人臉檢測與人臉識別
完成人臉識別的工作，要經過幾個步驟。首先計算機需要在圖像或視頻中找到人臉的位置，這部分工作一般叫做人臉檢測。如前所述，這是一種粗分類，具體到人臉檢測中，實際上是二分類，計算機只需要判斷目標圖像是或者不是人臉。但由于并不能事先確定人臉的大小和位置，計算機需要以每個可能的人臉大小對全圖進行掃描，逐個判斷子窗口所截取的圖像是否為人臉。而每次掃描過程，子窗口移動的步長可能是幾個像素。
所以你可以大致想象下，作一張圖的人臉檢測，計算機需要作多少次二分類判斷。
人臉檢測步驟從一張圖中獲得人臉的位置和大小，并將該部分圖像送給后續步驟，包括：人臉部件點定位，人臉圖像的對齊和歸一化，人臉圖像質量選取，特征提取，特征比對。所有步驟完成后，才能得知該人臉的身份。
當然，我們也可以單獨使用人臉檢測功能來完成某些應用，比如當前大部分照相機，及手機攝像頭都有人臉檢測功能，可以自動獲得人臉位置，從而對圖片作一些自動調焦和優化。甚至對人臉做一些初步的判斷，比如性別、年齡，甚至顏值。
1v1人臉驗證與1vＮ人臉查找
主人公通過各種方式，蒙混過層層身份驗證，成功進入某機要部門，這是電影中經常出現的情節。而這層層的身份驗證就經常包括人臉識別。在這種應用中，使用者往往需要提供自己的身份。
比如使用門卡，計算機可以通過門卡在后臺中獲取門卡所有者的人臉樣本，將其與當前使用門卡人的人臉圖像進行對比，以確認當前使用門卡的人與門卡的所有者是否匹配，如此可以避免撿到你門卡的人輕松混入公司。
這是一種1v1的身份驗證，計算機對當前人臉和庫存人臉進行一次比對，是對其他驗證方式的一種輔助，從而提高身份驗證的可靠性。這種應用目前已經大量使用，比如敏感設施的準入，互聯網金融領域的遠程開戶及大額提取的身份驗證等。
文章開始時提到的《機械戰警》中的橋段，則是1vN的人臉查找。機械戰警可以聯機查找一個保存了所有通緝犯數據的人臉庫，每次他遇到一個人，都會先獲取該人的人臉信息，用所獲得信息去通緝犯數據庫中去逐個比對，如果發現匹配度足夠高的，就當場抓捕。每次人臉識別，計算機要作n次人臉比對，n為待識別庫中的人臉模板數。
如果要求計算機只憑借人臉識別出一個人的身份，這實際上也是一種1vN的人臉查找，其目標人臉庫是一個由n個人臉組成的“熟人庫”，隨著n的增大，準確識別的難度也會增大，一次識別所需要的計算時間也會增加。我們可以考慮一下，一個普通人能對多少個人臉進行準確識別？大概也就在幾十個這個數量級上吧。
而目前最好的人臉識別技術實際上已經超過了這個水平。
例如國內頂級的人臉識別公司，一般會有一面屏幕墻，演示公司各個攝像頭所拍攝到人員活動，并對身份進行準確識別，而公司內一般維護一個百人數量級的人臉庫。但如果N再繼續增大，達到千人庫，萬人庫，那么實時查找唯一的匹配人臉就成為一種科幻要求了，在較大的人臉庫應用中，一般會降低對實時性的要求，并且只要求查出前m名非常匹配的疑似人臉，以便縮小人工檢索的范圍。
