成都弱電公司訊：

“刷臉”無疑是今年的人們詞匯之一，支付寶、京東支付等紛紛在今年宣布將啟動刷臉認證的方式；今年5月，全球第一臺具有人臉辨認功能的ATM機在成都誕生；4月，馬云在德國漢諾威IT博覽會上當眾演示刷支付，都將人臉辨認推向了封口浪尖。看臉時代來了！有人驚呼。可傳統電影里走出來，從指紋、虹膜到人臉，生物辨認從科幻到現實僅一步之遙。可視說了那么久的人臉辨認，您真的了解嗎？除了知道其表面作用，他是如何實現的您真的知道嗎？今天就讓我們來科普下。

人臉辨認到底是什么？

人臉辨認，是視覺模式辨認的一個細分問題，也大概是最難解決的一個問題。

其實我們人每時每刻都在進行視覺模式辨認，我們通過眼睛獲得視覺信息，這些信息經過大腦的處理被辨認為有意義的概念。所以我們知道了放在我們面前的是水杯、書本，還是什么別的東西。

我們也無時無刻不在進行人臉辨認，我們天天生活中碰到無數的人，從中認出那些熟人，和他們打招呼，打交道，忽略另外的陌生人。甚至躲開那些我們欠了錢還暫時還不上的人。

然而這項看似簡樸的任務，對機器來說卻并不那么容易實現。

對計算機來講，一幅圖像信息，無論是靜態的圖片，還是動態視頻中的一幀，都是一個由眾多像素點組成的矩陣。好比一個1080p的數字圖像，是一個由1980*1080個像素點組成矩陣，每個像素點，假如是8bit的rgb格式，則是3個取值在0-255的數。

機器需要在這些數據中，找出某一部分數據代表了何種概念：哪一部分數據是水杯，哪一部分是書本，哪一部分是人臉，這是視覺模式辨認中的粗分類問題。

而人臉辨認，需要在所有機器認為是人臉的那部分數據中，區分這個人臉屬于誰，這是個細分類問題。

人臉可以分為多少類呢？

取決與所處理問題的人臉庫大小，人臉庫中有多少目標人臉，就需要機器進行相應數量的細分類。假如想要機器認出每個他看到的人，則這世界上有多少人，人臉就可以分為多少類，而這些類別之間的區別是非常細微的。由此可見人臉辨認問題的難度。

更不肯提，這件事還要受到光照，角度，人臉部的裝飾物等各種因素的影響。這也不難解釋為什么人臉辨認技術目前還沒有大量應用在日常生活中，大部分人只能在科幻電影中接觸人臉辨認了。

傻傻分不清楚，一些容易被混淆的概念

一些不太被人熟悉的事物，經常會伴隨著大量的概念混淆。

好比對西方宗教不太了解的國人，可能搞不清楚為什么有些人信上帝但不信耶穌；都是在教堂工作的大叔，為什么有些要禁欲，有些卻能結婚。

而人臉辨認作為一個新事物，也伴隨著大量的概念混淆，而分清這些概念，對于理解人臉辨認還是比較重要的。