人脸提特征过程（最右侧数值串为“人脸特征”）
5. 人脸比对（人脸验证、人脸识别、人脸检索、人脸聚类）
“人脸比对（Face Compare）”是衡量两个人脸之间相似度的算法
人脸比对算法的输入是两个人脸特征（注：人脸特征由前面的人脸提特征算法获得），输出是两个特征之间的相似度 。人脸验证、人脸识别、人脸检索都是在人脸比对的基础上加一些策略来实现 。相对人脸提特征过程，单次的人脸比对耗时极短，几乎可以忽略 。
基于人脸比对可衍生出人脸验证(Face Verification)、人脸识别(Face Recognition)、人脸检索(Face Retrieval)、人脸聚类（Face Cluster）等算法 。
人脸对比过程（右侧的相似度为人脸比对输出的结果）
6. 人脸验证
“人脸验证（Face Verification）”是判定两个人脸图是否为同一人的算法 。
它的输入是两个人脸特征 ， 通过人脸比对获得两个人脸特征的相似度 ， 通过与预设的阈值比较来验证这两个人脸特征是否属于同一人（即相似度大于阈值 ， 为同一人；小于阈值为不同） 。
人脸验证过程说明（最右侧“是同一人”为人脸验证的输出）
7. 人脸识别
“人脸识别(Face Recognition)”是识别出输入人脸图对应身份的算法 。
它的输入一个人脸特征，通过和注册在库中N个身份对应的特征进行逐个比对，找出“一个”与输入特征相似度最高的特征 。将这个最高相似度值和预设的阈值相比较，如果大于阈值 ， 则返回该特征对应的身份，否则返回“不在库中” 。
人脸识别过程（右侧身份“jason”为人脸识别结果）
8. 人脸检索
“人脸检索”是查找和输入人脸相似的人脸序列的算法 。
人脸检索通过将输入的人脸和一个集合中的说有人脸进行比对，根据比对后的相似度对集合中的人脸进行排序 。根据相似度从高到低排序的人脸序列即使人脸检索的结果 。
人脸检索过程（右侧绿框内排序序列为检索结果）
9. 人脸聚类
“人脸聚类（Face Cluster）”是将一个集合内的人脸根据身份进行分组的算法 。
人脸聚类也通过将集合内所有的人脸两两之间做人脸比对 ， 再根据这些相似度值进行分析，将属于同一个身份的人划分到一个组里 。
在没有进行人工身份标注前，只知道分到一个组的人脸是属于同一个身份，但不知道确切身份 。另外假设集合中有N个人脸 ， 那么人脸聚类的算法复杂度为O(N2)
人脸聚类过程（右侧绿框内按身份的分组结果为聚类结果）
10. 人脸活体
“人脸活体（FaceLiveness）”是判断人脸图像是来自真人还是来自攻击假体（照片、视频等）的方法 。
和前面所提到的人脸技术相比，人脸活体不是一个单纯算法，而是一个问题的解法 。这个解法将用户交互和算法紧密结合 ， 不同的交互方式对应于完全不同的算法 。鉴于方法的种类过于繁多，这里只介绍“人脸活体”的概念，不再展开 。
推荐阅读
- 区块链和人工智能：完美匹配
- 2030年，世界上将会有8亿人的工作岗位被人工智能替代
- 围棋“人机大战”打响人工智能或抢医生饭碗？
- 如何防止蹭网
- 如何设置路由器密码
- 如何在百度发表文章？
- 如何去水印？
- 如何关闭芒果tv会员自动续费功能?
- 腾讯会员如何用手机号登录 ？
- 如何设置无线路由器的密码？