人脸识别作为一种受到社会各界广泛关注的生物识别技术，相较于虹膜识别、指纹识别、视网膜识别等其他生物识别技术，不仅具有使用方便、识别精确度高、不易仿冒等特点，而且符合人类通过眼睛以脸辨人的生活习惯，受到很多用户的欢迎^[1]。人脸识别系统的研究始于上世纪60年代^[2]，80年代后随着计算机技术和光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年后期，并且以美国、德国和日本的技术实现为主；人脸识别系统成功的关键在于是否拥有尖端的核心算法，并使识别结果具有实用化的识别率和识别速度。

人脸识别技术发展历史悠久，涉及的技术相当广泛。最早的人脸识别技术可以追溯到1888年，Galton^[3]在《Nature》上发表了一篇具有代表性的文章，介绍如何使用人脸特征进行识别。Kirby^[4]等人首次将主成分分析（Principle ComponentAnalysis，PCA）技术引入到人脸识别领域，随后Pentland^[5]等人以PCA为基础，提出了一种名为Eigenface的人脸特征描述技术。近年来，大量的人脸特征表示技术如LBP特征^[6]、Gabor小波特征^[7]以及SURF特征^[8]等被成功的运用到人脸识别领域。2014年，Facebook提出了DeepFace^[9]，利用卷积神经网络在440万张图像上进行训练，在人脸公开数据集LFW^[10]上获得了97.35%的识别率。VGGFace^[11]采用较DeepFace更深的网络结构和更大的输入图像在LFW上获得了98.95%的识别率。2015年，香港中文大学的汤晓鸥教授团队提出了DeepID^[12]网络，该网络对卷积神经网络进行了改进，并同时使用识别和认证两种监督信号进行训练，将识别率提高到了99.15%。随着数据集的不断扩大，人脸识别技术的识别率也在不断上升。2015年Google提出了FaceNet^[13]使用更深的卷积神经网络在2亿多张样本集上进行训练，在LFW上取得了99.63%的精度。从20世纪90年代开始，国内陆续开始成立研究机构进行人脸识别技术的研究，其中具有代表性的机构和院校有中科院自动化研究所模式识别国家重点实验室、清华大学计算机系、哈尔滨工业大学计算机系等，这些研究机构在人脸识别领域取得了丰硕的成果^[14]。

由于人脸识别技术的迅猛发展，人脸识别系统也得以广泛的应用到以下几个方面：

（1）访问控制：在国家、政府、公司的一些安全部门，可以建立一套完善的人脸识别门禁系统，利用人脸来识别身份。在访问公司内部网络及其内部安全文件时，可以把人脸识别验证和传统的密码加密方式验证结合起来，对访问的人员进行视频监控，安全性也得到了很大的提升。

（2）电子商务：无论是网上转账、网上购物，还是远程商务会议中，都可以利用人脸识别技术，保证其安全性，给双方都带来很大的便利。

（3）司法方面：人脸识别技术对于嫌疑犯身份的确定带来了极大的便捷。

针对特定角度的人脸识别的研究目前主要有以下几种解决办法：

（1）Cootset^[15]等人提出ASM（Active Shape Models）和AAM（Active Appearance Models）：这两种方法都是基于训练集建立的统计模型方法，通过对某一类特定图像进行建模，来进行特征提取。但是其缺点是在遮挡或者姿态角度偏大的情况下不尽人意。

（2）Lowe^[16]提出的sift特征提取（Scale-invariant Features Transform）：图像的局部特征，对旋转、尺度缩放、亮度变化保持不变，对视角变化、仿射变换、噪声也保持一定程度的稳定性。缺点在于实时性不高，有时特征点少，边缘光滑的目标无法提取。

（3）Blanz^[17]提出构建人脸3D模型：标定单幅人脸图像的特征点，进行人脸姿态估计并旋转3D模型，结合人脸剖分计算对应点，贴上纹理图转为正面投影。缺点在于可能导致迭代次数过多。