全世界都能認出你的臉，細思極恐啊

是不是不知道從什麼時候開始，手機攝像頭竟然能找到你的臉？

是不是突然發現，曾經的我們自拍還是典型的，現在全都非典型了。你動表情也跟著動呢

別說你沒玩過哦

以後呀，回家都不需要鑰匙啦！

看來以後整了容，不僅你爸媽不認識你了，連你家的門都不認識你了

還有更喪心病狂的

GoogleX實驗室近日開發出了一套神經網路系統。

不藉助任何外界信息幫助，它就能從一千萬張圖片中找出那些有小貓的圖片。

以後各位鏟屎管們都不怕丟貓了呢。

來來來，搬好小板凳，看看到底神奇在哪了

要完成人臉識別，一下幾步必不可少

1 人臉檢測：在圖像中定位人臉區域。這一步我們不需要關心這個人是誰，僅僅知道是個人臉就可以了。人臉由眼睛、鼻子、嘴巴、下巴等部件構成，正因為這些部件的形狀、大小和結構上的各種差異才使得世界上每個人臉千差萬別，因此對這些部件的形狀和結構關係的幾何描述，可以做為人臉識別的重要特徵。

2 人臉預處理：校正人臉圖像，使其看起來更清晰類似於其他人臉的過程

3 收集和學習人臉：保存大量處理過的人臉（對於每一個應當被識別人），接著學習如何識別他們的過程。

4人臉識別：選擇收集的人臉圖像中哪個更接近相機中的人臉的。

目前，人臉識別法主要集中在二維圖像方面，二維人臉識別主要利用分布在人臉上從低到高80個節點或標點，通過測量眼睛、顴骨、下巴等之間的間距來進行身份認證。

二維人臉識別方法的最大不足是在面臨姿態、光照條件不同、表情變化以及臉部化妝等方面較為脆弱，識別的準確度受到很大限制，而這些都是人臉在自然狀態下會隨時表現出來的。三維人臉識別可以極大的提高識別精度，真正的三維人臉識別是利用深度圖像進行研究，自90年代初期開始，已經有了一定的進展。

三維人臉識別方法有：

1.基於圖像特徵的方法：採取了從3D結構中分離出姿態的演算法。首先匹配人臉整體的尺寸輪廓和三維空間方向；然後，在保持姿態固定的情況下，去作臉部不同特徵點(這些特徵點是人工的鑒別出來)的局部匹配。

2.基於模型可變參數的方法：使用將通用人臉模型的3D變形和基於距離映射的矩陣迭代最小相結合，去恢復頭部姿態和3D人臉。隨著模型形變的關聯關係的改變不斷更新姿態參數，重複此過程直到最小化尺度達到要求。基於模型可變參數的方法與基於圖像特徵的方法的最大區別在於：後者在人臉姿態每變化一次後，需要重新搜索特徵點的坐標，而前者只需調整3D變形模型的參數。

在檢測到人臉並定位面部關鍵特徵點之後，主要的人臉區域就可以被裁剪出來。這樣我們的相機每次都能精準的找到我們的小臉蛋，不論你是啥表情

像火爆全國的snow，和faceu軟體，就是採集了你臉上的n個特徵點，對這n個點進行動態目標跟蹤，你動表情包也跟著動，高科技是個好東西啊，帶領我們走進了全民賣萌的時代。真想給發明人10086個贊呢

當然，光用來賣萌，可不行，那是對科技的浪費啊。

2012年4月13日京滬高鐵安檢區域人臉識別系統工程開始招標，上海虹橋站、天津西站和濟南西站三個車站安檢區域將安裝用於身份識別的高科技安檢系統——人臉識別系統。

這時就需要獲取上億的面部信息啦，這將是一個巨龐大的資料庫。對於大量人臉的存儲與區分，這就需要各種不同的演算法各顯神通啦。在此小編真的想敬程序員一杯！Cheers

恩，要做一名遵紀守法的好公民

不過呢，有利也有弊

是不是原來上班都刷個卡就可以啦

有了人臉識別啊……就沒法偷懶了

因為刷卡機都認識你的臉了 憂傷