人脸识别的原理是什么？你如何评价？

　　蚂蚁科学
　　最近，许多手机推出了人脸解锁的功能。
　　此外，
　　1。人脸识别门禁考勤系统，人脸识别防盗门等（企业、住宅安全和管理）
　　2。如利用人脸识别系统和网络，在全国范围内搜捕逃犯（公安、司法和刑侦）
　　。。。。。。人脸识别前景广阔
　　其原理是什么呢？
　　人脸识别，作为一项新兴的生物技术，其环节无非有三：
　　1。建立人像档案
　　2。读取人像
　　3。前面的两者的比对
　　最核心的东西，就是其中的识别算法。
　　主流的人脸识别技术基本上可以归结为三类，即：基于几何特征的方法、基于模板的方法和基于模型的方法。
　　1。基于几何特征的方法
　　人脸上的眼睛、鼻子、嘴巴、眉毛等，既是人们的共性，同时也是区分个体的关键（因为其大小、形状等不尽相同）。
　　我们经常用面部的特征来描述个体，机器同样也可以做这件事。
　　机器通过对图像处理，得到对这些图像的集合特征描述（比如根据你的鼻子的显著特点导出一组用于识别的特征度量如距离、角度等）
　　当然，这些处理，会导致一些局部特征信息的丢失。
　　所以需要做出改进。
　　2。基于模板的方法
　　比如特征脸方法、线性判别分析方法、奇异值分解方法、神经网络方法等
　　特征脸法：（有许多改进方法，常与基于几何特征的方法结合）
　　特征脸法的基本思想，便是搜集大量的图像进行分析，寻找人脸图像分布的基本元素，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。
　　神经网络方法：
　　神经网络（又称人工神经网络），是一种运算模型，由大量的节点以及它们之间的联接构成。每个节点代表一个函数，而联接则代表权重。
　　这玩意儿是人们对人脑神经网络工作方式抽象的一个产物，所以加了个“人工”来区别。
　　按照其反馈的机制，又可以分为前馈网络、递归网络等。
　　12年之前，运用于人脸识别的神经网络中类有前馈、递归等。
　　而后，深度学习基于大数据的卷积神经网络取得了更大的成果
　　（Yale人脸数据库）
　　3。基于模型的方法有基于隐马尔柯夫模型，主动形状模型和主动外观模型的方法等。
　　4。。。。。。以上的介绍可以说相当粗略，有关图像处理的细节（比如预处理的方式，如下图），
　　（图像二值化后的效果）
　　（直方图均衡化后的效果）
　　或是算法的细节（比如如何在一张人像中找到一个人的鼻子）等没有过多提及。
　　参考资料：
　　〔1〕姜贺。基于几何特征的人脸识别算法的研究〔D〕。大连理工大学，2008。
　　〔2〕赵显达，黄欢。基于卷积神经网络的人脸识别的研究〔J〕。信息技术，2018（09）：151923。
　　〔3〕丹尼布里茨《理解NLP的卷积神经网络》
　　｝
　　〔4〕《人脸识别主要算法原理》｝