生物識別技術中的指紋識別已經廣泛應用于智能手機，除了指紋識別，人臉、虹膜等技術也受到關注。其中，人臉識別技術是基于人的臉部特征，對輸入的人臉圖象或者視頻流 。 首先判斷其是否存在人臉 ，如果存在人臉，則進一步的給出每個臉的位置、大小和各個主要面部器官的位置信息。并依據這些信息，進一步提取每個人臉中所蘊涵的身份特征，并將其與已知的人臉進行對比，從而識別每個人臉的身份。

人臉識別技術原理分析

人臉識別主要分為人臉檢測（face detection）、特征提取（feature extraction）和人臉識別（face recognition）三個過程。

人臉檢測：人臉檢測是指從輸入圖像中檢測并提取人臉圖像，通常采用haar特征和Adaboost算法 訓練級聯(lián)分類器對圖像中的每一塊進行分類。如果某一矩形區(qū)域通過了級聯(lián)分類器，則被判別為人臉圖像。

特征提取：特征提取是指通過一些數字來表征人臉信息，這些數字就是我們要提取的特征。

常見的人臉特征分為兩類，一類是幾何特征，另一類是表征特征。幾何 特征是指眼睛、鼻子和嘴等面部特征之間的幾何關系，如距離、面積和角度等。由于算法利用了一些直觀的特征，計算量小。

不過，由于其所需的特征點不能精確選擇，限制了它的應用范圍。另外，當光照變化、人臉有外物遮擋、面部表情變化時，特征變化較大。所以說，這類算法只適合于人臉圖像的粗略識別，無法在實際中應用。

表征特征利用人臉圖像的灰度信息，通過一些算法提取全局或局部特征。其中比較常用的特征提取算法是LBP算法。LBP方法首先將 圖像分成若干區(qū)域，在每個區(qū)域的像素640x960鄰域中用中心值作閾值化，將結果看成是二進制數。

圖顯示了一個LBP算子。LBP算子的特點是對單調 灰度變化保持不變。每個區(qū)域通過這樣的運算得到一組直方圖，然后將所有的直方圖連起來組成一個大的直方圖并進行直方圖匹配計算進行分類。

人臉識別：這里提到的人臉識別是狹義的人臉識別，即將待識別人臉所提取的特征與數據庫中人臉的特征進行對比，根據相似度判別分類。而人臉識別又可以分為兩個大類：一類是確認，這是人臉圖像與數據庫中已存的該人圖像比對的過程，回答你是不是你的問題;

另一類是辨認，這是人臉圖像與數據庫中已存的所有圖像匹 配的過程，回答你是誰的問題。顯然，人臉辨認要比人臉確認困難，因為辨認需要進行海量數據的匹配。常用的分類器有最近鄰分類器、支持向量機等。

與指紋應用方式類似，人臉識別技術目前比較成熟的也是考勤機。因為在考勤系統(tǒng)中，用戶是主動配合的，可以在特定的環(huán)境下獲取符合要求的人臉。這就為人臉 識別提供了良好的輸入源，往往可以得到滿意的結果。

但是在一些公共場所安裝的視頻監(jiān)控探頭，由于光線、角度問題，得到的人臉圖像很難比對成功。這也是未來 人臉識別技術發(fā)展必須要解決的難題之一。

人臉識別技術特點

人臉與人體的其它生物特征（指紋、虹膜等）一樣與生俱來，它的唯一性和不易被復制的良好特性為身份鑒別提供了必要的前提，與其它類型的生物識別比較人臉識別具有如下特點：

非強制性：用戶不需要專門配合人臉采集設備，幾乎可以在無意識的狀態(tài)下就可獲取人臉圖像，這樣的取樣方式沒有“強制性”;

非接觸性：用戶不需要和設備直接接觸就能獲取人臉圖像;

并發(fā)性：在實際應用場景下可以進行多個人臉的分揀、判斷及識別;

除此之外，還符合視覺特性：“以貌識人” 的特性，以及操作簡單、結果直觀、隱蔽性好等特點。

人臉識別技術應用前景

1）企業(yè)、住宅安全和管理。如人臉識別門禁考勤系統(tǒng)，人臉識別防盜門等。

2）電子護照及身份證。這或許是未來規(guī)模最大的應用，國際民航組織（ICAO）已確定，從2010年起，其118個成員國家和地區(qū)，必須使用機讀護照，人臉識別技術是首推識別模式，該規(guī)定已經成為國際標準。

3）公安、司法和刑偵。如利用人臉識別系統(tǒng)和網絡，在全國范圍內搜捕逃犯。

4）自助服務。如銀行的自動提款機，如果用戶卡片和密碼被盜，就會被他人冒取現(xiàn)金。如果同時應用人臉識別就會避免這種情況的發(fā)生。

5）信息安全。如計算機登錄、電子政務和電子商務。