发布需求
人脸识别是指能够识别或验证图像或视频中的主体的身份的技术。首个人脸识别算法诞生于七十年代初。自那以后，它们的准确度已经大幅提升，现在相比于指纹或虹膜识别 等传统上被认为更加稳健的生物识别方法，人们往往更偏爱人脸识别。让人脸识别比其它生物识别方法更受欢迎的一大不同之处是人脸识别本质上是非侵入性的。比如，指纹识别需要用户将手指按在传感器上，虹膜识别需要用户与相机靠得很近，语音识别则需要用户大声说话。相对而言，现代人脸识别系统仅需要用户处于相机的视野内（假设他们与相机的距离也合理）。这使得人脸识别成为了对用户最友好的生物识别方法。这也意味着人脸识别的潜在应用范围更广，因为它也可被部署在用户不期望与系统合作的环境中，比如监控系统中。人脸识别的其它常见应用还包括访问控制、欺诈检测、身份认证和社交媒体。
人脸识别的基本流程如下：
通过人脸检测技术，找到输入图像中的人脸位置。
关键点定位技术，将人脸中的关键点位置找到，例如：眼睛、鼻子、嘴巴以及轮廓上的关键点。
人脸特征提取步骤，将人脸位置进行校正，通过特征提取方法，计算刻画人脸的特征向量。
对于输入图像，可以计算得到对应的特征向量 A；同时针对应用的明星人脸库，可以存储为人脸特征库 DB。
将 A 与 DB 中每一个向量逐一计算相似度，然后根据相似度排序的结果，就可以将最相似的明星脸找到。
图像变形的例子，则是采用计算机图形学方法进行人脸纹理变换的结果。
其中，人脸特征的用途可以分为特征比对和特征搜索两种：
特征比对：将特征向量与预先存储的人脸特征数据库进行相似度排序，得到与输入图像相似度最高的返回结果，一般是身份识别的结果。
特征搜索：在应用人脸数据库中，返回与输入图像相似的结果。
人脸识别技术不但为人们的生活带来了便利，也增添了生活的乐趣。互联网时代，人脸识别技术应用到很多场合，如何保证数据安全以及技术的合理使用，是不容忽视的课题。只有安全合理的使用，我们才能发挥好人脸识别技术的作用，为人们生活带来福利。
