人臉識別技術相關問題分為四大塊:人臉檢測，特征點提取，人臉校驗，人臉檢索。

　　其中第一個問題旨在檢查圖片是否是人臉、檢測一張圖像中是否包含人臉，而這個問題早在2005年就已經有了解決方案。

　　即將一張彩製圖片(通常是jpg格式)轉化為黑白格式，然後對臨近的像素點中用箭頭標示出黑白區間變化(沒有變化則不標)，從而得到一張簡化的(HOG)圖片製式，可以快速而簡便的檢測人臉。

　　這個步驟opencv中早已存在，基於-Jones算法，可以直接拿來用。

　　第二個問題，特征點提取，這個問題在2015年前後，在Python發布的支持庫得到了普世化的解決方案。而在2015年以前，這個技術不能說沒有，而是發展緩慢。

　　其基本原理為提取人臉特征中的68個特征點(鼻子兩側、眉心、嘴角等類似位置，也有算法是27個，這個數量不是固定的，特征點越多越精確(熵越低)，同樣計算效率也就越低，這是兩個矛盾的對立面)，從而確定需要處理的面部區域。

　　特征點並不是某個點，而是一個像素集合，主要由卷積核和卷積核周邊的像素構成，這個結構就是傳說中的智能領域的神經網絡。它在某種程度上，和正則有著相似之處。

　　在這個過程之後，需要用到這些特征點，通過算法按照比例扭曲和旋轉，從而得到一張幾乎完全對稱的正臉。

　　前兩個問題都屬於圖像的預處理步驟。

　　後兩個問題，人臉校驗和人臉檢索則是兩個相對獨立的問題，前者判斷兩張照片是不是同一個人，後者判斷這是誰。

　　其中又需要廣泛用到隨機森林和深度學習。

　　隨機森林不需要過多解釋，就是在臉上隨機描邊，所有的算法都會是在描邊的區域內進行，從而達到某種目的(深度學習)。

　　深度學習則可以簡單的理解為結果推倒論。

　　通常人類判斷兩個人是否是同一個人，會去仔細對比兩個人的頭髮顏色、眉毛長度、鼻子形狀等，從而而出結論:哦，這是/不是同一個人。

　　而對於計算機來說，則是恰恰相反，而是放兩張照片先告訴它，這是一個人，給他制定一系列的決策標準，而後自己算著玩去吧！

　　計算機視覺最常用的監督訓練學習的方法，就是給三張照片，其中兩張是同一個人，第三張是其他人，要求上述所有步驟最終得到正確的計算結果，從數萬個決策中得到的128個特征(這個數量也不是固定的)。

　　這128個特征，如果用日志記載下來的話，可能會讓人感覺到啼笑皆非:它可能記錄了一個人從左鼻孔到右眼角的距離，也有可能記錄的是眼睛瞳孔的形狀，或者可能只是睫毛的彎曲幅度，或者只是頭皮屑的顏色。

　　這人類無法完全理解的一套規則，谷歌兩機器人互相以人類無法理解的語言對話，就是這個原理。

　　這個就叫做深度學習。

　　簡單來講，計算機視覺更像是鸚鵡說話，鸚鵡會說“你好”，但是它並不能理解“你好”是什麽意思。對於人類來說，鸚鵡說出“你好”就是結果，也不關心它是怎麽說出來的。

　　所以身份證取照需要人做出幾個動作，額外多拍幾張照片，這個過程就是為了讓計算機能夠深度學習，得到屬於這個人的“特征庫”。

　　手機的人臉解鎖，相對於人臉識別的三維檢測，則更為簡單一些，因為手機普遍采用的是紅外拍攝取圖。

　　相對於彩色製式的標準圖，手機對是不是本人的檢測並不是特別嚴格，這個卷積核，也就是神經網絡，它是基於二維結構的。

　　結果論是智能領域常用的解決方案，它有一個學名，叫做監督學習。

　　包括雙足行走和跳躍，搬運貨物，下棋，等等機器行為，都非常依賴於監督深度學習。

　　就先記到這裡，這半年正在做這方面的項目。