人臉識別，是視覺模式識別的一個細分問題，也大概是最難解決的一個問題。 其實我們?nèi)嗣繒r每刻都在進行視覺模式識別，我們通過眼睛獲得視覺信息，這些信息經(jīng)過大腦的處理被識別為有意義的概念。于是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識別，我們每天生活中遇到無數(shù)的人，從中認出那些熟人，和他們打招呼，打交道，忽略其他的陌生人。甚至躲開那些我們欠了錢還暫時還不上的人。然而這項看似簡單的任務，對機器來說卻并不那么容易實現(xiàn)。

對計算機來講，一幅圖像信息，無論是靜態(tài)的圖片，還是動態(tài)視頻中的一幀，都是一個由眾多像素點組成的矩陣。比如一個1080p的數(shù)字圖像，是一個由1980×1080個像素點組成矩陣，每個像素點，如果是8bit的rgb格式，則是3個取值在0-255的數(shù)。機器需要在這些數(shù)據(jù)中，找出某一部分數(shù)據(jù)代表了何種概念：哪一部分數(shù)據(jù)是水杯，哪一部分是書本，哪一部分是人臉，這是視覺模式識別中的粗分類問題。

而人臉識別，需要在所有機器認為是人臉的那部分數(shù)據(jù)中，區(qū)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？這取決于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(shù)量的細分類。如果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(qū)別是非常細微的。由此可見人臉識別問題的難度。

更不要提，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識別技術(shù)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識別了。

一些不太被人熟悉的事物，經(jīng)常會伴隨著大量的概念混淆。比如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(jié)婚。而人臉識別作為一個新事物，也伴隨著大量的概念混淆，而分清這些概念，對于理解人臉識別還是比較重要的。

完成人臉識別的工作，要經(jīng)過幾個步驟。首先計算機需要在圖像或視頻中找到人臉的位置，這部分工作一般叫做人臉檢測。如前所述，這是一種粗分類，具體到人臉檢測中，實際上是二分類，計算機只需要判斷目標圖像是或者不是人臉。但由于并不能事先確定人臉的大小和位置，計算機需要以每個可能的人臉大小對全圖進行掃描，逐個判斷子窗口所截取的圖像是否為人臉。而每次掃描過程，子窗口移動的步長可能是幾個像素。

所以你可以大致想象一下，做一張圖的人臉檢測，計算機需要做多少次二分類判斷。