人脸识别的原理（人脸识别的原理和具体流程）随着人工智能技术的不断延伸和发展，似乎所有的小区门禁系统也逐步从过去刷卡的时代变成了现在“看脸”的时代，而我们的手机也成为了从手动输入密码到了指纹识别，然后又到了人脸识别的年代。而作为人工智能技术最直接的受益者的你，知道人脸识别是什么原理吗？具体的流程是什么？本节课，我将以人脸识别机器人的身份为大家具体展开，并通过大家可以理解的语言，跟大家详细说说人力识别的原理。

hello~，大家好，我是人脸机器人，大家可以叫我Robot大白！今天借此机会，跟大家讲解一下，人脸识别是如何实现的。

Robot大白答：一般来说，现在低成本的人脸识别 *** 主要有2种，

一种叫做：基于几何特征的 *** ，也就是通过比对人脸上的眼睛特征，鼻子的特征、嘴巴的特征、眉毛特征等等，因为每个人的五官都是不一样的，而且对应在一个脸上的位置也不是一样的。

一种叫做：基于模板的 *** ，这种 *** 需要提取你的人脸特征，寻找你脸上的图像分布的基本米素，即人脸图像样本集协方差矩阵的特征向量，以此近似地表征人脸图像。这里的向量也就是把你的脸部特征放进一个容器里的小球，你的脸上每一个特征都算是一个独一无二的小球。

Robot大白答：首先摄像头要从图片中找到人脸；其次要对每一章人脸进行对比确认是否为真的人脸；然后再对采集到人脸进行特征点标记然后提取；然后再把标记好的人脸特征输入到计算中，计算机收到这些特征数据后拿去跟数据库中的人脸去比对；最后，输出比对后的结果，从而确认这个人是谁。

Robot大白答：一般来说，我们计算机里面有一种算法，就是用来处理图像的一刀工具，首先计算机获得到图片后把照片的颜色去掉，使用的工具叫作HOG（Histogram of Oriented Gradients），它是一种方向梯度直方图，一种能够检测物体轮廓的算法。具体原理是把图片灰度化，彩色变为黑白的，然后用明暗相间的点去改变这张图片，就跟我们学高中地理知识的时候的山峰梯度图类似，颜色一旦变浅我们就画个箭头代表下降了几个度，而这些箭头被称为梯度(gradients)，从而我们确定出来一个人脸的梯度。大部分人都有正常的五官，我们跟猪和小狗的脸梯度平坦度不一样，所以利用这种 *** 快速发现人脸。

Robot大白答：我们可以根据人脸的特征点来对比，特征点是如何画出来的呢，这里我们要根据每个人的人脸的特殊值来确定。这种算法叫作面部特征点估计（face landmark estimation）算法。比如说你的脸上有一颗巨大的媒婆痣，那么这个点将会是你脸部很明显的特征，这个算法就是这样子作用，寻找你脸上的特征点。正常来说我们的脸上的五官都差不多，但是眼皮形状，眉毛等都不是一样的，所以我们回去标记每个人的脸部和五官轮廓。举个例子，如下图中这个人的人脸，我们可以得到下巴轮廓17个特征点，右眉毛5个特征点，左眉毛5个特征点，鼻尖5个特征点 。

Robot大白答：这里就是回到了我们的最后一步了，也就是编码！这里的编码呢，在计算机行业内被叫做：训练。他的意思就是说，我们要根据采集的人脸提取出来一些比较明显的特殊点，并且用数字表示举个例子来说，1代表歪嘴，2代表斜眼，3代表双下巴，4代表美人痣。那么我们训练一下这个人的图像就获得了他的人脸测量值，之后把这个测量值放到一个矩阵中，那么他的连就可以表示为：[1,2,3,4]。这样子呢，计算机就可以很容易的在一块存储区域内把这个人脸存储下来，用到的存储容量就是几个字节的事情，而不用去保存几M大的图像啦！一般来说，我们训练的人脸会找到128个特征值。之后我们给这组特征值命名为：王婆，然后存储即可。

Robot大白答：这样做的目的避免有些人拿着你的照片去“骗摄像头”，我们现在通用的较为稳定的系统一般来说是多重保险的，系统采集特征点之后，还要进行深度学习才能更为稳固。什么是深度学习呢？为了大家容易理解再给大家举个例子：假设一个人拿着你的照片去开银行保险柜，这个时候人脸识别提示抬头。如果是真人的话，抬头可能会看到你双下巴底下还有一层下巴，拿着照片的则只能看到一个下巴。这里的“深度”就好理解了吧！这里的深度你可以暂时理解为是为了获得立体感的特殊点标记。

至此，人脸识别的原理跟大家介绍完成啦，大致是围绕这6个点来实现的，大家还有不理解的地方欢迎留言咨询哦！Robot大白有问必答！