计算机视觉的子领域应用得非常广泛，并且全球很多商业活动都已经从中获益。人脸识别模型的使用在接下来的几年内还会继续增长，现在就由西安鉴真智能科技有限公司告诉你什么是人脸识别系统？

要了解什么是人脸识别系统，就得了解一下特征向量的概念。

每个机器学习算法都会将数据集作为输入，并从中学习经验。算法会遍历数据并识别数据中的模式。例如，假定我们希望识别指定图片中人物的脸，很多物体是可以看作模式的：

1.脸部的长度/宽度。

2.由于图片比例会被调整，长度和高度可能并不可靠。然而，在放缩图片后，比例是保持不变的——脸部长度和宽度的比例不会改变。

3.脸部肤色。

4.脸上局部细节的宽度，如嘴，鼻子等。
 
显而易见，此时存在一个模式——不同的脸有不同的维度，相似的脸有相似的维度。有挑战性的是需要将特定的脸转为数字，因为机器学习算法只能理解数字。表示一张脸的数字（或训练集中的一个元素）可以称为特征向量。

举一个简单的例子，我们可以将一张脸映射到一个特征向量上。特征向量由不同的特征组成，如：

脸的长度（cm）
脸的宽度（cm）
脸的平均肤色（R，G，B）
唇部宽度（cm）
鼻子长度（cm）
 
当给定一个图片时，我们可以标注不同的特征并将其转化为的特征向量。
 
我们的图片被转化为一个向量，我们还可以从图片中衍生出无数的其他特征如，头发颜色，胡须，眼镜等。
一旦我们将每个图片解码为特征向量，问题就变得更简单，明显地，当我们使用同一个人的两张面部图片时，提取的特征向量会非常相似。换言之，两个特征向量的“距离”就变得非常小。

此时机器学习可以帮我们完成两件事：

提取特征向量。由于特征过多，手动列出所有特征是非常困难的。一个机器学习算法可以自动标注很多特征。例如，一个复杂的特征可能是：鼻子长度和前额宽度的比例。手动列出所有的这些衍生特征是非常困难的。

匹配算法：一旦得到特征向量，机器学习算法需要将新图片和语料库中的特征向量进行匹配。