本节书摘来自异步社区《人脸识别原理及算法——动态人脸识别系统研究》一书中的1章1.1节历史背景，作者 沈理 , 刘翼光 , 熊志勇,更多章节内容可以访问云栖社区“异步社区”公众号查看。
第1章 人脸识别概论
1.1 历史背景
人脸识别原理及算法——动态人脸识别系统研究
自20世纪70年代以来，随着人工智能技术的兴起以及人类视觉研究的进展，人们逐渐对人脸图像的机器识别投入越来越多的热情，并形成了一个人脸识别研究领域。对这一领域的研究除了具有重大理论价值外，也极具实用价值。
人工智能研究的目标就是让机器具有像人类一样的思考能力以及识别事物、处理事物的能力，并从解剖学、心理学、行为感知学等各个角度来探求人类的思维机制以及感知事物、处理事物的机制，并努力将这些机制用于实践，如各种智能机器人的研制。人脸图像的机器识别研究就是在这种背景下兴起的，因为人们发现许多对于人类而言可以轻易做到的事情让机器来实现却很难，如人脸图像的识别、语音识别、自然语言理解等。如果能够开发出像人类一样的机器识别机制，就能够逐步地了解人类是如何存储信息并进行处理的，从而最终了解人类的思维机制。
人脸识别是模式识别和计算机视觉的交叉领域。人脸识别将计算机视觉和模式识别结合在一起，广泛地应用在机器人学等学科中。作为人类几个重要的外在鉴别特征之一，如同人的指纹一样，人脸也具有唯一性，也可用来鉴别一个人的身份。人脸识别对自动鉴别和人类自动分辨有重要的意义，在生物特征鉴别方面有其独特的优势。人脸识别研究也具有很大的实用价值。
作为人类特征识别的一种，人脸识别和其他人类特征识别相比，具有自然性和不被被测个体察觉的特点，这也是其优点。自然性指该识别方式同人类（甚至其他生物）进行个体识别时所利用的生物特征相同。在样本获取方面，与指纹识别和虹膜识别相比，人脸识别有其独到的优势。指纹和虹膜的获取都要求待识别对象与成像设备的空间距离较近，而人脸识别样本的获取突破了这一限制，在一般可视情况下，人脸图像均能够正常被捕捉用来识别，这决定了人脸识别比指纹、虹膜识别有更广的应用范围，诸如远程安全、检疫、图像传送等。自20世纪90年代起，Internet的蓬勃发展对于网络安全和鉴别的需求也导致了人脸识别具有更广泛的应用领域。但是人脸识别也存在识别困难。指纹识别和虹膜识别的取样样本都具有唯一性，对于任意两个样本，指纹或虹膜样本不会是完全相同的；另外指纹和虹膜的成像不会因为在不同时刻有差别而得到不同结果，这就决定了待识别图像和样本本身一样具有唯一性。而人脸图像受成像角度、光照条件等外界因素的影响比较大，即使相同的人脸图像成像后也可能有较大的差别；另外不同的人脸在一定角度下，有时也有较大相似度，这两个因素导致了人脸识别复杂性比较高、识别难度比较大，带来了人脸识别的困难。
现在已有实用的计算机自动指纹识别系统面世，并在安检等部门得到应用，但还没有通用成熟的人脸自动识别系统出现。人脸图像取样方便，可以不接触目标就进行取样、识别，人脸图像的自动识别系统较之指纹识别系统、DNA鉴定等更具便利性，因此人脸识别研究的实际意义更大。并且与指纹图像不同的是，人脸图像受很多因素的干扰：人脸表情的多样性以及外在的成像过程中的光照、图像尺寸、旋转、姿势变化等。即使同一个人，在不同的环境下拍摄所得到的人脸图像也不相同，甚至有时有很大的差别，这给识别带来很大难度。人脸图像识别的干扰条件很多，因此实现人脸图像的识别也就更具挑战性。
人脸识别研究最早开始于20世纪50年代，当时的研究主要基于人脸的外部轮廓方法。由于人脸轮廓的提取比较困难，在随后的十多年人脸识别的研究相对停滞；直到20世纪80年代后期人脸识别方法有了新的突破，引入了神经生理学、脑神经学、视觉知识等，人脸识别的研究才重新活跃起来。国外对于人脸识别的研究较早，现已有实用系统面世，但这些实用系统通常对于成像条件要求较苛刻，其应用范围较窄。国内也有许多科研机构从事这方面的研究，并已取得许多成果，现在已有产品上市。
本文仅用于学习和交流目的，不代表异步社区观点。非商业转载请注明作译者、出处，并保留本文的原始链接。
