人脸识别技术探讨：1:1,1：小N/大N，大姿态识别，活体识别

人脸识别是一种基于人的脸部特征信息进行身份认证的生物特征识别技术。

静态人脸识别是在特定的区域或者范围内来采集人脸照片并进行识别，如当前常见的门禁考勤应用。又或者是输入一张照片到人脸识别系统，如Facebook应用中采集用户的标签照片。又如警察输入照片并搜索数据库查看他/她是谁。在这两种情况下，我们都是输入一张照片来进行人脸识别。
静态人脸识别的工作流程包括检测人脸、人脸对齐、提取特征向量（我们在后文也会谈及），然后将提取的特征向量与数据库中的特征向量进行比较，以确定他/她是谁。
在动态人脸识别中，我们要识别身份的对象为摄像头中一组正在行进的人，或者是视频文件中一组正在行进的人。动态人脸识别的过程包括人脸检测、人脸跟踪、选择最佳可用的人脸，人脸对齐，提取每个人脸的特征向量，并将特征向量与数据库中的特征向量进行比较。
1:1，1:N，小N，大N
身份核验是1:1。它通过对比输入的人脸特征向量与数据库中的人脸特征向量来解决你是不是你的问题。

身份识别是1:N。它是通过输入的人脸与数据库的N人脸进行比对，以解决他是谁的问题。

N越大，人脸识别会变得越困难。

当N很小时，比如50，我们可以使用一个相对简单的特征提取模型来提取特征向量。当N在10000级别时，我们需要相对复杂的特征提取模型。当N达到数百万甚至数十亿时，我们需要一个非常复杂的特征提取模型，它具有很高的识别能力。

当前，为了提升人脸识别的处理能力，当N小于20000时，我们可以在边缘设备上实现人脸特征向量的提取，这些硬件被称为边缘计算，如下即为一个边缘计算