人脸识别是什么技术？
人脸识别是一种基于面部特征信息的生物识别技术。人像识别和人脸识别等一系列相关技术被用来用摄像机采集包含人脸的图像或视频流，并自动检测和跟踪图像中的人脸。
人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的发展而不断完善，但90年代后期才真正进入初级应用阶段，主要是通过美国、德国和日本的技术实现的。人脸识别系统成功的关键在于是否拥有尖端的核心算法，并使识别结果具有实用的识别率和识别速度；“人脸识别系统”融合了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等诸多专业技术。，并且需要结合中值处理的理论和实现，这是生物识别的最新应用。其核心技术的实现表明了从弱人工智能到强人工智能的转变。
传统的人脸识别技术主要基于可见光图像，这也是一种常见的识别方法，已经发展了30多年。但是，这种方法存在不可克服的缺陷，尤其是当环境光发生变化时，识别效果会急剧下降，不能满足实际系统的需要。解决光照问题有三维图像人脸识别和热成像人脸识别。但是这两种技术还远未成熟，识别效果也不尽如人意。
一种快速发展的解决方案是基于主动近红外图像的多光源人脸识别技术。它可以克服光线变化的影响，取得了优异的识别性能。系统在准确性、稳定性和速度方面的整体性能超过了3D图像人脸识别。这项技术在最近两三年发展迅速，使得人脸识别技术逐渐变得实用。
人脸识别的算法是什么意思？
一般来说，人脸识别系统包括图像捕获、人脸定位、图像预处理和人脸识别(身份确认或身份搜索)。系统的输入一般是一个或一系列身份未确定的人脸图像，以及人脸数据库中几个身份已知或对应编码的人脸图像，输出是一系列相似度得分，表示待识别人脸的身份。
人脸识别算法的分类
一种基于人脸特征点的特征识别算法。
基于全脸图像的基于外观的识别算法。
基于模板的识别算法(基于模板的识别算法)。
神经网络识别算法的算法。
基于光照估计模型的理论
提出了一种基于伽马校正的光照预处理方法，并基于光照估计模型进行了相应的光照补偿和光照平衡策略。
优化变形统计校正理论
基于统计形变校正理论的人脸姿态优化：
增强迭代理论
增强迭代理论是DLFA人脸检测算法的有效扩展。
独创实时特征识别理论
该理论侧重于实时人脸数据的中值处理，能够在识别速度和识别效率之间达到最佳匹配效果。
