人臉識(shí)別系統(tǒng)的研究始于20世紀(jì)60年代，80年代后隨著計(jì)算機(jī)技術(shù)和光學(xué)成像技術(shù)的發(fā)展得到提高，而真正進(jìn)入初級(jí)的應(yīng)用階段則在90年后期，并且以美國、德國和日本的技術(shù)實(shí)現(xiàn)為主；人臉識(shí)別系統(tǒng)成功的關(guān)鍵在于是否擁有的核心算法，并使識(shí)別結(jié)果具有實(shí)用化的識(shí)別率和識(shí)別速度；“人臉識(shí)別系統(tǒng)”集成了人工智能、機(jī)器識(shí)別、機(jī)器學(xué)習(xí)、模型理論、系統(tǒng)、視頻圖像處理等多種技術(shù)，同時(shí)需結(jié)合中間值處理的理論與實(shí)現(xiàn)，是生物特征識(shí)別的新應(yīng)用，其核心技術(shù)的實(shí)現(xiàn)，展現(xiàn)了弱人工智能向強(qiáng)人工智能的轉(zhuǎn)化。

傳統(tǒng)的人臉識(shí)別技術(shù)主要是基于可見光圖像的人臉識(shí)別，這也是人們熟悉的識(shí)別方式，已有30多年的研發(fā)歷史。但這種方式有著難以克服的缺陷，尤其在環(huán)境光照發(fā)生變化時(shí)，識(shí)別效果會(huì)急劇下降，無法滿足實(shí)際系統(tǒng)的需要。解決光照問題的方案有三維圖像人臉識(shí)別，和熱成像人臉識(shí)別。但這兩種技術(shù)還遠(yuǎn)不成熟，識(shí)別效果不盡人意。
迅速發(fā)展起來的一種解決方案是基于主動(dòng)近紅外圖像的多光源人臉識(shí)別技術(shù)。它可以克服光線變化的影響，已經(jīng)取得了的識(shí)別性能，在精度、穩(wěn)定性和速度方面的整體系統(tǒng)性能超過三維圖像人臉識(shí)別。這項(xiàng)技術(shù)在近兩三年發(fā)展迅速，使人臉識(shí)別技術(shù)逐漸走向?qū)嵱没?br/>
人臉與人體的其它生物特征（指紋、虹膜等）一樣與生俱來，它的性和不易被復(fù)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(shí)別比較人臉識(shí)別具有如下特點(diǎn)：
非強(qiáng)制性：用戶不需要配合人臉采集設(shè)備，幾乎可以在無意識(shí)的狀態(tài)下就可獲取人臉圖像，這樣的取樣方式?jīng)]有“強(qiáng)制性”；
非接觸性：用戶不需要和設(shè)備直接接觸就能獲取人臉圖像；
并發(fā)性：在實(shí)際應(yīng)用場(chǎng)景下可以進(jìn)行多個(gè)人臉的分揀、判斷及識(shí)別；
除此之外，還符合視覺特性：“以貌識(shí)人”的特性，以及操作簡單、結(jié)果直觀、隱蔽性好等特點(diǎn)。

人臉識(shí)別系統(tǒng)主要包括四個(gè)組成部分，分別為：人臉圖像采集及檢測(cè)、人臉圖像預(yù)處理、人臉圖像特征提取以及匹配與識(shí)別。
人臉圖像采集及檢測(cè)
人臉圖像采集：不同的人臉圖像都能通過攝像鏡頭采集下來，比如靜態(tài)圖像、動(dòng)態(tài)圖像、不同的位置、不同表情等方面都可以得到很好的采集。當(dāng)用戶在采集設(shè)備的拍攝范圍內(nèi)時(shí)，采集設(shè)備會(huì)自動(dòng)搜索并拍攝用戶的人臉圖像。

人臉圖像特征提取
人臉圖像特征提?。喝四樧R(shí)別系統(tǒng)可使用的特征通常分為視覺特征、像素統(tǒng)計(jì)特征、人臉圖像變換系數(shù)特征、人臉圖像代數(shù)特征等。人臉特征提取就是針對(duì)人臉的某些特征進(jìn)行的。人臉特征提取，也稱人臉表征，它是對(duì)人臉進(jìn)行特征建模的過程。人臉特征提取的方法歸納起來分為兩大類：一種是基于知識(shí)的表征方法；另外一種是基于代數(shù)特征或統(tǒng)計(jì)學(xué)習(xí)的表征方法。
基于知識(shí)的表征方法主要是根據(jù)人臉的形狀描述以及他們之間的距離特性來獲得有助于人臉分類的特征數(shù)據(jù)，其特征分量通常包括特征點(diǎn)間的歐氏距離、曲率和角度等。人臉由眼睛、鼻子、嘴、下巴等局部構(gòu)成，對(duì)這些局部和它們之間結(jié)構(gòu)關(guān)系的幾何描述，可作為識(shí)別人臉的重要特征，這些特征被稱為幾何特征。基于知識(shí)的人臉表征主要包括基于幾何特征的方法和模板匹配法。

人臉圖像匹配與識(shí)別
人臉圖像匹配與識(shí)別：提取的人臉圖像的特征數(shù)據(jù)與數(shù)據(jù)庫中存儲(chǔ)的特征模板進(jìn)行搜索匹配，通過設(shè)定一個(gè)閾值，當(dāng)相似度超過這一閾值，則把匹配得到的結(jié)果輸出。人臉識(shí)別就是將待識(shí)別的人臉特征與已得到的人臉特征模板進(jìn)行比較，根據(jù)相似程度對(duì)人臉的身份信息進(jìn)行判斷。這一過程又分為兩類：一類是確認(rèn)，是一對(duì)一進(jìn)行圖像比較的過程，另一類是辨認(rèn)，是一對(duì)多進(jìn)行圖像匹配對(duì)比的過程。

人臉識(shí)別被認(rèn)為是生物特征識(shí)別領(lǐng)域甚至人工智能領(lǐng)域困難的研究課題之一。人臉識(shí)別的困難主要是人臉作為生物特征的特點(diǎn)所帶來的。
相似性
不同個(gè)體之間的區(qū)別不大，所有的人臉的結(jié)構(gòu)都相似，甚至人臉的結(jié)構(gòu)外形都很相似。這樣的特點(diǎn)對(duì)于利用人臉進(jìn)行定位是有利的，但是對(duì)于利用人臉區(qū)分人類個(gè)體是不利的。
易變性
人臉的外形很不穩(wěn)定，人可以通過臉部的變化產(chǎn)生很多表情，而在不同觀察角度，人臉的視覺圖像也相差很大，另外，人臉識(shí)別還受光照條件（例如白天和夜晚，室內(nèi)和室外等）、人臉的很多遮蓋物（例如口罩、墨鏡、頭發(fā)、胡須等）、年齡等多方面因素的影響。
在人臉識(shí)別中，類的變化是應(yīng)該放大而作為區(qū)分個(gè)體的標(biāo)準(zhǔn)的，而第二類的變化應(yīng)該消除，因?yàn)樗鼈兛梢源硗粋€(gè)個(gè)體。通常稱類變化為類間變化（inter-class difference），而稱第二類變化為類內(nèi)變化（intra-class difference）。對(duì)于人臉，類內(nèi)變化往往大于類間變化，從而使在受類內(nèi)變化干擾的情況下利用類間變化區(qū)分個(gè)體變得異常困難。
人臉識(shí)別產(chǎn)品已廣泛應(yīng)用于金融、司法、、邊檢、航天、電力、工廠、教育、醫(yī)療及眾多企事業(yè)單位等領(lǐng)域。隨著技術(shù)的進(jìn)一步成熟和社會(huì)認(rèn)同度的提高，人臉識(shí)別技術(shù)將應(yīng)用在更多的領(lǐng)域。
1、企業(yè)、住宅安全和管理。如人臉識(shí)別門禁考勤系統(tǒng)，人臉識(shí)別防盜門等。
2、電子及。中國的電子計(jì)劃一所正在加緊規(guī)劃和實(shí)施。
3、、司法和刑偵。如利用人臉識(shí)別系統(tǒng)和網(wǎng)絡(luò)，在全國范圍內(nèi)搜捕逃犯。
4、自助服務(wù)。
5、信息安全。如計(jì)算機(jī)登錄、電子政務(wù)和電子商務(wù)。在電子商務(wù)中交易全部在網(wǎng)上完成，電子政務(wù)中的很多審批流程也都搬到了網(wǎng)上。而當(dāng)前，交易或者審批的授權(quán)都是靠密碼來實(shí)現(xiàn)，如果密碼被盜，就無法安全。但是使用生物特征，就可以做到當(dāng)事人在網(wǎng)上的數(shù)字身份和真實(shí)身份統(tǒng)一，從而大大增加電子商務(wù)和電子政務(wù)系統(tǒng)的可靠性。
人臉識(shí)別考勤系統(tǒng)軟件
人臉識(shí)別考勤系統(tǒng)，就是依托人臉識(shí)別技術(shù)的考勤管理系統(tǒng)，人臉考勤系統(tǒng)采集員工的姓名，ID號(hào)，員工面部圖片，員工在考勤后記 錄會(huì)傳遞到考勤管理系統(tǒng)中，再由系統(tǒng)來運(yùn)算缺勤，加班等信息。