(完整版)2019年我国人脸识别技术发展情况及发展趋势综合分析.doc

2019 年我国人脸识别技术发展情况

及发展趋势综合分析

2019 年 2 月 14 日

一、全球生物识别细行业市场占比情况分析

生物识别指的是通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段相结合，利用人体固有的生理特性来进行个人身份鉴定技术。按不同的识别方式，生物识别可分为指纹识别、虹膜识别、语音识别、静脉识别和人脸识别。

伴随着生物识别产品逐渐从单一的PC处理转变为分布式计算。用独立的前端独立设备来完成生物特征的采集、预处理、特征提取和比对，通过中心PC或服务器完成与业务相关的处理。随着生物特征

识别技术的不断发展和提高，生物特征识别技术的应用场景不断拓展，预计 2015-2020 年全球生物识别细分行业复合增长率分别为：人脸识别复合增长率为167%；语音识别为 100%；虹膜识别为 100%；指纹识别复合增长率为73%。

全球生物识别细行业市场占比情况

二、中国人脸识别技术发展情况分析

1、中国人脸识别行业发展历程

人脸识别技术在中国的发展起步于上世纪九十年代末，经历了技术引进 - 专业市场导入 - 技术完善 - 技术应用 - 各行业领域使用等五个阶段。其中， 2014 年是深度学习应用于人脸识别的关键一年，该年FaceBook发表一篇名为“ DeepFace系统：达到肉眼级别的人脸识别系统”（翻译名），之后Face++创始人印奇团队以及香港中文大学汤晓鸥团队均在深度学习结合人脸识别领域取得优异效果，两者在LFW数据集上识别准确度均超过了99%，而肉眼在该数据集上的识别准确度仅为 97.52%，可以说深度学习技术让计算机人脸识别能力超

越人类的识别程度。

2、3D 人脸识别与 2D人脸识别数据对比

目前，国内的人脸识别技术已经相对发展成熟，该技术越来越多的被推广到安防领域，延伸出考勤机、门禁机等多种产品，产品系列

达20 多种类型，可以全面覆盖煤矿、楼宇、银行、军队、社会福利保障、电子商务及安全防务等领域，人脸识别的全面应用时代已经到来。

中游人脸识别技术的进步，是推动下游场景应用拓展的关键所在。目前，人脸识别市场的解决方案主要包括 2D 识别、 3D识别技术。市场上主流的识别方案是采用摄像头的 2D方案，但由于人的脸部并非平坦，因此 2D识别在将 3D 人脸信息平面化投影的过程中存在特征信息损失。 3D识别使用三维人脸立体建模方法，可最大程度保留有效

信息，因此 3D人脸识别技术的算法比2D算法更合理并拥有更高精度。

3D人脸识别与 2D人脸识别数据对比

人脸识别对场境要求非常强，产品能否达到实际使用要求，核心并不只在于算法本身，还在于对场景的深耕。算法水平对于识别率的有力证明，也仅仅是停留在训练集与测试集之间，存在于实验室的“理论数值”。而现实生活中人脸的获取过程有大量不可控因素，光的方向、强度，是否有胡须、发型的变化，是否有表情都会影响识别效果。多种因素叠加后，真实环境下测得的准确率可能只有 75%左右，甚至更低。因此，需要针对场景的不同特点收集大量场景数据，不断调试参数、组合算法、方法，甚至使用外围硬件辅助以提升效果，不断迭代以实现产品化。除此之外，还要在工程上满足计算量、延迟、可维护性等需求。

3、我国人脸识别技术应用现状分析

如果说 2014 年是我国人脸识别技术的转折点，使人脸识别技术

从理论走向了应用，那么 2018 年就是人脸识别技术全面应用的重要

节点，“刷脸”时代正式到来。

从目前我国人脸识别技术的应用来看，主要集中在三大领域：金融、安防以及考勤 / 门禁。

我国人脸识别技术应用占比统计情况

4、中国人脸识别技术专利申请数量及国人脸识别专利公开数量

情况分析

随着人脸识别技术的不断成熟，人脸识别技术逐渐被人们所熟知，同时，计算机、光学成像等相关技术的高速发展，人脸识别在各领域的应用不断拓展，人脸识别行业市场持续增长。数据显示， 2017 年中国人脸识别行业市场规模达到 21.91 亿元，随着人脸识别技术在各行业应用渗透的不断深入，预计 2018 年中国人脸识别市场规模将达

到27.61 亿元。

2015 年以来，国家持续出台利好政策，为人脸识别技术在安防、医疗、金融等领域的应用打下了将坚实的基础。在政策支持力度明显加大的背景下，人脸识别技术热度不断提升，资本纷纷入局，一批明

星企业快速崛起及人脸识别领域的大量投入，技术专利数量不断攀升。2014-2017 年，中国人脸识别技术专利申请数量不断增长，年均增长36%。

2012-2017 年中国人脸识别技术专利申请数量走势

公开专利数量来看， 2012-2017 年，我国人脸识别专利公开数量快速增长。 2017 年，我国人脸识别专利公开数量为 2698 项，达到近

年来最大值。截至2018 年 7 月，专利公开数量为2163 项。伴随着技术实力的显著增强为国内市场打开，商业化产品的迅速普及打下了坚实的基础，预计中国人脸识别相关专利公开数量将持续稳定增长。

2012-2018 年中国人脸识别专利公开数量走势

5、中国人脸识别市场规模情况分析

到27.6 亿元。

2012-2018 年中国人市模走

三、 2019 年中国人技展分析

2018 年，人技在更多的域解了更多用，广省、江省、浙江省、河北省、青市等地在 2018 年的高考期均启用了人系 ; 北京大学将人技用到了校园入园人身份域 ; 北京市人社局也划在市公租房将全部安装人系，以防公租房租 ; 滴滴在 6 月正式上人系??

从目前我国在人技域先企的用布局来看，安防和金融是相布局多的域，在物流、零售、智能手机、汽、教育、地、文广告等域也均开始涉足。

从市场应用的角度来看，2019 年将呈现如下发展趋势：

1、大数据与人脸识别的融合将进一步加深

随着人脸识别技术在公共安全、政府职能领域的纵向推进，尤其是在公安系统，利用人脸识别技术将海量照片数据利用起来，可以在很大程度上提升整个公安信息化的管理水平，目前深圳市公安系统已经在积极实践，预计 2019 年将会有更多的地区以及更多的领域将会积极探索大数据与人脸识别融合技术的应用。

2、3D 人脸识别技术产品将逐步取代2D 人脸识别技术产品

基于 3D的人脸识别算法能够弥补 2D投影造成有效识别信息丢失的问题，对于人脸旋转、遮挡、极度相似的传统难点具有很好的解决

方式。 2018 年 2 月 7 日，人脸识别技术领先企业云从科技正式发布

“3D结构光人脸识别技术”，标志着我国在 3D 人脸识别技术产品领

域取得了重大进展。

3、安防仍是未来人脸识别技术应用的重要增长极

近年来，安防行业的迅速发展，为人脸识别应用提供了可以发挥的舞台 ; 另一方面，随着人脸识别技术的进一步发展，为安防行业开

拓了新的市场。智能视频分析将是大安防市场未来的方向之一，而人脸识别是其中非常重要的技术和应用。智能视频监控人脸识别系统是

视频监控系统与人脸识别技术的有效结合，能大大提高安全防范能力，尤其是对犯罪分子起到强有力的震慑作用。

4、人脸识别技术在智能家居领域具有无限可能

随着现代科学技术的发展以及人民生活水平的提高，智能设备的普及率已经越来越高，住宅家居智能化将是一个重要的发展趋势。而人脸识别技术由于其便利性、安全性，可在智能家居中用作门禁系统

以及鉴权系统，因此智能家居与人脸识别技术的融合是未来发展的重

点方向。

2019年媒体发展趋势：数字化进程加速

2010年媒体发展趋势：数字化进程加速 2010年中国最新媒介与消费趋势前瞻 2010年，中国处于后危机时代，与其他国家相比，中国可能是经济回暖最快的国家之一，但是经过这一轮全球金融风暴之后，整个国际经济环境正在发生变化，首先，中国出口的黄金岁月很可能成为历史，必然导致中国低附加值、劳动密集型企业面临危机和转型；其次，国内市场的竞争格局正在发生变化，危机之下，原来占据高端市场的国际品牌，现在也开始向中低端进军。同时，从全球的媒体发展来看，印刷媒体的黄金时代已经结束，以互联网、户外新媒体和数字电视等为代表的新媒体将迎来发展的最佳机遇。在这样背景下，2010年会出现哪些新的消费趋势和媒介趋势呢？近期，作为持续关注中国消费变迁与媒介发展的权威市场研究机构—新生代市场监测机构发布了《2009-2010年中国媒介与消费趋势报告》，新生代市场监测机构副总经理肖明超在报告中指出：中国目前处于一个“速活”和“逐流”的社会，与时间赛跑和追逐自己认为更有品质的生活和时尚是中国消费者的典型形象，而在中国加强经济结构调整、转变经济发展方式，拉动内需政策的驱动下，中国消费者的消费行为将出现新的“裂变”，2010年会呈现出全民参与、新健康主义、平民化的奢华、自然主义、速度消费等新消费浪潮；而作为影响消费者的媒介，也将由于受众媒介接触形态的变迁，而在2010年呈现出数字化加剧、小众化与细分化、社会化媒体迅速发展等五大趋势。肖明超先生还在详实的报告中告诉中国的广大企业、广告公司和媒体机构，2010年对于中国的企业和媒体都是非常值得重视的一年，抓住这些消费趋势背后的含义，并将其应用到企业的营销实践、传播策略和媒体的运营过程中，积极创新，才能在“平稳中回升”的2010年赢得更大的发展机遇。 2010年消费发展趋势：结构中的新潮趋势一：全民参与：消费者的嘴巴颠覆传统营销结构今天，消费者已进入“全民参与”的时代，他们随时都要发表自己的不满，甚至不论消费不消费都要对品牌评头论足，指手划脚—他们还希望及时与企业对话。有很多研究认为在市场中，“权威”的意见是有用的，但在今天的中国，“权威”在很多领域变得不再管用，一个人一张口的影响力非常大，“我的想法是……”这种表达方式甚至已变成行为的习惯。新生代市场监测机构数据显示，有很多人在过去一年“与很多人谈论

人脸识别技术的应用背景及研究现状

1．人脸识别技术的应用随着社会的不断进步以及各方面对于快速有效的自动身份验证的迫切要求，生物特征识别技术在近几十年中得到了飞速的发展。作为人的一种内在属性，并且具有很强的自身稳定性及个体差异性，生物特征成为了自动身份验证的最理想依据。当前的生物特征识别技术主要包括有：指纹识别，视网膜识别，虹膜识别，步态识别，静脉识别，人脸识别等。与其他识别方法相比，人脸识别由于具有直接，友好，方便的特点，使用者无任何心理障碍，易于为用户所接受，从而得到了广泛的研究与应用。除此之外，我们还能够对人脸识别的结果作进一步的分析，得到有关人的性别，表情，年龄等诸多额外的丰富信息，扩展了人脸识别的应用前景。当前的人脸识别技术主要被应用到了以下几个方面：（1）刑侦破案公安部门在档案系统里存储有嫌疑犯的照片，当作案现场或通过其他途径获得某一嫌疑犯的照片或其面部特征的描述之后，可以从数据库中迅速查找确认，大大提高了刑侦破案的准确性和效率。（2）证件验证在许多场合（如海口，机场，机密部门等）证件验证是检验某人身份的一种常用手段，而身份证，驾驶证等很多其他证件上都有照片，使用人脸识别技术，就可以由机器完成验证识别工作，从而实现自动化智能管理。（3）视频监控在许多银行，公司，公共场所等处都设有24小时的视频监控。当有异常情况或有陌生人闯入时，需要实时跟踪，监控，识别和报警等。这需要对采集到的图像进行具体分析，且要用到人脸的检测，跟踪和识别技术。（4）入口控制入口控制的范围很广，既包括了在楼宇，住宅等入口处的安全检查，也包括了在进入计算机系统或情报系统前的身份验证。（5）表情分析根据人脸图像中的面部变化特征，识别和分析人的情感状态，如高兴，生气等。此外，人脸识别技术还在医学，档案管理，人脸动画，人脸建模，视频会议等方面也有着巨大的应用前景。 2．人脸识别技术在国外的研究现状当前很多国家展开了有关人脸识别的研究，主要有美国，欧洲国家，日本等，著名的研究机构有美国MIT的Media lab,AI lab,CMU的Human-Computer I nterface Institute，Microsoft Research,英国的Department of Engineerin g in University of Cambridge等。综合有关文献，目前的方法主要集中在以下几个方面：（1）模板匹配主要有两种方法，固定模板和变形模板。固定模板的方法是首先设计一个或几个参考模板，然后计算测试样本与参考模板之间的某种度量，以是否大于阈值来判断测试样本是否人脸。这种方法比较简单，在早期的系统中采用得比较

人脸识别系统需求方案

前后门人脸识别系统需求方案为进一步加强厂区人员管控，杜绝无关人员及违禁物品进入厂区，把好人员、物品入场安全第一关，辅助和提升管理人员工作效率，提高公司安全生产管理技术水平，现申请安装前后门人脸识别系统，需求如下: 一、公司人员出入管理存在问题目前，公司合作单位人员通过办理出入证卡，由前门内勤员进行核对放行的方式进入厂区。但出入证件卡在实际使用过程中存在以下问题：1.卡面磨损程度严重，无法确认人员真实信息，一般情况下多为依靠内勤人员的印象辨别外来人员，如此一来需要耗费大量人力，无法保证厂区人员识别的准确性；2.人员离职后没有及时办理退卡，仍使用出入证逗留厂区；3.一卡多用、借给他人使用；4.合作单位常以未能及时取到证件卡为由，临时通行等。二、系统实现功能 1.采用快速人脸检测技术，实行一人一脸录入，支持现场设备或者移动客户端录入。 2.系统验证方式需支持人脸识别及身份证均可认证。 3.可在系统管理设置限定时间内（如3-5天，具体时间由我司管理人员自定义），如人员未进行验证，系统会自动发出相关人员名单信息警报提示或停止其使用。 4.前后门验证设备数据要求放置前门值班室处进行统一管

理，同时实现网络远程管理。5.前后门人行道设置双通道区分进出道，进道只允许进入通行不允许出，出道只允许出通行，不允许进入；人员进厂需进行人脸认证，出口红外线感应开启（明确的通行指示功能）。 6.当断电时，闸门能自动打开，确保人员安全通行。 7.前后门各加装2个摄像头，1台监控主机设备，监控闸门位置，防止人员违规通行或设备破坏，有效调查录像取证。 8.单独配置管理电脑套装（主机加显示器等）。 9.在系统出现故障，或者非法闯入时，系统产生声光报警提示功能。 10.系统管理需考虑预留出口道闸后续可以实现增加人脸识别功能融合使用。三、系统硬件要求

关于人脸识别技术的发展研究

人脸识别技术优势 863计划、国家科技支撑计划、自然科学基金都拨出专款资助人脸识别的相关研究。国家“十一五”科技发展规划中也将人脸识别技术的研究与发展列入其中[4]，明确指出：“要在生物特征识别技术领域缩小与世界先进水平的差距，开展生物特征识别应用技术研究，人脸识别具有高安全性、低误报率的出入口控制新产品。”在这种环境下，国内一些科研院所和院校在人脸识别技术方面取得了很大进展。如中科院自动化所，清华大学，中科院计算所自主开发的人脸识别技术已经达到了国际先进的水平。人脸识别作为一种新兴的生物特征识别技术(Biometrics)，与虹膜识别、指纹扫描、掌形扫描等技术相比，人脸识别技术在应用方面具有独到的优势： 1.人脸识别使用方便，用户接受度高。人脸识别技术使用通用的摄像机作为识别信息获取装置，以非接触的方式在识别对象未察觉的情况下完成识别过程。 2.直观性突出。人脸识别技术所使用的依据是人的面部图像，而人脸无疑是肉眼能够判别的最直观的信息源，方便人工确认、审计，“以貌取人”符合人的认知规律。 3.识别精确度高，速度快。与其它生物识别技术相比，人脸识别技术的识别精度处于较高的水平，误识率、拒认率较低。 4.不易仿冒。在安全性要求高的应用场合，人脸识别技术要求识别对象必须亲临识别现场，他人难以仿冒。人脸识别技术所独具的活性判别能力保证了他人无法以非活性的照片、木偶、蜡像来欺骗识别系统。这是指纹等生物特征识别技术所很难做到的。举例来说，用合法用户的断指即可仿冒合法用户的身份而使识别系统无从觉察。 5.使用通用性设备。人脸识别技术所使用的设备为一般的PC、摄像机等常规设备，由于目前计算机、闭路电视监控系统等已经得到了广泛的应用，因此对于多数用户而言使用人脸识别技术无需添置大量专用设备，从而既保护了用户的原有投资又扩展了用户已有设备的功能，满足了用户安全防范的需求。 6.基础资料易于获得。人脸识别技术所采用的依据是人脸照片或实时摄取的人脸图像，因而无疑是最容易获得的。 7.成本较低，易于推广使用。由于人脸识别技术所使用的是常规通用设备，价格均在一般用户可接受的范围之内，与其它生物识别技术相比，人脸识别产品具有很高的性能价格比。概括地说，人脸识别技术是一种高精度、易于使用、稳定性高、难仿冒、性价比高的生物特征识别技术，具有极其广阔的市场应用前景。我将人脸识别的一些应用列举出来，希望抛转引玉，大家不断完善，开拓更多的应用领域。 1）监控布控

人脸识别闸机解决方案

玺瑞（SYRIS）人脸识别闸机解决方案一、人脸识别技术优势分析人脸识别技术，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。人脸识别系统集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，该技术目前被广泛应用于公安系统、海关系统、安保系统、银行系统等。 1.1人脸识别技术拥有四大优势非接触性人脸验证的过程不需要和设备、终端接触，这与指纹、打卡方式完全不同。体验感强，设备应为不会被频繁触碰，稳定性高，故障率低。自然性

人类识别物体特征第一感知就是通过眼睛的感官传递回大脑，人脸识别技术是利用计算机深度学习人类感官回传大脑的过程，所以人脸识别相较于其他的生物识别技术在使用和体验上更加的自然，且不需要其他物体特征，不会发生丢失、被复制等问题。识别速度快精度高由于计算机技术的发展，在固定样本库对比下，人脸识别速度已经可以提升至0.3秒/人次，且不同角度、佩戴眼镜、化妆等改变面貌的行为也可以通过调整人脸识别算法来修正比对数据。人脸已经成为大数据时代重要数据源通过大量区域内人脸识别、比对，利用大数据分析、挖掘等技术，可以完全掌握特定对象的行为轨迹或特定人群的活动范围，过程中不需要人工干预，完全交由云计算、大数据系统来处理。技术的发展和成熟，使得人脸识别成为了人工智能时代最热门的技术门类和方向，推动各行各业应用人脸识别技术，用机器替代人工，极大程度改善和推动社会化行为中的效率和安全性。 1.2人脸识别门禁应用的优势采用人脸识别门禁，相较于其他识别方式，具有以下几点优势：无需接触识别设备自然步态及速度解放双手无需特意配合丢失、忘带识别卡的情况不再发生

人脸识别系统的原理与发展

人脸识别系统的原理与发展一、引言人脸识别系统以人脸识别技术为核心，是一项新兴的生物识别技术，是当今国际科技领域攻关的高精尖技术。它广泛采用区域特征分析算法，融合了计算机图像处理技术与生物统计学原理于一体，利用计算机图像处理技术从视频中提取人像特征点，利用生物统计学的原理进行分析建立数学模型，具有广阔的发展前景。2012年4月，铁路部门宣布车站安检区域将安装用于身份识别的高科技安检系统人脸识别系统；可以对人脸明暗侦测，自动调整动态曝光补偿，人脸追踪侦测，自动调整影像放大；二、概述人脸识别系统概述广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音(语音)、体形、个人习惯(例如敲击键盘的力度和频率、签字)等，相应的识别技术就有人脸识别、指纹识别、掌纹识别、虹膜识别、视网膜识别、语音识别(用语音识别可以进行身份识别，也可以进行语音内容的识别，只有前者属于生物特征识别技术)、体形识别、键盘敲击识别、签字识别等。人脸识别系统功能模块人脸捕获与跟踪功能：人脸捕获是指在一幅图像或视频流的一帧中检测出人像并将人像从背景中分离出来，并自动地将其保存。人像跟踪是指利用人像捕获技术，当指定的人像在摄像头拍摄的范围内移动时自动地对其进行跟踪。人脸识别比对：人脸识别分核实式和搜索式二种比对模式。核实式是对指将捕获得到的人像或是指定的人像与数据库中已登记的某一对像作比对核实确定其是否为同一人。搜索式的比对是指，从数据库中已登记的所有人像中搜索查找是否有指定的人像存在。人脸的建模与检索：可以将登记入库的人像数据进行建模提取人脸的特征，并将其生成人脸模板(人脸特征文件)保存到数据库中。在进行人脸搜索时(搜索式)，将指定的人像进行建模，再将其与数据库中的所有人的模板相比对识别，最终将根据所比对的相似值列出最相似的人员列表。

人脸识别技术的应用背景及研究现状

人脸识别技术的应用背景及研究现状 1．人脸识别技术的应用随着社会的不断进步以及各方面对于快速有效的自动身份验证的迫切要求，生物特征识别技术在近几十年中得到了飞速的发展。作为人的一种内在属性，并且具有很强的自身稳定性及个体差异性，生物特征成为了自动身份验证的最理想依据。当前的生物特征识别技术主要包括有：指纹识别，视网膜识别，虹膜识别，步态识别，静脉识别，人脸识别等。与其他识别方法相比，人脸识别由于具有直接，友好，方便的特点，使用者无任何心理障碍，易于为用户所接受，从而得到了广泛的研究与应用。除此之外，我们还能够对人脸识别的结果作进一步的分析，得到有关人的性别，表情，年龄等诸多额外的丰富信息，扩展了人脸识别的应用前景。当前的人脸识别技术主要被应用到了以下几个方面：（1）刑侦破案公安部门在档案系统里存储有嫌疑犯的照片，当作案现场或通过其他途径获得某一嫌疑犯的照片或其面部特征的描述之后，可以从数据库中迅速查找确认，大大提高了刑侦破案的准确性和效率。（2）证件验证在许多场合（如海口，机场，机密部门等）证件验证是检验某人身份的一种常用手段，而身份证，驾驶证等很多其他证件上都有照片，使用人脸识别技术，就可以由机器完成验证识别工作，从而实现自动化智能管理。（3）视频监控在许多银行，公司，公共场所等处都设有24小时的视频监控。当有异常情况或有陌生人闯入时，需要实时跟踪，监控，识别和报警等。这需要对采集到的图像进行具体分析，且要用到人脸的检测，跟踪和识别技术。（4）入口控制入口控制的范围很广，既包括了在楼宇，住宅等入口处的安全检查，也包括了在进入计算机系统或情报系统前的身份验证。（5）表情分析根据人脸图像中的面部变化特征，识别和分析人的情感状态，如高兴，生气等。此外，人脸识别技术还在医学，档案管理，人脸动画，人脸建模，视频会议等方面也有着巨大的应用前景。 2．人脸识别技术在国外的研究现状当前很多国家展开了有关人脸识别的研究，主要有美国，欧洲国家，日本等，著名的研究机构有美国MIT的Media lab,AI lab,CMU的Human-Computer I nterface Institute，Microsoft Research,英国的Department of Engineerin g in University of Cambridge等。综合有关文献，目前的方法主要集中在以下几个方面：

智能人脸识别系统技术设计方案

智能人脸识别系统技术方案

目录 1智能人像比对平台 1.1系统结构建立标准统一的共享人像库，并在此基础上，部署完整的人像比对判定平台。该系统由人像标准化采集系统，人像数据库子系统、基础比对服务平台、人脸识别应用平台4大部分组成，支持前端人像采集、静态人脸查询、移动警务通人脸识别一体化服务。该平台支持统一人像数据交换接口，兼容大多数人像数据交换标准。统一的安全标准接口，兼容PKI密钥，网络加密狗等常见的安全标准接口。系统总体结构如下：系统采用B/S架构，以浏览器方式进行人像预处理、人像比对、结果查询、用户管理、系统运行状态查询等管理操作，减少了系统后台管理、人口治安及其他警种成百上千终端安装和维护难度，方便未来多警种共享应用。系统可提供标准的WebService接口，将业务系统获取的人像照片与相关人像库进行比对。 1.2设计原则本着统一标准、分级管理、资源共享、无缝对接的设计原则，以人像比对算法为核心，整合多区域现有资源，实现准确识别、快速反映，覆盖全面的智能人像识别应用平台。 1.2.1先进性该平台算法由中国科学院自动化研究所研究员、国际知名人脸识别专家、IEEE院士李子青教授领衔研发，是基于中国自主知识产权，针对公安各警种业务特点专门研发的综合智能人像识别应用系统平台。

1.2.2开放性人像采集与比对平台具有统一的服务接口，兼容公安部拟指定的统一人像数据交换标准草案。统一的安全验证，兼容PKI密钥，身份认证等常见的安全验证机制。 1.2.3扩展性整个平台系统接口分为系统级别之间的接口与单个系统开放出来的服务接口组成。系统可“随需而变，以不变应万变”提供多种可靠服务功能。 1、系统级接口系统级接口指的是不同地区部署的人像辅助识别平台之间的接口，主要有两种访问方式第一种采用页面查询的方式，以只查询方式进行访问，通过系统提供的Guest权限进行页面访问。适用于不同平台之间快速的调阅查询。第二种通过请求服务与直接调阅的形式进行数据库的查询，系统预留标准数据库查询接口，以市，县二层结构进行数据库间的查询调用，采用本系统建立的数据中心，纵向上进行直接的调用，高层中心保留下级中心的数据库信息索引。即市级中心直接查询市级与县级中心，市级中心直接查询县级中心。横向上以请求服务形式进行调用，横向系统间不保留对方的数据库信息索引，而是通过请求服务方式进行。 2、服务接口服务接口适用于该系统与其他业务应用系统做二次开发或者集成用接口，包括所有系统级接口与平台应用接口。人像基础比对服务平台通过WebService进行与其他系统的交换机制，通过标准的XML或者Jason格式文件进行数据交换，兼容《GA/T 922.2-2011标准第二部分人像数据采集标准》中的数据格式交换。服务接口主要以WebService与ActiveX等方式提供。满足各业务系统二次开发，集成使用。服务接口说明

人脸识别技术发展及应用分析解读

人脸识别技术发展及应用分析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。用摄像机采集人脸图像，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脸部的一系列相关技术处理，包括人脸图像采集、人脸定位、人脸识别预处理、记忆存储和比对辨识，达到识别不同人身份的目的。市场现状人脸识别技术的研究始于20世纪60年代末期。 20世纪90年代后期以来，一些商业性的人脸识别系统逐渐进入市场，但是，这些技术和系统离实用化都有一定距离，性能和准确率也有待提高。美国遭遇恐怖袭击后，这一技术引起了广泛关注。作为非常容易隐蔽使用的识别技术，人脸识别逐渐成为国际反恐和安全防范重要的手段之一。近年来，人脸识别在中国市场，也经历着迅速的发展，而且发展的脚步也越来越快。主要原因有以下两方面。科技的进步国际上，美国标准与技术研究院（NIST）举办的Face Recognition Vendor Test 2006，通过大规模的人脸数据测试表明，当今世界上人脸识别方法的识别精度比2002年的FRVT2002至少提高了一个数量级（10倍），而对于高清晰，高质量人脸图像识别，机器的识别精度几乎达到100%。在我国，近年来科技界和社会各个方面都认识到人脸识别技术的重要性，国家政策对人脸识别技术研究给予了很大支持，使得我国人脸识别技术也得到了迅速的发展。应用需求的增加越来越趋向于高科技的犯罪手段使得人们对各种场合的安全机制要求也近乎苛刻，各种应用需求不断涌现。人脸识别市场的快速发展一方面归功于生物识别需求的多元化，另一方面则是由于人脸识别技术的进步。从需求上来说，除了传统的考勤、门禁等应用外，视频监控环境下的身份识别正成为一种迫切的需求，

2020年公需课考试-人工智能技术及其发展趋势(100分)

单选题 1.（）是自然语言处理的重要应用，也可以说是最基础的应用。（3.0分） A.文本识别 B.机器翻译 C.文本分类 D.问答系统我的答案：C√答对 2.（），中共中央政治局就人工智能发展现状和趋势举行第九次集体学习。（ 3.0分） A.2018年3月15日 B.2018年10月31日 C.2018年12月31日 D.2019年1月31日我的答案：B√答对 3.（）是通过建立人工神经网络，用层次化机制来表示客观世界，并解释所获取的知识，例如图像、声音和文本。（3.0分） A.深度学习 B.机器学习 C.人机交互 D.智能芯片我的答案：A√答对 4.生物特征识别技术不包括（）。（3.0分） A.体感交互 B.指纹识别 C.人脸识别 D.虹膜识别我的答案：A√答对 5.（）是指直接通过肢体动作与周边数字设备和环境进行交互。（3.0分） A.体感交互 B.指纹识别 C.人脸识别 D.虹膜识别我的答案：A√答对 6.下列对人工智能芯片的表述，不正确的是（）。（3.0分） A.一种专门用于处理人工智能应用中大量计算任务的芯片 B.能够更好地适应人工智能中大量矩阵运算 C.目前处于成熟高速发展阶段 D.相对于传统的CPU处理器，智能芯片具有很好的并行计算性能我的答案：C√答对

7.下列选项中，不属于生物特征识别技术的是（）。（3.0分） A.步态识别 B.声纹识别 C.文本识别 D.虹膜识别我的答案：C√答对 8.立体视觉是（）领域的一个重要课题，它的目的在于重构场景的三维几何信息。（3.0分） A.人机交互 B.虚拟现实 C.自然语言处理 D.计算机视觉我的答案：D√答对 9.（）是人工智能的核心，是使计算机具有智能的主要方法，其应用遍及人工智能的各个领域。（3.0分） A.深度学习 B.机器学习 C.人机交互 D.智能芯片我的答案：B√答对 10.关于专用人工智能与通用人工智能，下列表述不当的是（）。（3.0分） A.人工智能的近期进展主要集中在专用智能领域 B.专用人工智能形成了人工智能领域的单点突破，在局部智能水平的单项测试中可以超越人类智能 C.通用人工智能可处理视觉、听觉、判断、推理、学习、思考、规划、设计等各类问题 D.真正意义上完备的人工智能系统应该是一个专用的智能系统我的答案：D√答对多选题 1.人工智能研究范畴广泛而又异常复杂，其发展需要与（）和社会科学等学科深度融合。（4.0分）） A.计算机科学 B.数学 C.认知科学 D.神经科学我的答案：ABCD√答对 2.机器学习的相关算法包括（）。（4.0分）） A.轨迹跟踪 B.决策树 C.数据挖掘 D.K近邻算法我的答案：BCD√答对 3.目前，深度学习主要包括（）。（ 4.0分））

浅谈基于深度学习的人脸识别技术

信息通信 INFORMATION & COMMUNICATIONS 2019年第6期（总第198期） 2019 (Sum. No 198) 浅谈基于深度学习的人脸识别技术刘晓波（中国联合网络通信有限公司湖北省分公司，湖北武汉430040）摘要:互联网科技和大数据技术飞速发展的时代，日新月异的各种前沿技术，一再刷新人们的认知,人工智能（AI ）成为了一门最热门的行业应用能力。AI 技术不仅仅要够炫够酷，更要有足够的“温度"，让机器更加人性化。人脸识别技术（Face Recognition Technology, FRT ）是近年来模式识别、图像处理以及人工智能等领域的重要研究课题之文章重点对现有的人脸检测识别方法以及应用领域关键技术进行总结，分析和比较当前主流识别方法优缺点，分享其中关键技术及发展前景。关键词:人脸识别;人工智能;深度学习；人脸检测；面部特征中图分类号:TP391.41 文献标识码:A 文章编号：1673-1131（2019）06-0018-03 0引言随着社会对个人身份的自动验证需求的加深，一些技术成熟且传统上被认为更加稳健的身份验证方案如指纹识别、虹膜识别、语音识别等，都具有侵入性的特征，即需要参与者的一定程度的合作（指纹识别需要用户将手指按在传感器上, 虹膜识别需要用户与相机靠得很近，语音识别则需要用户大声说话），因此寻找一种更优且非侵入式的自动身份验证方案成为了大势所趋。人脸识别技术（Face Recognition Technology, FRT ）是基于人的面部特征信息能够识别或验证图像或视频中主体身份的技术生物识别技术。用图像釆集工具（如摄像机或摄像头）釆集含有充分且足够的人面部特征的图像或视频流，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识别和验证的一系列相关技术总成。相比传统的身份验证方法，人脸识别技术具有非接触性（不用肢体接触）、非强制性（路过即可，甚至无察觉）、可并发性（可同时进行多个人脸的分拣、判断及识别）等优势。直观的人脸识别如下图所示： * 2 z 5 n e s i e 图1人脸识别示例简单来说就是通过输入一个自然人的面部特征，和自然人面部特征库中的注册在库身份进行面部特征逐项比对，找出一个与输入的面部特征相似度最高（需预设阀值，必须大于阀值）的个体，以确定输入面部特征对应的身份。如没有找到大于阀值的个体,则返回“unknown ”。 1传统的人脸识别传统的人脸识别被当作模式识别/模式匹配问题。主流的人脸识别技术基本上可以归结为三类，即:基于几何特征的方法、基于模板的方法和基于模型的方法。（1）基于几何特征的方法是最早投入实际应用的人脸识别方法。该方法通过定位人面部主要器官的详细位置，如：眉、眼、鼻、嘴、耳等，获取主要器官等重要面部特征的形状、相对位置以及特征之间的距离等参数，利用参数构成一个可以代表个体人脸的特征向量。（2）基于模板的方法可以分为神经网络方法、动态连接匹配方法、线性判别分析方法、特征脸方法、基于相关匹配的方法、奇异值分解方法等。（3）基于模型的方法则有基于主动外观模型、隐马尔柯夫模型方法、主动形状模型等。传统的人脸识别是人脸识别的初级阶段，重要成果不多, 人工依赖性较强，鲁棒性较差，基本没有实际应用。随着大数据时代的到来，沉寂了许久的神经网络卷土重来。作为人工智能时代的利器一深度学习逐渐走入人们的视野。基于深度学习，人脸识别技术迅速发展。各种学习框架如 Tensorflow 、Caffe >KerasMxnet >Darknet 等不断涌出。基于深度学习的人脸识别一般被处理为回归/分类问题。一般流图2人脸识别一般流程图 2人脸检测算法人脸检测是人脸识别中的第一个环节，是一项关键技术。人脸检测是指假设在输入图像中存在一个或者多个人脸情况下，确定图像中全部人脸的位置、大小和姿势的过程。图3人脸检测不意图早期的人脸检测算法使用了模板匹配技术，即用一个人脸模板图像与被检测图像中的各个位置进行匹配，确定这个位置处是否有人脸,如果存在则定位人脸的位置、大小及主要特征；此后机器学习被用于解决该问题，神经网络、支持向量机等将人脸检测处理为二分类问题。如下图所示： 18

人脸识别技术的应用背景及研究现状

人脸识别技术的应用背景及研究现状文件管理序列号：[K8UY-K9IO69-O6M243-OL889-F88688]

?（3）视频监控在许多银行，公司，公共场所等处都设有24小时的视频监控。当有异常情况或有陌生人闯入时，需要实时跟踪，监控，识别和报警等。这需要对采集到的图像进行具体分析，且要用到人脸的检测，跟踪和识别技术。（4）入口控制入口控制的范围很广，既包括了在楼宇，住宅等入口处的安全检查，也包括了在进入计算机系统或情报系统前的身份验证。（5）表情分析根据人脸图像中的面部变化特征，识别和分析人的情感状态，如高兴，生气等。此外，人脸识别技术还在医学，档案管理，人脸动画，人脸建模，视频会议等方面也有着巨大的应用前景。 2．人脸识别技术在国外的研究现状当前很多国家展开了有关人脸识别的研究，主要有美国，欧洲国家，日本等，着名的研究机构有美国MIT的Media lab,AI lab,CMU的Human-Compute r Interface Institute，Microsoft Research,英国的Department of Engine ering in University of Cambridge等。综合有关文献，目前的方法主要集中在以下几个方面：（1）模板匹配主要有两种方法，固定模板和变形模板。固定模板的方法是首先设计一个或几个参考模板，然后计算测试样本与参考模板之间的某种度量，以是否大于阈值来判断测试样本是否人脸。这种方法比较简单，在早期的系统中采用得比较多。但是由于人脸特征的变化很大，很难得到有效的模板来表示人脸的共性。变形模板在原理上与固定模板相同，但其中包含一些非固定的元素，一种方法是手工构造参数化的曲线和曲面以表征人脸中的某些非固定特征，如眼

人脸识别方案

东辰人脸识别方案东辰人脸识别门禁系统方案方案介绍城市发展意味着生产和消费的更集中、更大规模、更社会化和更高的生产效率；同时也给城市社区生活带来诸多问题，如健康医疗、邻里关系、社区安全、社会服务质量等问题。智慧社区解决方案充分借助云计算、物联网等先进的信息化技术手段，整合智能楼宇、智能家居、能源管理、家庭健康、数字生活与智慧政务等诸多领域，通过建设社区自有的ICT基础设施、认证、安全等平台，打造覆盖全社区，延伸到广域网的智慧节点，形成基于海量信息和智能过滤处理的新的生活、产业发展、社会管理等模式，更加便捷居民的生活和物业的服务以及政务便民服务。 1.设计规划的总体原则系统建设以先进性和合理性为前提，充分考虑经济实用性、开放性、灵活性、可扩充性、安全性、可靠性、易管理性和易维护性。实用性和经济性系统建设应始终贯彻面向应用，注重实效的方针，坚持实用、经济的原则。先进性和成熟性系统设计既采用先进的概念、技术和方法，又要注意结构、设备、产品的相对成熟。不但能反映当今的先进水平，而且具有发展潜力，保证在未来若干年内不落后。可靠性和稳定性从系统结构、技术措施、设备性能、系统管理、厂商技术及维修能力等方面着手，确保系统运行的可靠性和稳定性，达到最大的平均无故障时间。开放性与标准性

无论是系统设备还是网络拓扑结构，都应具有良好的开放性的标准性，用户可以根据实际使用需求的变化，可以非常方便的对系统进行扩展或升级；安全性和保密性在系统设计中，既考虑信息资源的充分共享，又注意信息的保护和隔离，因此系统针对不同的网络通信环境，采取不同的措施，包括系统安全机制、数据存取的权限控制。集成性系统设计中的各个子系统通过中心机房统一管理，系统集成度的水平代表着智能化建设的等级。外部网络接入的多样性规划建设应充分考虑对多种接入方式的适应性，住户、商家及物管部门可以根据各自的不同喜好自由地选择任何一家信息服务公司所提供的服务。系统运行的实时性无论是网络操作系统还是应用软件都应具有良好的实时性，在信息共享及数据处理上具备较快的响应能力。通过对接入技术、业主使用要求以及集成方式的综合考虑选择具有最佳性能价格比的设备配置。 2.系统概述结合东辰小区的特点，智慧社区建设秉承着新技术、新观念、新标准的标准，确定系统功能，设计系统结构，简单介绍如下： 2.1人脸识别门禁系统

2019年我国人脸识别技术发展情况及发展趋势综合分析

2019年我国人脸识别技术发展情况及发展趋势综合分析 2019年2月14日一、全球生物识别细行业市场占比情况分析生物识别指的是通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段相结合，利用人体固有的生理特性来进行个人身份鉴定技术。按不同的识别方式，生物识别可分为指纹识别、虹膜识别、语音识别、静脉识别和人脸识别。伴随着生物识别产品逐渐从单一的PC处理转变为分布式计算。用独立的前端独立设备来完成生物特征的采集、预处理、特征提取和比对，通过中心PC或服务器完成与业务相关的处理。随着生物特征识别技术的不断发展和提高，生物特征识别技术的应用场景不断拓展，预计2015-2020年全球生物识别细分行业复合增长率分别为：人脸识别复合增长率为167%；语音识别为100%；虹膜识别为100%；指纹识别复合增长率为73%。

全球生物识别细行业市场占比情况二、中国人脸识别技术发展情况分析 1、中国人脸识别行业发展历程人脸识别技术在中国的发展起步于上世纪九十年代末，经历了技术引进-专业市场导入-技术完善-技术应用-各行业领域使用等五个阶段。其中，2014年是深度学习应用于人脸识别的关键一年，该年FaceBook发表一篇名为“DeepFace系统：达到肉眼级别的人脸识别系统”（翻译名），之后Face++创始人印奇团队以及香港中文大学汤晓鸥团队均在深度学习结合人脸识别领域取得优异效果，两者在LFW数据集上识别准确度均超过了99%，而肉眼在该数据集上的识别准确度仅为97.52%，可以说深度学习技术让计算机人脸识别能力超越人类的识别程度。

人脸识别与其他生物识别方式相比，优势在于自然性、不被察觉性等特点。自然性即该识别方式同人类进行个体识别时所利用的生物特征相同。指纹识别、虹膜识别等均不具有自然性。不被察觉的特点使该识别方法不易使人抵触，而指纹识别或虹膜识别需利用电子压力传感器或红外线采集指纹、虹膜图像，在采集过程中体验感不佳。目前人脸识别需要解决的难题是在不同场景、脸部遮挡等应用时如何保证识别率。此外，隐私性和安全性也是值得考虑的问题。 2、3D人脸识别与2D人脸识别数据对比目前，国内的人脸识别技术已经相对发展成熟，该技术越来越多的被推广到安防领域，延伸出考勤机、门禁机等多种产品，产品系列达20多种类型，可以全面覆盖煤矿、楼宇、银行、军队、社会福利保障、电子商务及安全防务等领域，人脸识别的全面应用时代已经到来。中游人脸识别技术的进步，是推动下游场景应用拓展的关键所在。目前，人脸识别市场的解决方案主要包括2D识别、3D识别技术。市场上主流的识别方案是采用摄像头的2D方案，但由于人的脸部并非平坦，因此2D识别在将3D人脸信息平面化投影的过程中存在特征信息损失。3D识别使用三维人脸立体建模方法，可最大程度保留有效信息，因此3D人脸识别技术的算法比2D算法更合理并拥有更高精度。

浅谈人脸识别技术VS指纹识别技术

浅谈人脸识别技术VS指纹识别技术 1、指纹识别系统适宜的使用单位界定在：人数少、且环境好的单位，比如政府机关，或100人以下且环境好的企事业单位，不然使用起来很勉强和难受。人脸识别技术，不受环境影响。是指基于人的脸部特征信息，通过计算机与生物传感器等高科技手段结合，利用人体固有的生理特性，进行个人身份鉴定的一种生物识别技术。这种技术先对输入的人脸图象或者视频流进行判断，给出每张脸的位置、大小和面部各个主要器官的具体信息。依据这些信息，进一步提取人脸中所蕴涵的身份特征，将其与已知的人脸进行比对，从而识别每个人的身份。 2、指纹识别的民用技术目前还不成熟，真实的识别率在95%以下，也就是说100人中基本上有超过5个人的指纹识别不了，或者要反复识别。与传统的身份鉴定方式相比，人脸识别技术的最大特点就是识别精确度高。人脸识别独具的活性判别能力，保证了他人无法以非活性的照片、木偶、蜡像欺骗识别系统，无法仿冒。此外，人脸识别速度快，不易被察觉。与其他生物识别技术相比，人脸识别属于一种自动识别技术，一秒内可以识别好几次。不被察觉的特点对于一种识别方法也很重要，这会使该识别方法不令人反感。 3、目前的指纹考勤机均采取指纹识别+密码识别相结合的方式，就是因为有较多的不能识别指纹的情况人脸识别技术是基于生物统计学原理来实现的。先通过计算机相关软件对视频里的图像进行人脸图像采集、人脸定位、人脸识别预处理，从中提取人像特征点。然后利用生物统计学的原理进行分析，建立数学模型，即人脸特征模板。将已建成的人脸特征模板与被测者的面像进行特征比对，根据分析的结果给出一个相似值。通过这个值即可确定是否为同一人。现在这一技术已得到广泛应用。人脸识别技术的最大特点就是识别精确度高。 4、指纹识别技术目前对于：手指脏了、手指湿了、手指太干、手指脱皮（包括季节性脱皮）、手指破了……等等情况，都不能正常识别。人脸识别技术，非接触式识别。不受环境影响，不受生理影响。更环保更卫生。 5、为什么说指纹识别考勤只适合于小型单位使用呢。指纹识别对于感应卡刷卡的时间要长很多，以一个人站到考勤机前识别指纹到下一个人站过来开始识别作为一个人的识别周期，一般在6－7秒左右，也就是每个人在一次性识别都很正常的情况下，完成考勤签到需要6秒左右，如果100个人哪怕是提前了5分钟到达排着队等候签到，也需要600秒即10分钟左右完成，指纹识别一般为了提高识别率，都要求每个人留不同手指的2-3枚左右的指纹档案存到考勤机里，一枚不能识别时赶紧换用另一枚，这样反复重试才能达到90%左右的识别率。与传统的身份鉴定方式相比，人脸识别技术的最大特点就是识别精确度高。人脸识别独具的活性判别能力，保证了他人无法以非活性的照片、木偶、蜡像欺骗识别系统，无法仿冒。人脸识别速度快，不易被察觉。与其他生物识别技术相比，人脸识别属于一种自动识别技术，一秒内可以识别好几次。不被察觉的特点对于一种识别方法也很重要。 6、指纹考勤机的关键部位，也是最脆弱部位就是指纹膜，指纹膜时间用的越长，指纹识别率就越低，在没有任何人为刮擦破坏的情况下，一片指纹膜一般在半年以后就越来越多的指纹不能识别或者需要反复识别，解决办法是更换指纹膜，更

人脸识别的研究进展

1引言人脸识别是计算机模式识别和生物特征鉴别技术的一个热门研究课题，它被广泛应用于娱乐，智能卡，信息安全，法律实施和监控等社会各方面。一般来说，人脸识别主要是指在数字图像或视频图像中，通过人体面部视觉信息，进行人类身份鉴别的计算机技术。人脸识别和其它生物特征识别技术如：指纹识别，掌纹识别等相比，具有方便，快捷，易以接受等特点[1]。计算机人脸识别的研究始于60年代末，最早Bledsoe 以人脸特征点间的距离、比率等参数为特征建立了第一个半自动人脸识别系统[1]。近几十年人脸识别研究逐渐发展，涌现出了大量新的技术和方法。虽然人脸识别技术已经取得了很多突破性进展，但是计算机和人类的人脸识别能力相比，依然还存在很多问题，目前最好的商用人脸识别系统在实际使用中仍然有很多需要完善的地方。2人脸识别系统的框架一般来说，一个完整的人脸识别系统主要包括下面几个步骤： (1)人脸检测(Face detection)：对输入图像进行分析，判断图像中是否存在人脸，如果存在人脸，则标定出人脸的位置和大小的过程。 (2)人脸对齐(Face alignment)：通过对人脸图像进行缩放，旋转，切割等操作，使所有人脸图像依照某种标准规范化的过程。 (3)人脸预处理(Face preprocessing)：通过对人脸图像进行处理，降低图像中光照变化，噪音干扰等情况对人脸识别带来的影响。 (4)人脸表示(Face representation)：提取人脸中可以用于描述人脸模式的特征并使用这些特征来表示人脸的过程。人脸识别的研究进展钱志明1，徐丹2 1. 楚雄师范学院, 云南省楚雄市 675000 E-mail: qzhiming@https://www.360docs.net/doc/3f7149560.html, 2. 云南大学计算机系, 昆明 650091 E-mail: danxu@https://www.360docs.net/doc/3f7149560.html, 摘要: 随着人工智能和计算机视觉技术的发展，人脸识别已成为模式识别领域的一个热门研究课题。本文对近年来人脸识别的研究状况进行了综述，分析了人脸识别存在的问题，系统地对目前主流人脸识别方法进行了分类和介绍，针对人脸识别中的一些局部表示方法做了分析和测试，并对未来人脸识别的发展方向进行了展望。关键词: 人脸识别，人脸表示，局部特征 Research Advances in Face Recognition Zhiming Qian1, Dan Xu2 1.Chuxiong Normal University, Chuxiong Yunnan 675000, China E-mail: qzhiming@https://www.360docs.net/doc/3f7149560.html, 2. Department of Computer Engineering, Yunnan University, Kunming 650091, China E-mail: danxu@https://www.360docs.net/doc/3f7149560.html, Abstract: With the development of artificial intelligence and computer vision, face recognition has become a hot topic of pattern recognition. This paper presents a survey on the state-of-art face recognition research, systematically classifying and introducing face recognition methods. Furthermore, this paper analysis and tests some recent algorithms, which are used to extract the local facial features. In addition, several major issues for further research in the area of face recognition are also pointed out at the end of this paper. Key Words: face recognition, face representation, local feature