比：
人臉識別應用案例
- 1:1識別——用戶登錄等。
- 1：N（N≈10^3）識別——企業考勤等。
- 1：N（N>10^9）識別——智能尋親，通過某年齡段照片，對比監控數據；抓捕逃犯等。
二、人臉識別發展：
（一）前深度學習時代
前深度學習時代的處理步驟如下：
- Eigen Face （特征臉），找到低維空間。
- 訓練集包含p張人臉圖片
- 平均人臉圖像
- 將訓練集中的人臉圖像減去平均人臉圖像
- 求協方差矩陣
Eigen Face （特征臉）缺陷 - 特征表達能力有限
- 只適合小數據庫
（二）深度學習時代
深度學習時代，人臉識別的過程如下：
其中，人臉識別主要面臨尺度、膚色、 遮擋 、角度 、光照等一系列問題。
深度學習人臉檢測步驟：
- 回歸
- Proposal + 分類+合並
- Proposal + 分類 （多尺度）
- 合並：非極大值抑制
遍歷其余的框，如果和當前最高分框的重疊面積(IOU)大於一定閾值，我們就將框刪除。
特征學習
- 分類模型
- Deepface
- DeepID
- VGG
- ResNet
- 度量學習模型
三、學習總結：
今天主要了解了人臉識別概述及相關模型，明天在了解具體的人臉識別算法及其差異性。