人臉識別流程：
1. 人臉定位
輸入是原始圖像，輸出是人臉所在位置的矩形框，這里需要用到一個模型（這個模型可以用回歸的方式去訓練）；
2. 人臉特征點檢測（landmarks）
輸入是（原始圖像+人臉矩形框=人臉圖像），輸出是特征點坐標（嘴巴的坐標，眼睛的坐標等），這里需要用到一個模型（這個模型可以用回歸的方式去訓練）；
3. 人臉對齊&特征提取
輸入是（當前人臉landmarks+標准人臉landmarks+特征提取矩陣），過程是將對齊后的人臉輸入到CNN之類的網絡，得到人臉特征（如128維的人臉特征）（詳細了解請看這里）
4. 應用
接下來就可以根據具體需求做不同的事了，比如判斷兩張照片是不是一個人，就可以對比步驟3得到的128維矩陣的相似度，如果高於閾值就是一個人，一般計算人臉特征矩陣的相似度會用余弦距離
ps：可以直接使用dlib庫來提取人臉128維特征，支持cpu
其他
人臉識別范圍很廣泛，目前有十個關鍵技術
1. 人臉檢測（face detection）是檢測出圖像中人臉位置的技術
一般輸入是一張圖片，輸出是人臉所在位置，常用矩形框標記在原圖之上；
2. 人臉配准（face alignment）是定位人臉五官關鍵點坐標的技術
一般輸入是人臉圖像+人臉坐標框，輸出是五官關鍵點坐標序列，輸入一般會統一尺寸；
3. 人臉屬性識別（face atrribute）是識別人臉的性別、年齡、姿態、表情等屬性的技術
一般輸入是人臉圖像+五官關鍵點坐標，輸出是人臉屬性值，輸入一般會調整統一尺寸和旋轉角度，保證數據的統一性再做分析；
4. 人臉特征提取（face feature extraction）是將人臉圖像轉化為一串固定長度的數字串的技術
一般輸入是人臉圖像+五官關鍵點坐標，輸出是一串固定長度的數字串；
5. 人臉對比（face compare）是對比兩張人臉相似度的技術
一般輸入是兩張人臉的特征（即兩個固定長度的數字串），輸出是兩張人臉的相似度，人臉驗證、人臉識別、人臉檢索都是在人臉比對的基礎上加一些策略來實現；
6. 人臉驗證（face verification）判斷兩張人臉是否為同一個人的技術
一般輸入是兩個人臉特征，通過計算相似度並且和預先設置的閾值進行比較，輸出為是否為同一個人；
7. 人臉識別（face recognition）是識別出輸入人臉對應身份的技術
一般輸入是一個人臉特征，通過對比數據庫已有的人臉特征計算最高的相似度並與閾值比較，輸出是人臉對應的身份，當相似度小於閾值時，輸入人臉不在數據庫中；
8. 人臉檢索，是查詢和輸入人臉相似的人臉序列的技術
一般輸入是一個人臉特征，通過對比數據庫已有人臉特征計算相似度，並對一定數量的人臉根據相似度由高到低進行排序作為輸出；
9. 人臉聚類（face cluster）是將一個集合內的人臉按身份進行分組的技術（這個集合中可能會有多張人臉屬於一個身份）
一般輸入是一個人臉集合，將集合內的人臉兩兩對比相似度，通過分析，將集合內的人臉圖按身份進行分組作為輸出；
10. 人臉活體（face liveness）是判斷人臉是來自真人還是攻擊假體（照片、視頻等）的技術