1. 人脸识别发展
以往的人脸识别主要是包括人脸图像采集、人脸识别预处理、身份确认、身份查找等技术和系统。现在人脸识别已经慢慢延伸到了ADAS中的驾驶员检测、行人跟踪、甚至到了动态物体的跟踪。由此可以看出，人脸识别系统已经由简单的图像处理发展到了视频实时处理。而且算法已经由以前的Adaboots、PCA等传统的统计学方法转变为CNN、RCNN等深度学习及其变形的方法。现在也有相当一部分人开始研究3维人脸识别识别，这种项目目前也受到了学术界、工业界和国家的支持。
2. 人脸识别过程
人脸识别主要分为四大块：人脸定位（face detection）、 人脸校准（face alignment）、 人脸确认（face verification）、人脸鉴别（face identification）。下面的概念主要参考自：deep face recognition。
2.1 人脸定位（face detection）
对图像中的人脸进行检测，并将结果用矩形框框出来。在OpenCV中有直接能拿出来用的Harr分类器。
2.2 人脸校准（face alignment）
对检测到的人脸进行姿态的校正，使其人脸尽可能的”正”，通过校正可以提高人脸识别的精度。校正的方法有2D校正、3D校正的方法，3D校正的方法可以使侧脸得到较好的识别。 在进行人脸校正的时候，会有检测特征点的位置这一步，这些特征点位置主要是诸如鼻子左侧，鼻孔下侧，瞳孔位置，上嘴唇下侧等等位置，知道了这些特征点的位置后，做一下位置驱动的变形，脸即可被校”正”了。如下图所示：
2.3 人脸确认（face verification）：
Face verification，人脸校验是基于pair matching的方式，所以它得到的答案是“是”或者“不是”。在具体操作的时候，给定一张测试图片，然后挨个进行pair matching，matching上了则说明测试图像与该张匹配上的人脸为同一个人的人脸。一般在小型办公室人脸刷脸打卡系统中采用的（应该）是这种方法，具体操作方法大致是这样一个流程：离线逐个录入员工的人脸照片（一个员工录入的人脸一般不止一张），员工在刷脸打卡的时候相机捕获到图像后，通过前面所讲的先进行人脸检测，然后进行人脸校正，再进行人脸校验，一旦match结果为“是”，说明该名刷脸的人员是属于本办公室的，人脸校验到这一步就完成了。在离线录入员工人脸的时候，我们可以将人脸与人名对应，这样一旦在人脸校验成功后，就可以知道这个人是谁了。上面所说的这样一种系统优点是开发费用低廉，适合小型办公场所，缺点是在捕获时不能有遮挡，而且还要求人脸姿态比较正（这种系统我们所有，不过没体验过）。下图给出了示意说明：
2.4 人脸识别（face identification/recognition）
Face identification或Face recognition，人脸识别正如下图所示的，它要回答的是“我是谁？”，相比于人脸校验采用的pair matching，它在识别阶段更多的是采用分类的手段。它实际上是对进行了前面两步即人脸检测、人脸校正后做的图像（人脸）分类。
根据上面四个概念的介绍，我们可以了解到人脸识别主要包括三个大的、独立性强的模块：
我们将上面的步骤进行详细的拆分，得到下面的过程图：
3. 国内人脸识别公司介绍
人脸识别行业在国内发展迅速，从2015年开始，人脸识别作为计算机视觉领域最接近落地的分支，开始形成风口。而新兴公司如雨后春笋，2011年到2016年成立的人脸识别公司超过30家，其中大部分集中在2012到2015年，这只是人脸识别热潮的一个缩影。其背后原因是计算机视觉技术背后的通用性，做人脸识别的公司往往也可以做图像识别，反过来也是一样的道理。
中国网传的是这个四家人脸识别的独角兽：face++ 的旷视科技，senseTime的商汤科技，还有云从科技，依图科技。
云从科技从中国科学研究院出来，云从科技 在银行、公安、机场、火车站等行业应用具有优势，中国五大银行中的中行、农行、建行、交行已经先后与云从科技达成技术合作。
依图科技优势在于安防领域，已经将产品应用到全国二十多个省市地区的安防领域，另外依图也进入智慧城市领域和健康医疗领域，协助政府构建“城市大脑”, 希望将医疗领域的巨大知识鸿沟缩小，改善医患体验。
商汤科技的汤晓鸥博士的三个算法号称是目前LFW 排名前三的算法，主要提供SDK、API 服务、拥有faceU、直播美化等商业应用，正在向企业应用转型。
另外汉王、中控等老牌厂商掌控着传统的静态人脸识别加指纹考勤机，依靠价格固守着商用市场。
国内的BAT对人脸识别这个方向也蛮重视，国内巨头已经在起跑线摆出了火拼的架势，一场大战前的硝烟味正在扩散。
阿里巴巴通过蚂蚁金服控股旷视科技，通过云峰基金控股依图科技，阿里已全面将人脸识别技术应用到自己支付宝、淘宝等平台，并将系统旗下其他业务板块等，培养人脸识别的应用场景。
旷视拥有Face++云平台，通过云+端的模式为中小银行、地产园区等商业机构实现人脸识别调用服务，至今为止调用总量已达到1.2亿次。
另外腾讯旗下有自己内部的优图团队，基于整个腾讯的社交网络平台，为 QQ 空间、腾讯地图、腾讯游戏、等 50 多款产品提供图像技术支持。每天 QQ 空间有 2 亿上传图片的活跃用户，团队单日最多处理照片达 6 亿张，累计已经分析处理了超过 300 亿张照片。
百度人脸识别也依靠庞大的数据资源进步神速。百度人脸识别属于百度深度学习研究院旗下，在2015年LFW中曾达到99.77%的准确率，在当年排名第一，在今年的FDD测试也取得较好成绩，已推出百度识图、脸优app等产品。
然而对比市面的人脸识别公司，现在能提供开放平台给开发者，能免费进行调试的就只有BAT三家旗下的产品，云从科技，依图，商汤等知名的人脸识别公司主要做企业用户，没有给用户提供开放api。
4. 免费人脸识别技术公司对比
下面是可供我们免费使用人脸识别技术的公司的对比
| 公司 | 免费额度 | 技术 | 收费价格 | 知名应用 |
|---|---|---|---|---|
| 腾讯优图 | 2万张/月 | 自研的Uface识别引擎，LFW 99.80%,数亿用户每日识别验证，全面人脸识别技术。MegaFace 83.290% | 人脸检测与分析：0.0005元/张 人脸比对、验证、检索：0.0032元/张 | 天天P图 、微众银行、QQ空间 |
| 百度深度学习 | 百度的api每天最多1000次，都对并发不做保证，商用版识别结果会和试用版一样，仅仅是次数限制 | 百度在2015年LFW中曾达到99.77%的准确率，当时排名第一 | 现在免费公测阶段，还未收费 | 百度钱包、泰康人寿、脸优 |
| face++（阿里控股） | 1.并发数有上限且不保证并发 2.Face 存储有上限：每个用户使用免费服务只能创建 1000个 FaceSet，总计最多存储 100 万个人脸。3.用户只能有一个 API Key 使用免费服务，而且该 API Key 不能转为正式 API Key。 | 技术先进 | 方式一：按量收费 0.001起/每次 方式二：包时计费 30起/每小时，每QPS（人体比对，搜索较贵分别为 0.05、0.1元/每次） | 支付宝 联想 世纪佳缘 |
上面的三家企业均可以免费接入，三家中百度可以提供sdk, 其他两家只能提供开放的api，
技术上对各位在LFW 及FDDB考察的话，百度和腾讯的排名比较靠前，face++相比就靠后些。而且face++ 商用版还不能正常使用，最重要的人体比对，与搜索api 收费较高。
5. 结论
如果我们的用户不多，能够api的调用量不多，我建议可以尝试下百度的，当调用次数比较多的话，可以尝试腾讯的人脸识别技术。
