趋势分析|清华大学AMiner大数据带你进入人脸识别的未来
AMiner全新功能技术趋势分析Trend analysis（http://trend.aminer.cn）基于AMiner 2亿篇论文数据进行深入挖掘，包括对技术来源、热度、发展趋势进行研究，进而预测未来的技术前景。
技术趋势分析描述了技术的出现、变迁和消亡的全过程，可以帮助研究人员理解领域的研究历史和现状，快速识别研究的前沿热点问题。
我们目前已发布了28期分析内容，具体如下：
人脸识别（Face Recognition）是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。
人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年后期，并且以美国、德国和日本的技术实现为主；人脸识别系统成功的关键在于是否拥有尖端的核心算法，并使识别结果具有实用化的识别率和识别速度；“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，同时需结合中间值处理的理论与实现，是生物特征识别的最新应用，其核心技术的实现，展现了弱人工智能向强人工智能的转化。
下面我们将用Trend analysis分析人脸识别领域内的研究热点。（点击链接即可进入Face RecognitionTrend：https://trend.aminer.cn/topic/trend?query=face%20recognition）
下图是当前该领域的热点技术趋势分析，通过Trend analysis分析挖掘可以发现当前该领域的热点研究话题有featureextraction、pattern recognition、image segmentation、imageclassification、image processing等。
根据Trend analysis的分析结果我们可以发现，facedetection是当前的热门话题之一，近几年它的话题热度开始逐渐上升。人脸检测是自动人脸识别系统中的一个关键环节。随着电子商务等应用的发展，人脸识别成为最有潜力的生物身份验证手段，这种应用背景要求自动人脸识别系统能够对一般图象具有一定的识别能力，由此所面临的一系列问题使得人脸检测开始作为一个独立的课题受到研究者的重视。随着人脸检测研究的深入，国际上发表的有关论文数量也大幅度增长，如IEEE的FG、ICIP\CVPR等重要国际会议上每年都有大量关于人脸检测的论文，占有关人脸研究论文的1/3之多。
马里兰大学的Rama Chellappa教授是该领域的代表学者，他在2006年发表的“Modeling Age Progression in YoungFaces”一文提出了一种颅面生长模型，该模型描述了在形成期间在人脸中观察到的与生长相关的形状变化，可以用于预测一个人多年的外观并且可以跨年龄进展进行面部识别。
人脸识别产品已广泛应用于金融、司法、军队、公安、边检、政府、航天、电力、工厂、教育、医疗及众多企事业单位等领域。随着技术的进一步成熟和社会认同度的提高，人脸识别技术未来将应用在更多的领域。