什么是人臉識別技術? 其中基于模板的匹配方法是將數據庫中所有模板直接匹配待處理的人臉圖像，并選擇最相似的模板圖像作為待處理圖像的分類。但是，由于數據庫中每個人的模板映像數量有限，因此無法覆蓋現實中所有復雜的情況。簡單模板匹配只使用相關信息，對背景、光線、表達等無關信息非常敏感。因此，該方法僅適用于理想條件下的人臉識別，不適用于實際場景。 基于幾何特征的方法是，人的臉有不同的形狀和大小，比如鼻子和嘴。通過比較這些零件的形狀和檢測零件之間的位置來實現人臉識別。與基于模板的匹配方法類似，形狀和距離信息不能表達圖像中的姿態和表達等非線性因素，導致該方法的可靠性和有效性較低。 基于人工神經網絡的方法直接使用圖像像素作為神經網絡的輸入。通過模擬人腦神經元的工作機制，可以學習到其他方法難以實現的隱性面部特征表征。神經網絡具有非線性激活函數，使得神經網絡具有一定的表達人臉圖像非線性因素和關系的能力。 在基于稀疏表示的人臉識別方法中，稀疏表示字典直接由訓練中使用的所有圖像組成，不需要學習字典。 最后一個是基于深度學習的人臉識別。其核心內容是分層訓練的網絡結構。每一層都使用自編碼神經網絡。自編碼神經網絡主要包括數據編碼和解碼兩部分。通過編碼和解碼實現輸入數據的無監督學習，隨著數據的增加，識別能力逐漸提高。 人臉識別的應用 目前，人臉識別技術在金融、安全、門禁、公安、交通、教育、移動支付等領域的應用逐漸增多。其中，金融和安全是人臉識別技術相對容易實現商業登陸的兩個領域，應用較為成熟。 公共安全方面 人臉識別產品在公安中的使用主要體現在兩個方面，一是動態人臉識別系統的使用，二是手持設備的人臉識別。 公共交通方面 公共交通的主要應用場景是在安全檢查點和檢查點部署人臉識別設備。包括機場、火車站、公交車站、碼頭等場所。早期的高速鐵路、機場等地方得到了廣泛的應用。 金融安全方面 在金融安全方面，目前的人臉識別產品主要用于銀行人臉比對、開戶、取款等，所以對個人識別設備的需求比較大。目前國內多家銀行，如農業銀行、建設銀行、工商銀行、民生銀行等，已將人臉識別設備引入不同的業務環節。