随着社会的发展，人脸识别技术已经逐步成熟并应用于各行各业，同时，随着人脸识别技术的应用，也提高了人们的生活质量。日常生活中，人脸识别的应用已经常见，那么人脸识别技术如何做到如此智能呢？我们为大家介绍下人脸识别涉及的三个关键技术，人脸检测技术、人脸配准技术、人脸属性识别技术。

1、 人脸检测技术

人脸识别检测技术是检测出图像中人脸所在位置的一项技术。

人脸检测算法的输入是一张图片，输出是人脸框坐标序列。通常情况下，输出的人脸坐标框为一个正朝上的正方形，但也有一些人脸检测技术输出的是正朝上的矩形，或者是带旋转方向的矩形。

常见的人脸检测算法基本是一个“扫描”加“判别”的过程，即算法在图像范围内扫描，再逐个判定候选区域是否是人脸的过程。因此人脸检测算法的计算速度会跟图像尺寸、图像内容相关。开发过程中，我们可以通过设置“输入图像尺寸”、或“小脸尺寸限制”、或“人脸数量上限”的方式来加速算法。

2、 人脸配准

人脸配准技术是定位出人脸上五官关键点坐标的一项技术。

人脸配准算法中输入的是“一张人脸图片”加“人脸坐标框”，通过人脸配置算法输入五官关键点的坐标序列。五官关键点的数量是预先设定好的一个固定数值，可以根据不同的语义来定义(常见的有5点、68点、90点等等)。

当前效果的较好的一些人脸配准技术，基本通过深度学习框架实现，这些方法都是基于人脸检测的坐标框，按某种事先设定规则将人脸区域扣取出来，缩放的固定尺寸，然后进行关键点位置的计算，且人脸配准算法的计算耗时较少。

3、 人脸属性识别技术

人脸属性识别技术是识别出人脸的性别、年龄、姿态、表情等属性值的一项技术

一般的人脸属性识别算法的输入是“一张人脸图”和“人脸五官关键点坐标”，通过人脸属性识别技术输出人脸相应的属性值。人脸属性识别算法一般会根据人脸五官关键点坐标将人脸对齐(旋转、缩放、扣取等操作后，将人脸调整到预定的大小和形态)，然后进行属性分析。

常规的人脸属性识别算法识别每一个人脸属性时都是一个独立的过程，即人脸属性识别只是对一类算法的统称，性别识别、年龄估计、姿态估计、表情识别都是相互独立的算法。但的一些基于深度学习的人脸属性识别也具有一个算法同时输入性别、年龄、姿态等属性值的能力。

慧美人脸识别系统，使用深度学习人脸识别算法，人证比对识别速度快、准确率高、支持（1：N）人证比对，适用于如校园、楼宇、园区等各类场所。且，慧美人脸识别系统可与慧美一卡通系统其它子系统联动，为用户提供适用于自身需求的专属方案。