面部識別技術最早是科幻小說的構想。但在過去的十年里，面部識別技術不僅成為現實，而且廣泛應用。人臉識別不再是新奇的事了。

如今人臉識別技術、人工智能(AI)和深度學習(DL)技術正惠及多個行業場景。這些行業場景包括執法機構、機場、智能手機、智能家居、金融應用領域等。 

如今，甚至連商場都在使用基于人工智能的面部識別技術來防止暴力和犯罪。機場的安全環境越來越好，手機制造商也在使用面部識別技術為手機添加生物識別安全功能。

本文1436字，需要5分鐘。

面部識別的歷史

全世界都認為伍德羅·威爾遜·布萊索(Woodrow Wilson Bledsoe)是面部識別之父。20世紀60年代，布萊索發明了一個系統，可以用平板電腦手工整理人臉照片。使用它在一個釋放電磁脈沖的觸控筆的幫助下在網格上輸入垂直和水平坐標。人們使用這個系統來手動記錄面部特征的坐標區域，比如眼睛、鼻子、嘴巴和發際線等。

手工記錄的指標稍后可以保存在數據庫中。當一個人的新照片被輸入系統時，它能夠通過數據庫得到最相似的圖像。在這一時期，人臉識別還沒有受到AI技術和計算機處理能力的影響。不過，這是布萊索為證明人臉識別是一種實用的生物特征識別而采取的第一步也是最重要的一步。

20世紀70年代提高準確性的21種面部標記

直到20世紀70年代，哈蒙、戈德斯坦和萊斯克才使手動面部識別系統更加精確。這三家公司使用了包括嘴唇厚度和頭發顏色在內的21種面部標記來自動檢測人臉。然而，Bledsoe的系統仍然是用實際的生物特征計算，手工完成的。

特征面部識別

Sirovich和Kirby在1988年開始使用線性代數來解決面部識別問題。他們使用的方法被稱為特征臉(Eigenfaces)方法。渲染一開始是為了尋找低維的面部圖像表達。該團隊能夠證明對數據庫中收集到的圖片進行特征分析可以形成一組基本特征。

他們還能夠用不到100個值來精確編碼一張人臉圖像。

1991年，Pentland和Turk進一步研究了特征臉方法，找到了在圖像中檢測人臉的方法。這是第一次人臉自動識別的嘗試。他們的方法使用了技術和環境因素。

然后在1993年至2000年期間，DARPA(美國國防部高級研究計劃局)和NIST(美國國家標準與技術研究所)發布了FERET計劃，以鼓勵商業面部識別市場。2002年，執法人員將面部識別應用于關鍵技術測試。

2010年初，臉書(Facebook)開始使用一種面部識別功能，幫助檢測臉書用戶更新的照片中有特色面孔的人。雖然這次更新在媒體行業引起了轟動。

機場最大的生物識別裝置

2011年，巴拿馬政府和美國國土安全部合作，批準了人臉識別平臺的試點項目。這個試點項目被稱為FaceFirst，它被用來減少巴拿馬托庫門(Tocumen)機場的非法活動。 

第一次嘗試獲得了成功，在Tocumen實施的技術成為機場最大的生物識別裝置。

應用不斷擴展

2011年，美國執法和軍事專業人員使用人臉識別來識別尸體。通過這項技術，軍方得以確認奧薩馬·本·拉登的身份。

2014年執法部門采用面部識別。

2017年，這項技術成為零售業的新寵。

人臉識別的未來

世界各國政府越來越多地在人臉識別技術上投入資源，特別是在人臉識別市場處于領先地位的美國和中國。

美國政府航空公司決定加強機場保安，采用面部識別系統來識別和登記旅客。美國有幾個州已經允許執法人員在數據庫中進行搜索——這些搜索包括駕照和身份證照片的詳細信息。面部識別和由此產生的搜索技術也可以用于警察檢查。

當其他國家仍處于規劃階段時，我國已經在進行幾個人臉智能項目了，除了公共場所(當然也引起了一些關于隱私的爭議)應用，例如小區門禁;上班刷臉打卡。智能手機里的人臉識別程序也越來越多。

全世界都在使用這項技術，并從中獲益。在印度，銀行正在使用這種面部識別技術來防止ATM機的欺詐行為。也可用于選民復核、護照、簽證、駕照等的核查。

這項技術預計將在未來幾年不斷發展，并將創造巨大的收入。監控和安全是將受到技術強烈影響的主要行業。

為了更好地管理，中小學、大學甚至醫療保健機構也計劃在自己的場所實施面部識別技術。用于面部技術的復雜技術也進入了機器人行業。