对人脸识别的研究可以追溯到20世纪六七十年代，经过几十年的曲折发展，如今该技术已经日趋成熟。1991年，著名的“特征脸”方法第一次将主成分分析和统计特征技术引入人脸识别，在实用效果上取得了长足的进步。这一思路也在后续研究中得到进一步发扬光大，例如，Belhumer成功将Fisher判别准则应用于人脸分类，提出了基于线性判别分析的Fisheace方法21世纪的前十年，随着机器学习理论的发展，学者们相继探索出了基于、支持向量机（Support Vector Machine， SVM）、boosng、流形学习以及核方法等进行人脸识别。 2009年至2012年，稀疏表达（Spae Representation）[3]因为其优美的理论和对遮挡因素的鲁棒性成为当时的研究热点。
与此同时，业界也基本达成共识：基于人工精心设计的局部描述子进行特征提取和子空间方法进行特征选择能够取得最好的识别效果。Gabor[4]及LBP[5]特征描述子是迄今为止在人脸识别领域最为成功的两种人工设计局部描述子。这期间，对各种人脸识别影响因子的针对性处理也是那一阶段的研究热点，比如人脸光照归一化、人脸姿态校正、人脸超分辨以及遮挡处理等。也是在这一阶段，研究者的关注点开始从受限场景下的人脸识别转移到非受限环境下的人脸识别。LFW人脸识别公开竞赛在此背景下开始流行，当时最好的识别系统尽管在受限的FRGC集上能取得99%以上的识别精度，但是在LFW上的最高精度仅仅在80%左右，距离实用看起来距离颇远。
国内主流的人脸识别企业；目前在全球范围内，从事人脸识别技术的企业很多，国外知名的有google、facebook、斯坦福、卡耐基等；国内这些年也涌现了很多实力派，如海康威视、科大讯飞、旷视科技，非思丸智能，Face To等。
人脸识别的盈利模式；目前来说人脸识别技术公司主要以企业级技术服务和软硬件销售为盈利模式。国内主要以B2B2C的商业模式与各行业领军企业合作，共同推进人脸识别在各行业的应用和变现。一般这类公司向B端输出技术能力，以分成、按License收费、按技术使用次数收费等模式，绑定B端服务于C端客户的业务增长，从而借助B的行业资源打开市场。
发展趋势 多种技术组合运用；“随着指纹和人脸识别应用的快速推进，声纹、虹膜、静脉等生物识别应用将紧随其后。”专家指出，未来多种生物识别技术将组合运用，守住安全大门。不同的生物识别技术各有优劣，人脸识别技术门槛较低，指纹则具有唯一性和终身性。多种生物识别方式组合运用将是未来产业的发展方向。
依托于物联网与人工智能的快速推进，人脸识别应用场景会越来越广泛。随着国家科研机构的研发投入、企业对技术的钻研、市场的推广等，这些都将是人脸识别美好前景的征兆。据业内分析人士认为，未来人脸识别或成为有效身份识别主流，届时，人脸识别将是常用语。
微信客服
