本文深入探讨了基于TensorFlow的人脸识别技术，包括人脸识别简介、技术流程、分类以及具体应用。通过人脸图像采集、预处理、特征提取和匹配识别四个步骤，阐述了人脸识别系统的运作机制。此外，文章还介绍了人脸检测、关键点检测、验证和属性检测等细分领域，并展示了在性别和年龄识别中的应用实例。最后，通过实际操作演示了如何使用TensorFlow进行人脸检测和性别年龄识别的训练与验证。
第10章 人脸识别
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。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测 到的人脸进行一系列与脸部相关的技术处理，包括人脸检测、人脸关键点检测、人脸验证等。
在《麻省理工科技评论》（MIT Technology Review）发布的2017年全球十大突破性技术榜单中，支付宝的“刷脸支付”（Paying with Your Face）成功入围，并且其评论称，该技术提供了一种安全并且十分方便的支付方式，并且已经处于成熟期。
10.1 人脸识别简介
现在很多App都应用了人脸识别技术，让用户体验“刷脸认证”“眨眼支付”等。人脸识别具有很多天然的优势。
- 非强制性：采集方式不容易被察觉，被识别的人脸图像可以主动获取。
- 非接触性：用户不需要与设备接触。
- 并发性：能够同时进行多个人脸的检测、跟踪和识别。
在深度学习出现以前，人脸识别方法一般分为两个步骤：高维人工特征提取和降维。传统的人脸识别技术主要是基于可见光图像的人脸识别。但这种方式有很多缺陷，例如，同一个人在姿势
订阅专栏 解锁全文
扫一扫
514
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
