接下来，机器要开始来判断这张人脸的年龄、性别等属性，并且根据设定的需要来判断这张人脸是谁、或者是否有与他重合的人脸。然后机器就会去学习这些数据，总结出规律：男/女性的人脸向量数据是怎样的、不同年龄段的人脸向量数据是怎样的，进行聚类。人脸识别的原理1.人脸检测——画框机器需要通过扫描和判断检测出人脸，即在图片/视频中找到人脸所在的位置。
为什么我手机戴口罩也能人脸识别？
人脸识别的原理1.人脸检测——画框机器需要通过扫描和判断检测出人脸，即在图片/视频中找到人脸所在的位置。通过设定好的算法，机器可以在复杂的环境中准确的找到人脸，而不是衣服、房子或动物等其他东西。2.人脸配准——画点当我们得到人脸之后，就需要进一步来分析它了。我们先回想一下，当我们来描述一个人的长相时，通常会怎么说？你会发现，我们有意无意地都会去概括这个人面部的一些几何特征，比如脸型，比如五官。
机器也是如此，它需要去找到人脸上的一些关键点，比如眼角、鼻子、下巴的轮廓等等，把握特征，也就是定位五官关键点。但是呢，由于人脸会以各种各样的姿态出现，如果保持“歪着”的原样，机器进行下一步的工作就会比较麻烦，所以在这里就还需要把人脸统一摆正，消除因为姿势不一致而带来的误差。3.人脸聚类/识别/验证——比大小到这里，机器就会把前面人脸关键点的定位转换成具体的向量数据来表示。
接下来，机器要开始来判断这张人脸的年龄、性别等属性，并且根据设定的需要来判断这张人脸是谁、或者是否有与他重合的人脸。那么问题就来了，机器怎么辨别这张脸是男是女，多少岁的呢？我们先想想人类是如何判断这些属性的。我们也不是出生就会分性别，猜年龄，而是在生活中积累了大量经验，于是学会了从人脸上找到特征，然后进行判断。
比如，女性的长相一般比男性温柔，年纪较大的人通常会有明显的皱纹等等。机器也像人类一样，会通过学习来寻找规律。我们给机器一个庞大的人脸数据库，里面有海量的人脸数据，包括性别、年龄的信息。然后机器就会去学习这些数据，总结出规律：男/女性的人脸向量数据是怎样的、不同年龄段的人脸向量数据是怎样的，进行聚类。这时你再给机器一张新的人脸，它就会通过数据的匹配来判断人脸属性了。
在人脸识别技术应用的某些场合，我们可能还需要做进一步的比对。比如，这个脸和某张脸是否是同一人，或者这个脸是谁。前者是1对1的判断，后者则是1对N的判断。1对1的判断：比较两个人脸特征的相似度，通过与预设的阈值比较来验证这两个人脸特征是否属于同一人（相似度大于阈值，为同一人；小于阈值为不同）。1对N的判断：将多个人脸与此人脸一一对比，找出特征相似度最高的人脸。
