人脸识别算法中可以分为基础算法和应用算法，一张人脸首先是要基础算法，经过人脸检测、特征关键点处理，质量模型过滤后，才可以到应用层算法做处理，并应用到实际场景中。那么人脸识别的基础算法与应用算法有哪些内容呢？  

人脸识别的基础算法

人脸检测：这是将一张照片或一段视频流中的人脸检测出来，并且输出人脸矩阵坐标。可以用作截取人脸，用在后续的人脸比对、人脸搜索等算法。人脸检测是基于二分类模型，通过深度学习训练样本识别是否为人脸。

特征关键点：这是将检测到人脸后，把人脸的特征点标记出来，而且每个特征点都有自己属性，可以表示是脸部位置。在不同的场景有不同的用处，人脸摆正对齐是对于抓取的人脸不是正方向的，要摆正后再进行人脸比对、搜索等。而人脸处理则是应用在社交娱乐应用中的人脸特效，需要检测到人脸特征关键后，在对关键部位有针对性处理。它的原理是将人脸照片的关键点做上标记，通过深度学习、分类模型，让算法可以检测到特征点并识别特征点的属性。

质量模型：就是对人脸照片的角度、光照、模糊度等进行评估，让符合要求的人脸可以进行人脸识别。适应在不同业务中对照片的需求，例如在一些场景，需要戴口罩也可以识别，如医院，而有些场景则是不能有遮挡物才可以识别。还可以提升人脸比对、人脸搜索等人脸识别的准确率。它的原理主要是利用回归模型，对每张照片标记模糊、光照、遮挡的分值，然后进行监督训练后，输入照片即可输出对应的质量分值。

人脸识别的应用算法

活体检测：这一个算法主要应用在身份认证上，确定识别的人员是否为真人。在技术上，目前主要有两大类，对硬件依赖度比较低的，例如动作活体，静默活体；而对硬件有一定要求，需要和硬件适配的有双目活体、3D结构光活体等。在原理上，通过采集人脸照片，并将照片做上标记，为真样本还是假样本，并送到模型中训练从而得出算法。

人脸对比：就是将两张人脸照片进行比对，得出相似度。可以通过现场采集人脸与已有的人脸库进行比对，还可以事先上传人脸信息到系统中，或者是将身份证信息上传，与人脸库做对比。可以应用在刷脸支付、刷脸登陆以及身份证验证的场景中。

人脸搜索：就是将采集到的人脸，和数据库中的人脸全部进行比对，得出相似度最高的几张人脸库照片，而且得出相似度，超过一定阈值，则是认可为同一人，即识别成功。可以应用在门禁、考勤以及安防领域的场景。而人脸搜索的准确率，是要结合人脸数据库中人脸照片的数量，数据库中人脸照片越多，识别准确率可能会比较低，识别时间会慢一些。但随着人脸识别技术的进步，人脸识别的准确率越来越高。更多关于人脸识别资讯，人脸识别产品，人脸识别技术，请关注畅视智能。