自動(dòng)人臉識(shí)別的經(jīng)典流程分為三個(gè)步驟：人臉檢測(cè)、面部特征點(diǎn)定位（又稱FaceAlignment人臉對(duì)齊）、特征提取與分類器設(shè)計(jì)。一般而言，狹義的人臉識(shí)別指的是"特征提取+分類器"兩部分的算法研究。

在深度學(xué)習(xí)出現(xiàn)以前，人臉識(shí)別方法一般分為高維人工特征提?。ɡ纾篖BP,Gabor等）和降維兩個(gè)步驟，代表性的降維方法有PCA,LDA等子空間學(xué)習(xí)方法和LPP等流行學(xué)習(xí)方法。在深度學(xué)習(xí)方法流行之后，代表性方法為從原始的圖像空間直接學(xué)習(xí)判別性的人臉表示。

一般而言，人臉識(shí)別的研究歷史可以分為三個(gè)階段。在第一階段（1950s-1980s），人臉識(shí)別被當(dāng)作一個(gè)一般性的模式識(shí)別問題，主流技術(shù)基于人臉的幾何結(jié)構(gòu)特征。在第二階段（1990s）人臉識(shí)別迅速發(fā)展，出現(xiàn)了很多經(jīng)典的方法，例如Eigen Face, Fisher Face和彈性圖匹配，此時(shí)主流的技術(shù)路線為人臉表觀建模。在第三階段（1990s末期到現(xiàn)在），人臉識(shí)別的研究不斷深入，研究者開始關(guān)注面向真實(shí)條件的人臉識(shí)別問題，主要包括以下四個(gè)方面的研究：1）提出不同的人臉空間模型，包括以線性判別分析為代表的線性建模方法，以Kernel方法為代表的非線性建模方法和基于3D信息的3D人臉識(shí)別方法。2）深入分析和研究影響人臉識(shí)別的因素，包括光照不變?nèi)四樧R(shí)別、姿態(tài)不變?nèi)四樧R(shí)別和表情不變?nèi)四樧R(shí)別等。3）利用新的特征表示，包括局部描述子（Gabor Face, LBP Face等）和深度學(xué)習(xí)方法。4）利用新的數(shù)據(jù)源，例如基于視頻的人臉識(shí)別和基于素描、近紅外圖像的人臉識(shí)別。

2007年以來，LFW數(shù)據(jù)庫成為事實(shí)上的真實(shí)條件下的人臉識(shí)別問題的測(cè)試基準(zhǔn)。LFW數(shù)據(jù)集包括來源于因特網(wǎng)的5,749人的13,233張人臉圖像，其中有1680人有兩張或以上的圖像。LFW的標(biāo)準(zhǔn)測(cè)試協(xié)議包括6000對(duì)人臉的十折確認(rèn)任務(wù)，每折包括300對(duì)正例和300對(duì)反例，采用十折平均精度作為性能評(píng)價(jià)指標(biāo)。

自從LFW發(fā)布以來，性能被不斷刷新。2013年之前，主要技術(shù)路線為人造或基于學(xué)習(xí)的局部描述子+測(cè)度學(xué)習(xí)。2014年之后，主要技術(shù)路線為深度學(xué)習(xí)。

2014年以來，深度學(xué)習(xí)+大數(shù)據(jù)（海量的有標(biāo)注人臉數(shù)據(jù)）成為人臉識(shí)別領(lǐng)域的主流技術(shù)路線，其中兩個(gè)重要的趨勢(shì)為：1）網(wǎng)絡(luò)變大變深（VGGFace16層，F(xiàn)aceNet22層）。2）數(shù)據(jù)量不斷增大（DeepFace400萬，F(xiàn)aceNet2億），大數(shù)據(jù)成為提升人臉識(shí)別性能的關(guān)鍵。

在前DL時(shí)代，以VIPL實(shí)驗(yàn)室三代半SDK為例，關(guān)鍵技術(shù)點(diǎn)包括1）分塊人臉特征融合：Gabor特征+LPQ特征。 2）子空間學(xué)習(xí)進(jìn)行特征降（PCA+LDA）。3）融合多尺度的人臉歸一化模板。SDK3.5的相關(guān)技術(shù)在FRGC實(shí)驗(yàn)4上取得了0.1%錯(cuò)誤接受率條件下96%的確認(rèn)率，至今依然是FRGC數(shù)據(jù)集上最好結(jié)果。

需要指出的是，雖然深度學(xué)習(xí)強(qiáng)調(diào)特征學(xué)習(xí)，但學(xué)習(xí)特征并不是DL的專利。在前DL時(shí)代，利用淺層模型從圖像中直接學(xué)習(xí)表示和基于人造描述子學(xué)習(xí)語義表示（例如學(xué)習(xí)中層屬性表示的Attributes and Simile Classifier和學(xué)習(xí)高層語義表示的Tom-vs-Pete）的工作都見于相關(guān)文獻(xiàn)。

2014年，F(xiàn)acebook發(fā)表于CVPR14的工作DeepFace將大數(shù)據(jù)（400萬人臉數(shù)據(jù)）與深度卷積網(wǎng)絡(luò)相結(jié)合，在LFW數(shù)據(jù)集上逼近了人類的識(shí)別精度。其中DeepFace還引入了一個(gè)Local Connected卷積結(jié)構(gòu)，在每個(gè)空間位置學(xué)習(xí)單獨(dú)的卷積核，缺點(diǎn)是會(huì)導(dǎo)致參數(shù)膨脹，這個(gè)結(jié)構(gòu)后來并沒有流行起來。

DeepID家族可以看作是DL時(shí)代人臉識(shí)別領(lǐng)域的一組代表性工作。最早的DeepID網(wǎng)絡(luò)包括四個(gè)卷積層，采用softmax損失函數(shù)。DeepID2在DeepID網(wǎng)絡(luò)的基礎(chǔ)上，同時(shí)考慮了分類損失（identityloss) 和確認(rèn)損失（verification loss），這兩種損失在Caffe深度學(xué)習(xí)框架中分別可以采用softmaxwithloss層和contrastiveloss層來實(shí)現(xiàn)。DeepID2+網(wǎng)絡(luò)則是在DeepID2的基礎(chǔ)上，增加了每一層的輔助損失函數(shù)（類似Deep Supervised Network)。

Google發(fā)表于CVPR2015的工作FaceNet采用了22層的深層卷積網(wǎng)絡(luò)和海量的人臉數(shù)據(jù)（800萬人的2億張圖像）以及常用于圖像檢索任務(wù)的Triplet Loss損失函數(shù)。值得一提的是，由于人臉類別數(shù)達(dá)到800萬類，如果使用softmax loss，輸出層節(jié)點(diǎn)將達(dá)到800萬個(gè)，需要至少32GB顯存（假設(shè)上一個(gè)隱層節(jié)點(diǎn)1024個(gè)，采用單精度浮點(diǎn)數(shù)），而Triplet Loss則不需要額外占用顯存。FaceNet在LFW數(shù)據(jù)集上十折平均精度達(dá)到99.63%，這也是迄今為止正式發(fā)表的論文中的最好結(jié)果，幾乎宣告了LFW上從2008年到2015年長(zhǎng)達(dá)8年之久的性能競(jìng)賽的結(jié)束。