人脸识别系统的由来是怎么样的？

自动人脸识别设备的历史发展的先驱者包括伍迪·布莱索，海伦·陈和查尔斯·比松。在1964年和1965年间，布莱索、海伦·陈和查尔斯·比松一起使用电脑识别人脸。他们为这项工作感到自豪，但由于资金是由一家不知名的情报机构提供的，所以没有太多的宣传，很少有工作出版。给定一个大型的图像数据库（实际上是一大堆图片）和一张照片，问题是从数据库中选择一小部分记录，以使其中一个图像记录与照片匹配。该方法的成功可以通过答案列表与数据库中记录数量的比例来衡量。布莱索描述了以下困难：

“这种识别问题由于头部旋转和倾斜，照明强度和角度，面部表情，老化等等的巨大变化而变得困难。在机器人脸识别方面的一些其他尝试已经允许这些量的很小变化或不变化。然而，一些研究人员经常使用的未经处理的光学数据的相关（或模式匹配）方法在可变性很大的情况下肯定会失败。特别是，在两个不同的头部旋转的同一个人的两张照片之间的相关性非常低。”

-伍迪·布莱索，1966年

这个项目被标记为人机，因为人类从照片中提取了一组特征的坐标，然后被计算机用来识别。使用绘图板（GRAFACON或RANDTABLET），操作员将提取诸如瞳孔的中心，眼睛的内角，眼睛的外角等等。从这些坐标中，计算出20个距离的列表，例如嘴宽和眼宽，瞳孔距离。这些操作员每小时可以处理大约40张照片。在构建数据库时，照片中的人物名称与计算出的距离列表相关联，并存储在计算机中。在识别阶段，将该组距离与每张照片的相应距离进行比较，产生照片与数据库记录之间距离最近的记录被返回。

因为任何两张图片在头部旋转，倾斜和缩放（距离照相机的距离）时不太可能匹配，所以每组距离被归一化以表示正面方位的面部。为了实现这种规范化，程序首先尝试确定倾斜和旋转。然后，使用这些角度，计算机将撤销这些转换对计算距离的影响。为了计算这些角度，计算机必须知道头部的三维几何形状。由于实际头部不可用，Bledsoe使用七个头部的测量得出的标准头部。

布莱索在1966年离开PRI之后，主要由PeterHart在斯坦福研究所继续这项工作。在超过2000张照片的数据库上进行的实验中，计算机在提供相同的识别任务时始终胜过人类（Bledsoe1968）。彼得·哈特（PeterHart）（1996年）热烈地回忆起这个项目，惊叹道：“这真的奏效了

大约到1997年，克里斯托夫·冯·德Malsburg和开发的系统研究生的的波鸿大学在德国和美国南加州大学在美国的表现优于大多数系统与那些麻省理工学院和马里兰大学旁边评级。波鸿系统是通过美国陆军研究实验室的资助开发的。该软件作为ZN-Face出售，由德意志银行和机场运营商等客户使用和其他繁忙的地点。该软件“足够强大，可以从不完美的脸部视图中进行识别，也可以经常识别胡须，胡须，改变发型和戴眼镜甚至太阳镜等障碍。

来自明尼苏达州的Identix公司开发了FaceIt软件。FaceIt可以在人群中挑出某人的脸部，并将其与全世界的数据库进行比较，以识别脸部并为其命名。编写该软件是为了检测人脸上的多个特征。它可以检测眼睛之间的距离，鼻子的宽度，颧骨的形状，下颚的长度和更多的面部特征。该软件通过将脸部图像放在面部印记上，即代表人脸的数字代码来做到这一点。人脸识别软件过去必须依赖于人的2D图像几乎直接面对相机。现在，通过使用FaceIt，3D图像可以与3D图像进行比较，方法是从3D图像中选择3个特定点，并使用特殊算法将其转换为2D图像，可以通过几乎所有数据库进行扫描。

2006年，人脸识别大挑战（FRGC）对最新的人脸识别算法的性能进行了评估。测试中使用了高分辨率的人脸图像，三维人脸扫描和虹膜图像。结果表明，新算法比2002年的人脸识别算法准确10倍以上，比1995年准确100倍以上。其中一些算法能够比人类参与者更好地识别人脸，并且能够唯一地识别同卵双胞胎。

美国政府赞助的评估和挑战问题[57]在面部识别系统性能方面已经超过了两个数量级。自1993年以来，自动人脸识别系统的错误率已经下降了272倍。这种下降适用于与在工作室或面部照片环境中拍摄的人脸图像匹配的系统。按照摩尔定律，错误率每两年下降一半。

使用面部幻觉可以增强面部的低分辨率图像。高分辨率，百万像素相机的进一步改进有助于解决分辨率不足的问题。