一年一度的春運很快就要來了，為了減少擁擠，北京各大火車站新設立了可以“刷臉”的機器。手持車票和二代身份證的旅客只要拿掉口罩、墨鏡等遮擋面部的物品，往這機器前面一站，5秒鐘即可順利放行。

比起傳統(tǒng)的靠工作人員識別放行，這些機器最大的優(yōu)勢在于節(jié)省人力，而且方便快捷。當然，這也對計算機“看臉識人”的本事提出了很高的要求，如何確認眼前這個人就是身份證上的那位呢？這涉及到模式識別、圖像處理、計算機視覺、統(tǒng)計學習、神經網(wǎng)絡、小波分析、子空間理論和流形學習等眾多學科，還有一系列以“特征臉方法”為代表的識別算法。

這類算法的思路主要是利用一種叫“主成分分析”的數(shù)學方法，對二維的人臉圖片進行降維和提取特征，將其轉化為一組向量集，進而轉化為數(shù)學運算來處理。它首先需要準備一些基本的人臉模型（稱為“訓練集”），將其向量化后獲得基本的特征向量。這些特征向量在返回成圖像時看上去仍像人臉，擁有人臉的基本特征，所以它們也被稱為“特征臉”。

在具體的識別過程中，算法會把需要識別的人臉圖像向量化、數(shù)字化，然后從參考用的訓練集數(shù)據(jù)中找出與當前要識別的人臉數(shù)據(jù)對應的幾個特征值，構成一組特征向量基，以達到表征原數(shù)據(jù)的目的。

任何一幅人臉圖象在減去平均人臉后都可投影到子空間，得到一組權值向量，而后計算機就可以直接對比這組向量，確認兩邊圖像中是否是同一個人了。該方法實際上是計算了此向量和訓練集中每個人的權值向量之間的歐式距離，取最小距離所對應的人臉圖像的身份作為測試人臉圖像的身份。打個比方，這就像是警察局里指認嫌疑人時所用的“拼臉”方法，它以一個基礎臉型為底，將合適的眼睛、眉毛等五官放上去，最終組成一個與嫌疑人最像的人臉圖。“刷臉機器”所做的事情也大致如此，只是它的“眼睛”、“眉毛”等五官更加抽象，對比的過程也是通過純數(shù)字化的形式進行。

可以想象，在不遠的未來，人臉識別技術會更加融入到我們的生活中，讓生活更加便捷。