最近几年，“追星”已经成为常事，各种姐姐粉、妈妈粉、阿姨粉涵盖了全年龄层的人群。但是，小鲜肉太多让人分不清，怎么办？照片人太多找不到爱豆怎么办？其实明星撞脸，不一定是整容的原因，在我们刚开始追星的时候，一定会遇到一个问题：脸盲症！

在医学上，“脸盲症”是一种病。“脸盲症”（Prosopagnosia）正式的说法叫做“面部识别能力缺乏症”，是指不能直接归因于智力功能退化的面孔识别障碍。

对于脸盲症患者，在人群中找人就像这样——赫卡忒、该亚、尤拉诺斯、克洛诺斯、瑞亚、欧申纳斯、泰西丝、海泼里恩、西亚、尼莫西妮、爱泼特斯、克瑞斯、忒弥斯……真是太难了！！！

但是，现在！人工智能技术可以帮助你解决脸盲。 

如下图所示，利用计算机视觉和人工智能技术的加成，计算机已经能够成功识别你的idol，即使她在笑，在哭，在做鬼脸，演技再好，都逃不过人脸识别的高超技术。

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。尽管人脸识别曾经只是出现在科幻电影里的“黑科技”，但如今，它早已进入到现实生活的各行各业，在实际场景中被广泛运用。在ATM机上通过人脸识别进行取款、国家司法考试用人脸识别技术验证考生身份、在地铁等人流密集地将人脸识别应用于反恐活动、利用人脸识别在边检处推行自助通关……可以说，它涉及到社会运作的多个领域，为识别个人身份提供了高效的技术支持，极大地提升工作效率。

常规情况下人脸识别特指人脸识别技术或系统，而作为技术人员的我们，其实可以把人脸识别简化为人脸检测和人脸识别。

人脸检测需要图像中所有的人脸对应的位置，算法的输出是人脸外接矩形在图像中的坐标，可能还包括姿态如倾斜角度等信息来。否则就会如下图中的人脸检测结果，最左边漏掉一位。 

人脸检测是一件非常难的事情，人脸可能出现在图像中的任何一个位置、有不同的大小和视角，或者脸部存在遮挡的情况，除非画面中每个人纹丝不动，正对镜头，所以也在在一定程度上增加了人脸检测的难度。 

虽然难度不低，但是人类的探索精神无限。人脸检测发展到现在也是成熟的应用了，现有的检测模型都是深度学习模型，比较经典的模型是MTCNN。人脸检测还可以识别到人脸的关键部件，比如眉毛、嘴巴和眼睛等位置，可以进一步帮助机器去理解、分析人脸，精准度不断提升。

人脸识别算法主要用于回答“这是否为某人”，在给定人脸图片的情况下需要作出判断。人脸图像在现实世界中的呈现具有高度的可变性，所以人脸识别是最有挑战性的任务。

高能预警，下面各种专业术语，来袭！

现有成熟的人脸识别模型都使用深度学习技术，需要训练一个神经网络，将输入的脸部图像生成为128维的预测值。

训练的大致过程为：将同一人的两张不同照片和另一人的照片一起喂入神经网络，不断迭代训练，使同一人的两张照片编码后的预测值接近，不同人的照片预测值拉远。也就是减小类内距离，增大类间距离。

小编神总结——

综上所示，人脸从检测到识别需要三步：

1、人脸的检测和定位：检测图中有没有人脸，或获取人脸或人脸上器官的位置。

2、特征提取：提取特征点，构造特征矢量；可以直接使用深度学习当做特征提取过程。

3、具体识别：将带识别的图像或特征与人脸数据库里的特征进行匹配，得到最终的预测结果。