目前，国内外人脸识别技术发展速度加快，技术路径也比较多。主流的
人脸识别技术基本上可归结为五类。
其中，基于模板匹配方法是将待处理的人脸图像直接与数据库中所有模板进行匹配，选取匹配最相似的模板图像作为待处理图像的分类。不过，因为数据库中每小我的模板图片数量有限，不可能涵盖实际中所有的复杂情况，简单的模板匹配只行使了相干信息，对背景、光照、表情等非相干信息特别很是敏感。因此，该方法只适用于理想条件下的人脸识别，并不适合应用于现实场景。
基于几何特性的方法，即人的面部有外形和大小都不雷同的部件，如鼻子和嘴巴等。通过对这些部件外形的对比、部件间位置的检测，从而实现人脸识别。与基于模板匹配方法相似，外形、距离等信息并不能表达出图像中的姿态、表情等非线性因素，导致该方法的可靠性和有用性较低。
基于人工神经网络的方法直接使用图像像素点作为神经网络的输入，通过模仿人脑神经元工作机制，可学习到其他方法难以实现的隐性人脸特性透露表现。而且神经网络拥有非线性激活函数，使得网络对人脸图像中的非线性因素和关系有肯定的表达能力。
基于稀少透露表现的
人脸识别方法中，稀少透露表现用的“字典”直接由训练所用的悉数图像构成，无需经字典学习。
最后一种是基于深度学习的人脸识别方法。其核心内容是逐层训练的网络结构，每层使用的是自编码神经网络
北京做网站，自编码神经网络重要包括对数据编码息争码两部分内容。通过编码、解码实现对输入数据的无监督学习，辨识能力随数据增加渐渐进步。
作者：永昌城科技智控
